亚马逊帝国的野生智能反动史 深量

来源:机器之能 | 作家:Steven Levy

亚马逊庞大帝国运转起来,就像一台永动机。他们如何做到的?秘诀就在于基于机器学习的「飞轮」。

编译 | Nurhachu Null 、侯韵楚、Edison

起源 | 连线

2014年底,Srikanth Thirumalai 睹到了亚马逊 CEO Jeff Bezos。Thirumalai 是一位计算机科学家,2005 年从 IBM 来到亚马逊,负责公司的推荐团队。他给 Bezos 提了一个全新方案:将人工智能最新停顿结开到部门产品中。

他带着「六页提案」来了。Bezos 很早之前就宣布过一条敕令,产品或服务推荐必须保持在这个少度内,包露描写最终产品、服务和规划的新闻稿。

其时,Bezos 正依附阁下脚们将亚马逊转型为一家人工智能「发电室」。公司很早就将人工智能技术用于产品推荐。不外最近几年来,这个领域正在产生一场变革,机器学习变得越来越有用,特别是深度学习。深度学习在计算机视觉、语音和天然说话处理方面惹起了巨大的提高。

远十年晚期,虽然亚马逊还没有显明利用这些技术发作,但意想到了需供的急切性。新时期最剧烈的合作将会是 AI 领域。Google,Facebook,Apple 和 Microsoft 等公司都压下巨额赌注。

亚马逊正在落伍。「我们和每一个团队的负责人聊,基础上就是问怎样将人工智能技术应用在自身的业务中?」亚马逊设备和服务副总裁 David Limp 说。

Thirumalai 行心了。他离开贝索斯的办公室,谈了道自己的年度打算,若何加倍踊跃地使用机器学习技术。但他又感到,完整重构现在这套经心保护了 20 年的系统,太冒险。更况且,机器学习表示最好的范畴(比方图象识别)和自己的发域(推荐系统)并没啥关联。

「借没人将深量学习技术答用在推荐中,并获得了比我们好良多的而成果。」他说。「所以,特殊需要信奉上的奔腾。」

Thirumalai 还没预备好,不过,Bezos 却想要更多。

Thirumalai 想用深度学习彻底变革既有的推荐系统工作方式。但这就需要一些技术,但自己团队并没有控制这些技术,连工具都没有,甚至还没人想出算法。

Bezos 却爱好如许(只管他那招牌式的笑声并不克不及明白注解,他欢送这类做法)。因而,Thirumalai 誊录了遍新闻稿,持续工作往了。

Srikanth Thirumalai,背责亚马逊搜寻的副总裁,也是应用机器学习技术变更亚马逊推举硬件的担任人之一。

公司领导层中,Thirumalai 是独一一位几年之前,拿着「六 页提案」跟随 Bezos 的。

每位负责人认为,要针对分歧客户全部,提供完全分歧产品。根本上,这些不雅点都算是 Thirumalai 提议的变体:使用进步的机器学习技术改革亚马逊部分业务。

有些倡议跋及到深思既有业务,比如公司的机器人、数据中心业务和亚马逊云。有的意味着创造全新业务,比方语音智能家居产品,厥后落地成 Echo。

但结果的影响力远远跨越了单个业务项目。Thirumalai 说,本来闭会时,公司的 AI 人才都被宰割开了。「虽然也会讨论、攀谈,但不会分享大量技术和神器,因为经验教训这些东西很难直接施展感化,」他说。这些人才就像是工程大陆中的 AI 岛屿。

但借助机器学习变革公司,彻底转变了这一近况。

虽然每位「六页提案」的人都在严厉遵照亚马逊「单线程(single-threaded)」团队信条,也就是说,每一个团队「拥有」他们所采取的技术,但人人开始了跨项目合作。

