Day 13：AWS是什麽？30天从动漫/影视作品看AWS服务应用 -《JoJo的奇妙冒险》第三季 part 3

延续上一篇的「穿心攻击」概念，其所应用的机器学习原理是所谓的「强化学习」（Reinforcement Learning），
擅於处理庞大而且复杂的议题，目前机器学习主要分为三种:

监督式学习(Supervised Learning)：从标记 (labeled) 资讯中分析模式後做出预测的学习方式。标记过的资料就是标准答案，电脑在学习的过程透过对比误差，一边修正去达到更精准的预测，这样的方式让监督式学习准确率提高，但同时也非常的耗费人力去标记，在资料范围大的时候相当难以运作。简单来说就是利用一根胡萝卜训练一只天竺鼠车车从A走到B点可以，但是万一有十万只天竺鼠车车，但你要让他们各自走到相对应的定点的时候，难保他们不会乱吃彼此的胡萝卜，甚至你自己都会忘了要怎麽事前放置胡萝卜路径。

非监督式学习(Unsupervised Learning)：不需事先以人力处理标签，机器面对资料时，做的处理是依照关联性去归类 (Co-occurance Grouping)，资讯正确或不正确的判别并非重点，找出潜在规则与套路 (Association Rule Discovery)形成集群 (Clustering)才是终极目标，可以省去监督式学习所耗费的人力。以天竺鼠车车为例，假设有90％的天竺鼠车车都从A-B点吃胡萝卜，剩下10％才是其他路径，非监督式学习可以标记出「吃胡萝卜：路径A-B」这个特点。

强化学习(Reinforcement Learning)，其中强化学习不同於监督式学习，不需要标记资料，又与非监督式不同，是一种互动式的学习。举例来说给要比赛的天竺鼠车车吃高丽菜叶，他就会冲超快，从此出现在比赛赛道上看到高丽菜就是冲快就对了。

简言之就是要教会这台车车自己好好比赛，然後懂得吃到胡萝卜或高丽菜就是开心跟胜利。

然而回到真实世界的无人车应用，AWS协助过Torc Robotics在美国测试自动驾驶货车，在符合L4级自动驾驶系统，车辆能够在特定的营运条件下执行全部驾驶功能。Torc除了利用Amazon EKS作为机器学习的模拟软件，收集和处理来自光学雷达、雷达、摄影机等感应器的数据。也使用Amazon S3作为储存服务，同时也使用Amazon Managed Streaming for Apache Kafka作为即时资料之低延迟处理与管理。

（今天居然这麽正经，都差点忘了是来说自动驾驶，也许我们距离跟这位仁兄1997年的作为也是不远了）

这篇Jojo根本没出现多少，到底。

Photo Credit:木棉花影片截图