邊緣計(jì)算意味著很多事情，但是我們常常忽略了機(jī)器人技術(shù)是一切的核心。

自主的邊緣機(jī)器人對(duì)于幾乎每個(gè)人關(guān)于未來存儲(chǔ)的愿景都是至關(guān)重要的。在Amazon Web Services Inc.最近的re：Invent大會(huì)上，有許多與機(jī)器人技術(shù)有關(guān)的公告，其中大多數(shù)都側(cè)重于構(gòu)建使一切變?yōu)榭赡艿闹悄芩璧腁I DevOps管道。

機(jī)器人本質(zhì)上是一個(gè)智能對(duì)象，已經(jīng)在工作臺(tái)中將AI敲入了AI，就像虛構(gòu)的Geppetto為他的木制男孩Pinocchio所做的那樣。在當(dāng)今的AI市場(chǎng)上，現(xiàn)在已經(jīng)非常缺乏的一件事是用于構(gòu)建，訓(xùn)練，部署和管理機(jī)器人技術(shù)成為真正的大眾現(xiàn)象所需的算法智能的占主導(dǎo)地位的智能對(duì)象工作臺(tái)。

但這確實(shí)是AWS在re：Invent上推出的產(chǎn)品，盡管您忽略了這一事實(shí)，這是可以原諒的，但考慮到AWS首席執(zhí)行官安迪·賈西(Andy Jassy)和工作人員在世界范圍內(nèi)放任自流，這確實(shí)掩蓋了它。甚至連該公司似乎都沒有掌握它為此發(fā)布的幾項(xiàng)公告的全部意義。

在本周的Wikibon post-revent：Invent CrowdChat中，一些參與者呼應(yīng)了這個(gè)令人困惑的消息，他們對(duì)我認(rèn)為非常重要的AWS聲明scratch之以鼻，該聲明指出了AI智能對(duì)象工作臺(tái)在云中的發(fā)展形式。我指的是AWS DeepRacer (如圖)，它是一種微型但功能強(qiáng)大的AI驅(qū)動(dòng)的自動(dòng)駕駛汽車。

DeepRacer現(xiàn)已限量發(fā)售，可以預(yù)訂，它是一款全自動(dòng)玩具賽車。它本質(zhì)上是一個(gè)智能機(jī)器人，配備了全輪驅(qū)動(dòng)，巨型卡車輪胎，高清攝像機(jī)和車載計(jì)算機(jī)。

是的，從表面上看，DeepRacer聽起來聽起來很瑣碎，這就是為什么其他兩個(gè)聊天者將它選為re：Invent上最“嗡嗡”的公告：

許志堅(jiān)：“ DeepRacer最初引起了轟動(dòng)。但是，在與其他與會(huì)者交談時(shí)，大多數(shù)人都將其視為自己或孩子的免費(fèi)玩具。:)”

Maish Saidel-Keesing：“我會(huì)說Deepracer –很酷–但是這種服務(wù)/設(shè)備的業(yè)務(wù)用例是什么?……所以這是一個(gè)可以解決AI問題的好玩具–我理解其背后的邏輯–但宣布一個(gè)新的“產(chǎn)品”只是為了證明這一點(diǎn)–對(duì)我來說似乎在炫耀他們的統(tǒng)治地位。”

但是，這些評(píng)論使DeepRacer脫離了亞馬遜一直推向市場(chǎng)的其他智能對(duì)象的背景，例如去年re：Invent宣布的AI驅(qū)動(dòng)的DeepLens智能相機(jī)，當(dāng)然還有廣受歡迎的Echo設(shè)備。將帶對(duì)話用戶界面的AI驅(qū)動(dòng)助手Alexa帶入了如此多的家庭。在自動(dòng)駕駛汽車領(lǐng)域，AWS對(duì)DeepRacer的定位與演示DeepLens的方式大致相同：作為AI原型開發(fā)平臺(tái)，可以將AI“從字面上講給開發(fā)人員”。像DeepLens一樣，這種新型微型自動(dòng)駕駛汽車是完全可編程的，并配有教程，代碼和預(yù)訓(xùn)練模型，可加快特定類型智能對(duì)象的開發(fā)。

DeepRacer，DeepLens和Echo系列等可用于開發(fā)人員的智能對(duì)象代表了AI邊緣開發(fā)的范式轉(zhuǎn)變。展望未來，將在遍布整個(gè)物理平臺(tái)(例如這些設(shè)備)以及云中的虛擬工作區(qū)的工作臺(tái)上開發(fā)更多注入AI的邊緣應(yīng)用程序，包括用于消費(fèi)者和企業(yè)用途的機(jī)器人技術(shù)。