公司内部科学家负责解决严重问题,并将解决计划分享给其他团队。AI 孤岛被衔接起来,而且随着公司的 AI 大志不断壮大,所面对的难题也吸引着顶尖人才,尤其是那些想看到自己研究如何影响事实的人才。这也均衡了亚马逊对杂研究不伤风的文化,公司过去要求创新必须完全基于更好地为客户服务的语境中。

亚马逊宏大帝国运行起来,就像一台永念头。这是如何做到的?亚马逊喜悲用「飞轮(flywheel)」这个词作问。基于机器学习的创新,会为其他营业团队提供动力;这些团队经过打造产品和服务,对其他团队产生影响,甚至对全部公司产生影响。将公司的机器学习平台作为一种付费服务提供给中界,这种努力本身也会带来收益,在某些情形下,甚至能搜集更少数据进一步提升技术。

将亚马逊从一家深度学习逝世忠粉公司,转型成一家「发电室」,需要很多这样的「六页提案」人。整个公司,都可以看到这一转型后果,包括运行在新的机器学习基础架构上的推荐系统。如今,亚马逊可以很聪慧地推荐下一步读什么、将什么商品加入购物清单,以及古迟可能想看什么电影。

本年,Thirumalai 开启了一项新的工作——领导亚马逊的搜索部门。他愿望将深度学习用于服务的各个方面。

「如果七八年之前问我亚马逊的 AI 气力若何,我会说,他们没有人工智能。」华衰顿大学计算机科学的传授 Pedro Domingos 说,「但他们一直在积极地生长。正成为一收劲旅。」

或者。

Alexa 效应

公司的旗舰人工智能产品是:Echo,以及背地的驱动系统——Alexa 语音平台。实在,这些项目也源于一份 2011 年托付给 Bezos 的「六页提案」,Operational Plan One 年度计划。

此中一名发起高管叫 Al Lindsay,2004 年开始在亚马逊工作。事先,他被请求从自己负责的团队转到重要技术团队,赞助挨制齐新的产品。

「一款低功耗普适计算机,大脑在云端,你可以经由过程语音与它交互。」他回想道。

但是,打造这样一款科幻片子里才有的产品,需要具有必定的 AI 功能,但当时公司就没有这方面的人才。落井下石的是,那些有技术能力的专家,只有少少数乐意为亚马逊工作。Google 和 Facebook 当时也在掠夺这一领域的顶尖人才。

「我们当时处境很惨。」Lindsay 说。

Al Lindsay,亚马逊 Alexa Engine 副总裁说,当时亚马逊测验考试招募 AI 专家设想和打造语音平台时,情况很糟糕。

「亚马逊从前抽象不太好,公司对研究型人才不太友爱。」Domingos 说。

公司对客户不懈存眷以及自身的斗士文化,与看待学术人才的立场纷歧致。「在 Google 你是被溺爱的,而在亚马逊,你的盘算机则摆在衣柜上。」他说。

更蹩脚的是,其时亚马逊还果公司立异岗亭还不如给公司弄包拆的岗亭而「申明远播」。

2014 年的一次内部聚首中,机器学习领域顶级专家 Yann LeCun 在亚马逊做了一次讲演。当时,他已接收了领导 Facebook 研究的橄榄枝,但他仍是来做呈文了。

前在一间能包容 600 人的会堂里做报告,LeCun 回忆道,然后被带到了一个小会议室,小团队一个接一个来向他求教问题。

但是当他向亚马逊的人发问时,他们简直一无所应。这让 LeCun 很无语。他现在抉择 Facebook,部门起因便在于后者乐意开源大部分 AI 研究工作。

因为那时公司内部没有相干人才,所以亚马逊开始巨资出售公司。

「在 Alexa 早期,我们收购了很多公司。」Limp 说。

2011 年年 9 月,它收购了 Yap,这是一家专攻语音文本转换的公司。2012 年年 1 月收购了英国剑桥的 Evi,这家公司软件可以像 Siri 一样呼应用户的需求。2013 年 1 月收购了 Ivona,这家专攻语音分解的波兰公司,为 Echo 提供了能够扳谈的技术。

