To Amazon Web Services’ (AWS) AWS DeepRacer – wydarzenie, w którym uczestnicy mogli doświadczać uczenia maszynowego (ML). A o czym właściwie mówimy? To konkurs, którego celem jest nauczenie miniaturowego samochodu nawigacji po fizycznym torze jak najszybciej.
Ponad 100 naszych kolegów z różnych zespołów nie mogło się doczekać, aby zacząć budować i trenować modele wyścigowych samochodów. Początkowo wirtualnie, a następnie testując je na prawdziwym torze w naszej siedzibie w Hyvinkää – bez potrzeby wcześniejszego doświadczenia technicznego czy kodowania.
To, co zaczęło się od inicjatywy oddolnej na rzecz uczenia maszynowego, przerodziło się w zabawne wydarzenie z udziałem uczestników z różnych jednostek. Wydarzenie, które wspiera współpracę i budowanie kompetencji cyfrowych w angażującym środowisku.
Niektóre z zespołów przygotowywały się do wyścigu nawet przez weekend – nie dlatego, że musiały, czy z powodu terminu – ale dlatego, że to było po prostu zabawne i interesujące. To tylko jeden przykład tego, jak wspieramy transformację branży dzięki innowacjom cyfrowym.
W świecie wirtualnym wszystko jest bezbłędne – jak jest w rzeczywistości?
Wszystko zaczęło się od Petriego Rosenströma, głównego architekta KONE dla Cloud Platform.
„Organizowałem wiele wydarzeń, na których ludzie mogli uczyć się i poprawiać swoje umiejętności technologiczne. Kiedy usłyszałem o pierwszym wydarzeniu DeepRacer w Finlandii, chciałem jak najszybciej przenieść je do KONE” mówi Petri.
„Pomysł w tle – doświadczenie uczenia maszynowego poprzez zabawę i współpracę – został zrealizowany dzięki naszemu strategicznemu partnerowi AWS, oferującemu wiele samouczków, kursów i wydarzeń związanych z technologiami chmurowymi i sztuczną inteligencją (AI)” dodaje.
Rodzaj uczenia maszynowego, który był eksplorowany podczas wydarzenia DeepRacer, nazywa się „uczeniem ze wzmocnieniem”. Ten model jest podobny do metodyki używanej w nauczaniu psów lub innych zwierząt, nawet ludzi. Chodzi o uczenie się nowych zachowań dla nagrody – innymi słowy, uczenie się podejmowania działań z dobrymi wynikami i unikanie działań ze złymi. Jednym z odkryć wydarzenia było to, że łatwiej jest ludziom niż maszynom stosować teorię w praktyce.
Posłuchajmy naszych zwycięzców – jaki był klucz do sukcesu?
Poznaj naszych mistrzów wyścigów, którzy zdobyli pierwsze miejsce: Rui Heinonena i Sudarshana Koiralę, obaj z zespołu Enterprise Data and Analytics Platforms w KONE IT.
Rui Heinonen zaczął jako stażysta w zespole Analytics. Następnie kontynuował pisanie pracy magisterskiej w KONE, koncentrując się na dynamicznym planowaniu konserwacji. Dla Rui praca w dziedzinie technologii nie była czymś, co zawsze sobie wyobrażał, ale podczas trzeciego roku studiów na Aalto University School of Business odkrył zainteresowanie programowaniem i matematyką. Jako naukowiec ds. danych, Rui pracował nad analityką cen i obecnie współpracuje ściśle z programistami i interesariuszami biznesowymi nad analizami sprzedaży i marketingu.
Sudarshan Koirala również rozpoczął w KONE jako stażysta naukowiec ds. danych, następnie przeszedł na stanowisko młodszego naukowca ds. danych, a później inżyniera uczenia maszynowego. Po fizyce i matematyce w szkole średniej Sudarshan zmienił kierunek na biznesowy, a następnie na inżynierię oprogramowania, zanim wreszcie przeszedł na nauki o danych. Obecnie, oprócz bycia inżynierem uczenia maszynowego i pomagania interesariuszom biznesowym we wdrażaniu systemu do przewidywania utraty klientów (Risk Ranking), Sudarshan jest także Scrum Masterem jednego z zespołów w dziale IT Enterprise Data & Analytics. Zespół skupia się na kilku aplikacjach AI, ML i zaawansowanej analityce związanej z marketingiem, sprzedażą i przetargami, wspólnie z interesariuszami biznesowymi.
