人工智能并不都是娱乐，游戏和娱乐性小工具。当人们对未经证明的100%可靠的AI技术表示信任时，后果可能很惨。致命的自动Uber事故及其后果已向公众强调了这一点。但是，某些游戏，玩具和低风险实验是帮助生产用于黄金时段，现实生活的AI的好方法。
亚马逊网络服务公司AI设备总监Mike Miller(如图)说：“一点点的竞争确实可以为开发人员带来帮助。”以AWS的DeepRacer-内置了可训练的机器学习技术的1/8比例汽车为例。所有技能水平的开发人员都对产品表现出极大的热情。他们喜欢定期比赛，在那里他们可以展示如何训练小型自动驾驶汽车，使其在赛道上更快，更安全地行驶。Miller说，他们的发现和成就可能会进入真正的人所依赖的AI。
米勒谈到约翰·福瑞尔(@furrier)和Dave Vellante表示(@dvellante)theCUBE，SiliconANGLE Media的移动即时串流工作室，共同主办，在AWS重：在拉斯维加斯创造活动。他们讨论了游戏化AI的发展。(*以下披露。)
从玩到黄金时段
DeepRacer采用一种称为强化学习的ML形式，通过奖励功能来改进模型。开发人员可以选择奖励模型，以实现目标或在特定上下文中表现出特定方式。这样，他们就可以训练汽车使其保持更靠近轨道的中心线，减少转弯等。(最快的轨道行驶记录(7.44秒)是由sola @ DNP创下的，该纪录是第一位获此殊荣的女性DeepRacer比赛。)
AWS已在更新的DeepRacer Evo中添加了传感器，从而为培训汽车提供了新的方式。引擎盖上有激光雷达(一种激光动力技术，用于距离检测)，其正面有立体声摄像头，用于深度感应。Miller说：“现在，将深度感测，避免物体进入和直接竞争纳入他们的机器学习模型中，将对开发人员构成挑战。”
在AWS DeepComposer键盘中，人工智能通过生成对抗网络(GAN)继承了AI。神经网络互相作用以产生原创音乐。
米勒说，这些产品的休闲使用与科技公司的认真研发之间架起了一座桥梁。DeepRacer开发可能会进入机器人技术。DeepComposer致力于产品开发等等。他总结道：“这实际上是在减少学习曲线，并使开发人员更容易上手。”