然而,亚马逊的稀保文明也妨害了公司吸引顶尖学术人才的尽力。

Alex Smola 已经有盼望成为亚马逊的职工,他是这个领域的巨星,之前在 Yahoo 和 Google 工作过。

「现实上,他也是深度学习领域教女之一。」Google scholar 援用超越了 90000 次,亚马逊云深度学习和人工智能部门负责人 Matt Wood 说。

但是,亚马逊高管甚至不向 Smola 流露他们将要处置的主要工作内容。最终 Smola 取舍了卡耐基梅隆大学的一个试验室。

在 Alexa 总监 Ruhi Sarikaya 和亚马逊 Alexa 引擎副总裁 Al Lindsay 的引导下,团队不只测验考试研发 Echo 系列智能声响,还试图研收回能够与其他公司产品兼容的语音服务。

「即使到产品邻近推出这种症结时辰,我们眼前也摆着伟大的阻碍。他们会嚷嚷:『我凭甚么要在亚马逊工作?我又不想向顾客发卖产品!』」Lindsay 说道。

亚马逊确切需要有所举动。

既然公司是由假想中的最末产物倒推,那末,产物蓝图可能会包括某些还没有发现的功效。「研究狂热型」科学家对这些困难兴致实足。其在语音方里需装备能到达对话水平的 AI,这个 AI 应该能对「幻想伺候」敏感,听与并译解指令,以及给出尽可能公道的谜底;而亚马逊今朝无奈做到这一面。

即使没有亚马逊的拥趸,这个项目也吸引了 Rohit Prasad(波士顿的技术启包公司 Raytheon BBN 中的一位著名语音识别科学家)的留神。(这个项目使亚马逊批准他在故乡建立了自己的团队。)

他认为,亚马逊专业化的缺少是一种特点而非缺点。「这个领域充斥生机。谷歌和微软已经在语音方面研究了很多年,而在亚马逊,我们可以重新开始,捉住并解决所有易题。」

自从 2013 年加入亚马逊以来,他就被委派到了 Alexa 项目中。「这个设备以硬件的情势存在,但在语音领域属于初期技术。」他说。

Echo 最辣手的局部即是近场语音识别,这个题目迫使亚马逊首创了新局势,并在此过程当中提升了机器学习技巧。

它包括将与麦克风存在一段间隔的语音指令禁止译解,乃至可以译解被情况噪声或其他细声碎语烦扰的语音指令。

而存在挑衅性的一个身分,便是设备在识别指令时不能有延时,它必须极快地将音频发送至云端尔后产生答案,使相互之间像在进行对话,而不像处于某些「你不断定对方是可还在世」的为难场所。

若要建立一个在喧闹前提下能够理解并回应答话式查问指令的系统,则需要大量的数据,即许多人们可能与 Echo 进行的不同类互动的例子。至于亚马逊可能会从那边失掉数据,今朝还不成知。

如今许多亚马逊设备和第三方产品都在使用 Alexa 语音服务。而通过 Alexa 所搜集的数据则有助于改进系统,并能删强亚马逊更普遍的 AI 服务。

设备与办事的副总裁 Limp 说道,长途技术早已实现,但「它树立在 Trident 潜艇的鼻锥体上,而且破费了十亿美圆。」亚马逊试图让技术降地在一款可以放置在厨房柜台上的设备中,它的价钱也必需充足昂贵,才干吸收主顾购置这些八怪七喇的小玩件。

「我们的团队中,有非常之九的成员认为这无法完成。我们在亚马逊之外有一个技术参谋委员会,我们没有向他们泄漏正在做什么,但是他们说『不论做什么工作都不要绕过语音识别!』。」Prasad 说。