隨著這一趨勢(shì)的加劇，越來越多的數(shù)據(jù)科學(xué)家將開始使用大量注入AI的設(shè)備來填充其物理工作區(qū)，以進(jìn)行演示，原型設(shè)計(jì)甚至生產(chǎn)開發(fā)。我們正在邁向一個(gè)“物聯(lián)網(wǎng)”邊緣設(shè)備成為可自主操作的高級(jí)AI應(yīng)用程序的主要工作臺(tái)的世界。AI DevOps生態(tài)系統(tǒng)將不斷發(fā)展，以加快DevOps工作流的發(fā)展，該工作流會(huì)將智能對(duì)象逐步轉(zhuǎn)化為生產(chǎn)部署。

強(qiáng)化學(xué)習(xí) (上周在許多與AWS AI相關(guān)的公告中是跨領(lǐng)域的主題)是這種范式轉(zhuǎn)變的共同思路。RL指的是一種方法，算法 和工作流，這些方法，算法和工作流歷史上一直應(yīng)用于機(jī)器人，游戲和其他開發(fā)計(jì)劃，在這些計(jì)劃中，AI是在模擬器中構(gòu)建和訓(xùn)練的。除了在游戲，機(jī)器人技術(shù)和其他用例中的核心作用外，RL還被用于補(bǔ)充許多深度學(xué)習(xí)計(jì)劃中的有監(jiān)督和無監(jiān)督學(xué)習(xí)。

展望未來，更多的AI從業(yè)者將轉(zhuǎn)向面向RL的新工作臺(tái)，這些工作臺(tái)在智能對(duì)象本身中執(zhí)行所有或大多數(shù)DevOps管道功能(包括分布式培訓(xùn))。越來越多地呼吁數(shù)據(jù)科學(xué)家和其他開發(fā)人員將數(shù)據(jù)驅(qū)動(dòng)的算法智能倒入各種各樣的互連智能對(duì)象中。

在上周AWS的公告中，我發(fā)現(xiàn)最值得注意的是，他們對(duì)無形云服務(wù)和所需的有形設(shè)備的加深投資充實(shí)了該智能對(duì)象工作臺(tái)。要查看RL驅(qū)動(dòng)的AI開發(fā)生態(tài)系統(tǒng)的新興形式，讓我們考慮AWS在re：Invent上發(fā)布的相關(guān)解決方案公告：

邊緣AI建模和培訓(xùn)中的RL：為了支持可能從未將RL應(yīng)用于AI項(xiàng)目的開發(fā)人員，AWS宣布了SageMaker RL的全面可用性，SageMaker RL是其數(shù)據(jù)科學(xué)工具鏈托管服務(wù)的新模塊。AWS推出的SageMaker RL表明，RL的主流正在加速。這項(xiàng)新服務(wù)是云技術(shù)針對(duì)AI開發(fā)和培訓(xùn)管道的首個(gè)托管RL產(chǎn)品。它使任何SageMaker用戶都可以通過任何幾種內(nèi)置的RL框架(包括Intel Coach和Ray RL)來構(gòu)建，訓(xùn)練和部署機(jī)器人技術(shù)和其他AI模型。SageMaker RL利用了多個(gè)仿真環(huán)境中的任何一個(gè)，包括SimuLink和MatLab。

邊緣AI仿真中的RL：SageMaker RL與新發(fā)布的AWS RoboMaker托管服務(wù)集成，該服務(wù)為智能機(jī)器人項(xiàng)目中的RL提供了仿真平臺(tái)。它提供了一個(gè)基于AWS Cloud9的機(jī)器人集成開發(fā)環(huán)境，用于建模和大規(guī)模并行仿真。它通過與機(jī)器學(xué)習(xí)，監(jiān)控和分析之類的AWS服務(wù)的連接性擴(kuò)展了開源機(jī)器人操作系統(tǒng)。它使機(jī)器人能夠流式傳輸數(shù)據(jù)，進(jìn)行導(dǎo)航，交流，理解和學(xué)習(xí)。它可以與OpenGym RL環(huán)境以及亞馬遜的Sumerian混合現(xiàn)實(shí)解決方案一起使用。

AI DevOps中的RL：借助RoboMaker，AI機(jī)器人開發(fā)人員只需單擊一下AWS管理控制臺(tái)即可開始應(yīng)用程序開發(fā)，該服務(wù)會(huì)自動(dòng)將經(jīng)過訓(xùn)練的模型置備到邊緣或IoT基礎(chǔ)架構(gòu)的目標(biāo)機(jī)器人環(huán)境中的生產(chǎn)環(huán)境中。AWS RoboMaker支持與AWS Greengrass集成的空中機(jī)器人團(tuán)隊(duì)?wèi)?yīng)用程序部署，更新和管理。用于ROS的AWS RoboMaker云擴(kuò)展包括Amazon Kinesis Video Streams提取，Amazon Rekognition圖像和視頻分析，Amazon Lex語音識(shí)別，Amazon Polly語音生成以及Amazon CloudWatch日志記錄和監(jiān)視。新的AWS IoT SiteWise可在預(yù)覽中使用的一項(xiàng)托管服務(wù)是一項(xiàng)從分布式設(shè)備收集數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化和標(biāo)記數(shù)據(jù)，并生成實(shí)時(shí)關(guān)鍵性能指標(biāo)和指標(biāo)以在邊緣驅(qū)動(dòng)更好決策的托管服務(wù)。