„Zwykle projekty danych i analityki w KONE są realizowane we współpracy między zespołami IT i biznesowymi i obejmują szeroki zakres zadań – od identyfikacji celów biznesowych po zbieranie odpowiednich danych, czyszczenie i przetwarzanie wstępne danych, przeprowadzanie analizy eksploracyjnej, wykorzystywanie trenowania i serwowania modeli z technikami statystycznymi lub uczenia maszynowego, a wreszcie komunikowanie wyników interesariuszom dla świadomego podejmowania decyzji,” wyjaśnia Sudarshan. „W zależności od etapu projektu pracujemy z różnymi technologiami, takimi jak Databricks, AWS, Visual Studio Code,” mówi Rui.
„Kluczowym wnioskiem z konkursu DeepRacer, oprócz podstaw uczenia ze wzmocnieniem, było to, że nie należy być zbyt pewnym siebie oraz to, by uczyć się na błędach. To właśnie zrobiliśmy i myślę, że ostatecznie pomogło nam to wygrać wyścig – nie tylko trenowaliśmy nasze modele samochodów, nasza strategia polegała na rozważaniu i eksperymentowaniu z różnymi rzeczami oraz na stosowaniu podejścia opartego na zdrowym rozsądku, jednocześnie obserwując, co robią inni,” wyjaśnia Sudarshan Koirala.
„Mimo że codziennie pracujemy, używając uczenia maszynowego i nauki o danych w naszych projektach, nie powiedziałbym, że mieliśmy przewagę w porównaniu z kolegami z innych dziedzin. Uczenie ze wzmocnieniem było nowością dla nas wszystkich” kontynuuje.
Rui Heinonen podkreśla znaczenie tego, co nazwał „podejściem opartym na zdrowym rozsądku”.
„Zamiast od razu rzucić się w programowanie, naszą strategią było najpierw zbadanie dynamiki toru i samochodu wyścigowego. Wymagało to analizy układu toru, kątów oraz ustalenia optymalnej prędkości i przyspieszenia dla każdego odcinka toru, aby osiągnąć pewien teoretyczny czas okrążenia”.
„Cieszyliśmy się z konkursu AWS DeepRacer, był to dobry sposób, aby ruszyć z uczeniem ze wzmocnieniem. Była to także doskonała okazja do obserwacji, że modele zachowują się inaczej w świecie rzeczywistym, a inaczej w porównaniu z wirtualnym środowiskiem,” mówi Rui.
„Ponadto wydarzenie dało nam szansę na nawiązanie kontaktów i budowanie relacji z kolegami poza naszymi typowymi kręgami zawodowymi, a wszystko w luźnej atmosferze,” dodaje Sudarshan. Nauka przez zabawę uwalnia kreatywność i uczy pracy zespołowej.
Wielu uczestników podzieliło się przekonaniem, że wydarzenie DeepRacer było ekscytujące, zabawne i pełne cudownej energii.
Na przykład Risto Jokinen, starszy główny programista SW, Napędy, Architektura SW i Inżynieria SW, skomentował w następujący sposób: „Przyszedłem do KONE w wieku 15 lat i ciągle się uczę”.
Charandeep Matta, lider rozdziału, platforma chmurowa IoT, powiedział: „Och, człowieku, musiałbyś tam być, żeby zrozumieć, co się dzieje! Konkurs pokazał potencjał AI i obecność przypadku, otworzył mi oczy na świat innych możliwości”.
Obejrzyj poniższy krótki film, aby zobaczyć, jak wyglądał dzień.
„Czuję dumę, mówiąc, że KONE jest faktycznie drugą firmą w Finlandii, która eksperymentuje z tym zabawnym wydarzeniem edukacyjnym. Cieszę się także, że nie tylko eksperci KTI dołączyli – mieliśmy także uczestników z finansów, HR i komunikacji! To naprawdę dowodzi, że każdy w KONE może być cyfrowym ambasadorem na naszej drodze do poprawy płynności miejskiego życia” podsumowuje Tomio Pihkala, EVP Technology & Innovation w KONE.
„Cieszymy się, że możemy współtworzyć z ekspertami KONE i przyczyniać się do eksperymentowania z nowymi metodami uczenia. Organizacja wspólnego wydarzenia DeepRacer była doskonałym przykładem tego, jak KONE chce pozostać na czele cyfrowych innowacji” mówi Sari Uusitalo, Country Manager AWS Finland.
Nie możemy się doczekać, co przyniesie nam nasze partnerstwo z Amazon Web Services (AWS) w naszej misji ciągłego uczenia się i współtworzenia. Dołącz do naszej podróży!