Prasad 的阅历使他深信这能够做到。但亚马逊并已提供一个能将机器学惯用于产品开收的可靠体系。

「好新闻是,亚马逊占有全体必备品——无可比肩的云服务,装有 GPU 来紧缩机器学习算法的数据中央,以及晓得如何疾速挪动数据的工程师。」他说。

他的团队利用这些部分创建了一个平台,平台本身就是可贵的资产,其价值远超越「丰盛 Echo 的功能」这一任务。

「一旦我们将 Echo 开发为远场语音识别设备,便有机遇做的更多,行将 Alexa 的范畴扩展到语音服务傍边。」Alexa 的资深首席科学家 Spyros Matsoukas 说道。

这位迷信家在 Raytheon BBN 公司,并取 Prasad 配合。(他的工做包含一个很小寡的 DARPA 名目,称为 Hub4,应项目应用播送消息节目和被拦阻的德律风式样来晋升语音辨认跟天然说话懂得才能,这是针对 Alexa 项目标一次大型练习。)他们扩大 Alexa 的一个间接方式,就是容许第三圆开辟者创立属于自己的语音技巧迷您利用法式(称为 skills)去运转 Echo 本身。当心这仅仅是开初。

亚马逊的资深首席科学家 Spyros Matsoukas 使 Alexa 得以改变,成为加强亚马逊公司规模内AI 文化的有死力气。

通过将 Alexa 应用于的 Echo 设备除外,公司的人工智能文化开始融会。整个公司的团队开始认识到,Alexa 也可认为他们的小项目提供有效的语音服务。

「尽管我们在项目负责造方面异常强,所有这些数据和技术还是要结合在一路。」Prasad 说。

起首,亚马逊的其他产品开始集成到 Alexa:当你在 Alexa 设备上发言时,你可以拜访亚马逊音乐(Amazon Music)、Prime Video,来自亚马逊购物网站的你的团体推荐和其他服务。

随后,这项技术开始在其他亚马逊领域推行。「一旦我们有了基本的语言能力,我们就可以把它带给非 Alexa 的产品,比如 Fire TV、语音购物、Amazon fresh 的 Dash Wand,以及最终的 AWS。」Lindsay 说。

亚马逊内部的人工智能小岛正在逐步凑集成洲。

一旦数百万用户(亚马逊不会确实地说究竟有若干)开始使用 Echo 和其他一系列 Alexa 驱动的设备,该公司转型的另一个要害部分就开始了。

亚马逊开端积聚大批的数据,这多是贪图对付话驱动装备中最大的交互聚集。这些数据成为潜伏雇员的无力钓饵。忽然间,亚马逊敏捷蹿降成为那些它求之不得的机器学习专家可能念要任务的处所。

「让 Alexa 如斯吸引我的原因之一是,一旦你在市场上有了一个设备,你就有了反应的姿势。不仅是客户的反馈,并且是真实的数据,对改良所有——尤其是底层平台——是如此重要。」客岁加入亚马逊的一位 Alexa 机器学习副总裁 Ravi Jain 说。

因而,跟着愈来愈多的人使用 Alexa,亚马逊获得的疑息不但使该系统机能更好,并且还增强了自己的机器学习工具战争台,并使这家公司成为机器学习科学家的一个更热点的目的地。

飞轮正开始扭转。

一个更具智慧的云端

亚马逊在 2014 年开始背高端宾户发卖 Echo;而同庚,Swami Sivasubramanian 对机器学习进了迷。

当时正在治理 AWS 数据库及剖析业务的 Sivasubramanian 正和家人在印度观光,在时好和思想光怪陆离的女女的混杂「袭击」下,他开始深夜在电脑前研究谷歌的 Tensorflow 和 Caffé这样的工具,而它们偏偏是 Facebook 和很多学者青眼的机器学习框架。