邊緣AI跨邊緣應(yīng)用程序組成中的RL：可預(yù)覽的新AWS IoT Things Graph使開發(fā)人員可以通過將設(shè)備和云服務(wù)(例如SageMaker RL中的培訓(xùn)工作流)表示為可合并的模型來構(gòu)建IoT應(yīng)用程序通過可視化的拖放界面，而不是編寫底層代碼。IoT Things Graph提供了一種可視化的方式來表示復(fù)雜的現(xiàn)實(shí)世界系統(tǒng)。它將IoT應(yīng)用程序部署到運(yùn)行AWS Greengrass的設(shè)備上的邊緣，以便即使未連接到Internet，應(yīng)用程序也可以更快地響應(yīng)。

在SageMaker RL中編程，構(gòu)建和訓(xùn)練了支持DeepRacer自治操作的AI模型。AWS還發(fā)起了所謂的“世界上第一個(gè)全球自動(dòng)駕駛賽車聯(lián)盟”，因此DeepRacer開發(fā)人員可以相互比較以RL為動(dòng)力的原型。

分布式圖形模型(可能內(nèi)置于AWS IoT Graph中)很可能會(huì)成為開發(fā)AI的必備畫布，該AI可對(duì)復(fù)雜的多設(shè)備邊緣和機(jī)器人部署進(jìn)行動(dòng)畫處理。如果沒有圖形技術(shù)，開發(fā)人員將難以組成和監(jiān)視將智能對(duì)象群整合為協(xié)調(diào)的集體所需的分布式RL培訓(xùn)工作流。

在將來的某個(gè)時(shí)候，AWS可能有必要將其“基礎(chǔ)結(jié)構(gòu)即代碼”工具 CloudFormation 納入其智能對(duì)象AI邊緣云工作臺(tái)戰(zhàn)略。作為云管理DevOps的組織框架，基礎(chǔ)架構(gòu)即代碼消除了信息技術(shù)專業(yè)人員接觸物理IT平臺(tái)，訪問云提供商的管理控制臺(tái)，登錄基礎(chǔ)架構(gòu)組件，進(jìn)行手動(dòng)配置更改或一次性使用的需求。腳本進(jìn)行調(diào)整。

通過這種方式進(jìn)行DevOps的可擴(kuò)展性，速度和效率，對(duì)于管理不斷被推向邊緣甚至數(shù)百萬甚至數(shù)萬億個(gè)智能對(duì)象的AI應(yīng)用程序更新管道的管理至關(guān)重要。作為傳統(tǒng)IT更改和配置管理的替代方法，基礎(chǔ)架構(gòu)即代碼涉及編寫模板(也稱為“代碼”)，以聲明方式描述新基礎(chǔ)架構(gòu)組件的所需狀態(tài)，例如智能對(duì)象的分布式圖形。

在利用基礎(chǔ)DevOps源代碼控制的IT管理工具中，該模板可推動(dòng)創(chuàng)建云基礎(chǔ)架構(gòu)代碼庫的外觀圖。然后，該工具會(huì)查找已部署代碼中的缺陷，并通過部署端到端代碼來修復(fù)它們，以便端到端已部署基礎(chǔ)結(jié)構(gòu)收斂到正確的狀態(tài)。

聲明式規(guī)范和迭代收斂是RL的全部目標(biāo)，它基于旨在最大化累積獎(jiǎng)勵(lì)函數(shù)的反復(fù)試驗(yàn)算法工作流程?？纯碅I驅(qū)動(dòng)的自主智能對(duì)象將使用RL開發(fā)什么樣的優(yōu)化交互模式將是很有趣的。最有可能的是，未來的智能對(duì)象將通過聲明式指定的注重結(jié)果的獎(jiǎng)勵(lì)函數(shù)進(jìn)行訓(xùn)練。針對(duì)分布式邊緣機(jī)器人技術(shù)的這種獎(jiǎng)勵(lì)功能的一個(gè)示例可能是指定RL驅(qū)動(dòng)的圖在各種端到端網(wǎng)絡(luò)負(fù)載情況下，在任意數(shù)量的智能邊緣設(shè)備之間找到最低的延遲路徑，所有這些同時(shí)保持有效載荷透明性和消息可追溯性。

如果我們要委托AI驅(qū)動(dòng)的智能機(jī)器人來駕駛我們的汽車以及云計(jì)算世界的其余部分，我們需要適合這些挑戰(zhàn)的工作臺(tái)。在我看來，AWS已奠定了這些基礎(chǔ)。