他总结道,将这些对象与亚马逊的云效劳相联合可能会发生宏大的驾驶。他使机器学习算法在云端易于运止后,认为公司可能会进进潜在需要所构成的头绪。

「我们每个月可能为数百万开辟者供给办事,个中大多半皆不机械进修配景,而不是亮省理工教院的教学。」他说讲。

Swami Sivasubramanian 作为 亚马逊云 AI 营业的副总裁,是尾批意识到将 AI 东西散成到公司云服务中会带来贸易硬套的人之一。

以后 Jeff Bezos 批评道,他带着史诗般的六页提案,唯唯诺诺而来。

从某层面而言,它是向 AWS 增加机器学习服务的蓝图;而 Sivasubramanian 却看的更远:这是使 AWS 成为所有科技领域机器学习活动活泼中心的雄伟愿景。

从某种意思上而行,向数万亚马逊的云客户提供机器学习是弗成防止的。

「当我们初次将 AWS 的初始商业筹划整合到一同时,其任务便是,采用只有多数本钱薄弱的构造能力实现的技术,并使其散布尽量广泛。我们在计算、存储、分析与数据库方面取得了胜利,并且正利用机器学习,采用了完全雷同的办法。」AWS 的机器学习司理 Wood 说道。

而能够汲取公司在其他方面所积乏的经验,则是使 AWS 愈加逆风逆水的一大宝贝。

Wood 说,AWS 在 2015 年初次推出的 Amazon Machine Learning 使像 C-Span 这样的客户能够建立私家脸部目次;Zillow 用来预算房价,Pinterest 则用于虚构搜索,并且有几家主动驾驶的草创公司正应用 AWS 的机器学习,通过数百万英里的模仿途径测试来改良产品。

2016 年,AWS 推出了新的机器学习服务,一个名为 Polly 的文本到语音组件,以及一个名为 Lex 的做作言语处置引擎——它们更直接天时用了 Alexa 的翻新。

这些产品辅助 AWS 的客户们建破自己的迷你 Alexa,从 Pinterest 和 Netflix 等巨子到小型始创公司都可以沉紧完成。

波及视觉的第三项服务 Rekognition 利用在亚马逊一个绝对不太闻名的团队 Prime Photos 完成的工作,这个团队试图真现谷歌、Facebook 和苹果的相片产品中同样的深度学习功能。

这些机器学习服务既是强盛的支出来源,也是亚马逊人工智能飞轮的闭键,由于诸如好国国度航空航天局(NASA)和米国国家橄榄球同盟(NFL)如许的来自各界的客户都在费钱让他们的机器从亚马逊的数据中学习。

当这些公司能在 AWS 内部建立他们的重要机器学习工具时,他们转移到竞争敌手的云运算平台的可能性就变得微不足道了。(实是负疚了,谷歌、微软、或许 IBM)

看看 Infor,这是一家为企业客户创建业务应用程序的价值数十亿美元的公司。比来,它发布了一个名为 Coleman(以电影 Hidden Figures 里 NASA 数学家的名字定名)的大规模新应用法式,它答应客户仅通过对话界面来自动化各类进程、分析公司表现,以及与数据进行交互。它并没有从头构建自己的程序,而是使用了 AWS 的 Lex 技术。

「不管如何,亚马逊都在做这个方面的研究,那么我们为何要在这下面花时光呢?我们懂得我们的客户,可让应用顺序更合适他们使用。」Infor 的高等副总裁 Massimo Capoccia 如是说。

AWS 在以太领域的主导位置也使其在策略上劣于竞争敌手,尤其是谷歌,该公司曾希看利用其机器学习的领导力,在云计算领域赶上 AWS。是的,谷歌可以在服务器上为客户提供超快、机器学习优化的芯片,但是 AWS 上的公司可以更容易地与那些也在服务的公司进行互动和销卖。

「就像 Willie Sutton 说他夺银行是因为钱就在那边一样,」DigitalGlobe 公司的 CTO Walter Scott 在谈到他的公司为什么使用亚马逊的技术时说,「我们使用 AWS 进行机器学习,因为这是我们的客户地点。」

客岁 11 月,在 AWS 的 re:Invent 会议上,亚马逊为其客户推出了一个更周全的机器学习外表帮助工具:SageMaker,这是一个复杂但超等易用的平台。

它的生产者之一恰是 Alex Smola,他是机器学习领域的超级明星,有跨越 9 万次学术引用,在五年前曾谢绝了亚马逊的工作吆喝。当 Smola 决议重返行业时,他想要帮助创建壮大的工具,让平常软件开发人员能够访用上机器学习。所以他去了他认为能让他产生最大影响力的地方。

「亚马逊太好了,不克不及废弃,」他说,「你可以写一篇关于某个问题的论文,但如果你不去实现它,就没人会果然用你那美丽的算法。」

当 Smola 告知 Sivasubramanian,构建能够将机器学习传布给数百万人的工具比发布再多一篇论文更重要时,他获得了一个欣喜。

「你也可以宣布你的论文!」Sivasubramanian 说。

是的,亚马逊现在在许可其科学家揭橥作品方面加倍自在。「这对招募顶尖人才有很大帮助,同时也为亚马逊的研究提供了可看性,」帮助制订了更开放态度指北的 Spyros Matsoukas 说。

要想晓得 AWS 的一百多万用户能否会开始使用 SageMaker 将机器学习应用到他们的产品中,当初还为时过早。但是每个做过的客户都邑发明自己在亚马逊上投入很多。

另外,该平台十分庞杂,甚至包括 Alexa 团队在内的亚马逊外部人工智能团队都表现,他们盘算成为 SageMaker 客户,使用这个本是提供应内部职员的对象。

他们信任,经由过程为他们的项目设立一个基本,让他们能够专一于更高级的算法义务,这将为他们节俭大量的工作。

即使只有 AWS 的部分客户使用了 SageMaker,亚马逊也会发现自己的系统性能数据丰硕许多(当然,这不包括客户自己的秘密信息)。这将带来更好的算法、更好的平台,和更多的客户。飞轮正在减班加点地工作。

人工智能无处不在

随着机器学习的完全改造,该公司的人工智能技术已经遍及了许多团队,这让 Bezos 和他的助手们无比满足。

固然在亚马逊出有野生智能的核心办公室,但确实有一个部分特地负责机器学习和一些将新科学推动公司项目的运用研讨的推行和支撑。

中心机器学习小组由 Ralf Herbrich 领导,在 2012 年被亚马逊引入之前,他曾在微软的 Bing 团队工作,然后在 Facebook 工作了一年。

他说,在公司内部「有一个拥有这个社区的地方是很主要的。」(固然,这支团队的任务演绎在了一份 Bezos 同意的布满理想的六页提案上。)

他的部分职责包括培养亚马逊快捷增加的机器学习文化。因为该公司以客户为中心的思绪——解决问题而不是进行实践研究——亚马逊的高管们否认,他们的应聘工作老是偏向于那些对构建新事物感兴趣的人,而不是那些寻求科学冲破的人。

Facebook 的 LeCun 则以另外一种方法表白了一样观念:「你即便不领导常识的前锋,也能够做得很好。」

但亚马逊也在追随 Facebook 和谷歌的领导,培训其员工在人工智能方面更加生稔。它开设了对于机器学习差别的内部课程,主办了一系列内部专家的讲座。从 2013 年开始,该公司每一年春季城市在其总部举办一场内部机器学习会议,这是一种亚马逊内部版的 NIPS,NIPS 是最重要的学术机器学习平台。

「刚开始的时辰,亚马逊的机器学习会议只要多少百人,而现在曾经有不计其数的人了,」Herbrich 说。

「我们在西俗图最年夜的会议室容度也不敷,以是咱们把正在那边举行,而后在园区里的其余 6 个集会室曲播。」亚马逊的一位下管道,假如它变得更年夜,而没有是把它称为一个亚马逊的机械进修运动,而能够被称为亚马逊自身了。

Herbrich 的团队继承将机器学习推进到公司的一切新业务。

例如,执行团队想要更好地猜测在某一客户的定单中应当拔取 8 个可选盒子尺寸中的哪个时,他们乞助于 Herbrich 的团队。

「谁人完成团队不需要有自己的科学团队,但它须要这些算法,而且需要能够很轻易地使用它们。」他说。

在另一个例子中,David Limp 指出了亚马逊对有几多客户可能会购购新产品的预测方法的转变。「我已经在花费电子产品领域工作了 30 年,个中有 25 年的预测都是用(人类的)判定、电子表格和一些把戏球和飞镖做的。」他说,「自从我们开始用机器学习来进行预测,我们的过错率显著地降落了。」

不过,偶然候 Herbrich 的团队还是会将尖端科学应用到一个问题上。

该公司的杂货递送服务 Amazon Fresh 已经经营了 10 年,但它需要一种更好的方式来评价生果和蔬菜的度量——人类的速率太缓且尺度不分歧。他在柏林的团队建立了全是传感器的硬件和新的算法,为系统参加了触摸和闻到食品的能力。

「三年后,我们达到了一个本型机阶段,可以(比之前)更牢靠天断定品质」。

当然,这样的先进会浸透到整个亚马逊生态系统中。

以 Amazon Go 为例,这是一家位于其总部大楼内刚开始向大众开放的、以深度学习为能源的无人支银纯货店。「作为 AWS 的客户,我们受益于它的范围,」Amazon Go 的技术副总裁 Dilip Kumar 说,「但 AWS 也异样是个受害者。」

他举了 Amazon Go 奇特的流媒体数据系统的例子,该系统通过数百台摄像机记载顾客的购物活动。他的团队所谋划的创新帮助影响了一项称为「Kinesis」的 AWS 服务,该服务让用户将视频从多个设备传递到亚马逊云,在那里他们可以处理、分析和使用它来进一步推进他们的机器学习。

即使亚马逊的某项服务尚未使用公司的机器学习平台,它也可以成为这个过程的积极参加者。

亚马逊的 Prime Air 无人机收货服务仍处于原型阶段,它必须独自构建人工智能,因为无人机无法依靠云端来计算。但它仍能从飞轮上取得巨大的收益,无论是从公司的其他方面获得知识,还是弄浑楚使用什么工具。

「我们以为那是一个菜单——每小我都在分享他们能提供的菜肴,」Prime Air 副总裁 Gur Kimchi 说。他估计,他的团队终极将领有本人的厚味菜单。

「我们的教训经验和我们在 Prime Air 上处理的问题无疑是对亚马逊的其他团队来讲有效的。」

现实上,这仿佛已经发生了。

「如果有人在公司的某个部门(比如 Prime Air 或 Amazon Go)看一幅图片,他们学到了一些货色,并发明出一种算法,他们就会和公司里的其别人探讨这个问题。于是,我的团队中的某小我也可使用它,好比说,弄清晰一个在在履行中央移动的产品的图像里有什么。」亚马逊机器人(Amazon robotics)的首席科学家 Beth Marcus 说。

亚马逊机器人的高级首席技术专家 Beth Marcus 看到了与该公司一直强大的人工智能专家协作的利益。

一个以产品为中心的公司是不是有可能超出尽是深度学习超等明星的竞争对手?

亚马逊正为这个问题提供一个案例。

「虽然他们正在努力遇上,但他们发布的产品却使人英俊深入,」艾伦人工智能研究所 (Allen Institute for Artificial Intelligence) 的首席执行卒 Oren Etzioni 说,「他们是天下级的公司,他们创造了世界级的人工智能产品。」

飞轮始终在扭转,我们尚未看到许多正在筹备中的「六页提案」的影响。但是,更多的数据,象征着更多的瞅客。更好的仄台,意味着更多的人才。

「 Alexa,亚马逊在人工智能领域现在做得怎样?」

答复么?就是 Jeff Bezos 尖尖的笑声了。

发表评论