没有行Alexa和AWS,掀秘亚马逊野生智能发作史

更新时间:2018-02-10

起源:腾讯科技

亚马逊上周四颁布了2017年第四时度财报,红利濒临20亿美圆,创下近况记载。

Alexa语音助脚跟AWS云盘算办事是亚马逊事迹的明点。

《连线》纯志克日刊文,先容了深度学习技术如何赋能Alexa和AWS,以及亚马逊内部的简直所有部门。

以下为腾讯科技(微旌旗灯号ID:qqtech)编译收拾的作品提要:

2014年底,斯里坎斯·希鲁梅拉(Srikanth Thirumalai)面见亚马逊CEO杰妇·贝索斯(Jeff Bezos)。希鲁梅拉是一名计算机科学家。他于2005年从IBM离任,成为亚马逊商品推荐团队的担任人。这一次,他提出了一项周全的新计划,将人工智能的最新成果应用至自己的部分。

在会议上,希鲁梅拉带来了一份6页纸的计划书。良久之前,贝索斯就提出要求,即报告请示给他的产品和服务计划必须制约在这一少度范畴内,同时还要配上一份模拟的新闻稿,用于描写最终成果。现在,贝索斯正在依靠自己的助手们,将公司转型成人工智能发电站。在亚马逊的发展晚期,商品推荐功能就已集成人工智能技术,发货调换和堆栈机器人也是如斯。然而最近几年来,这个领域正在掀起一场反动:机器学习正变得越来越高效,尤其是在所谓“深度学习”技术的推动下。计算机视觉、语音识别,以及天然说话处理等技术也都因此获得了飞速的发展。

在这个10年的起步阶段,亚马逊并没有鼎力投入这些技术。然而现在,亚马逊认识到,需求非常急切。这个时期最关键的竞争将发生在人工智能领域:谷歌、Facebook、苹果和微软都在逃注此类技术,而亚马逊已经落伍。亚马逊设备和服务副总裁大卫·利普(David Limp)表示:“我们找到每一个团队负责人,问他们,‘你要如何利用这些技术,将这些技术嵌入自己的业务?’”

希鲁梅拉紧紧记着了这点,并在年度计划会议上找到贝索斯,向他提出了关于如何更踊跃地发展机器学习技术的假想。他认为,亚马逊的核心业务已发展20多年,而机器学习技术的最好应用处景是与亚马逊核心营业不相关的图象识别和语音识别,因此利用机器学习技术完整从新开发现有系统危险太大。他表示:“素来没有人真挚将深度学习应用于商品推荐,并带来更好的成果。因此,我们自己需要有信心。”然而,贝索斯念要更多,而希鲁梅拉实际上并没有做好万齐的筹备。因此,他分享了一个更保守的挑选,即利用深度学习技术去推翻商品推荐的运转方法。这需要用到他团队尚不具有的能力,尚未开收回的对象,以及从没有人想过的算法。贝索斯很爱好这个选择,以是希鲁梅拉誊录了一份模仿消息稿,并动手去做。

从前几年,大量亚马逊治理者都曾照顾6页纸的计划书去找贝索斯,希鲁梅拉只是个中之一。他们提出的主意涉及到林林总总的产品和完全不同的客户。然而,他们每小我设想的都是希鲁梅拉计划的一个变种:用进步的机器学习技术来改革亚马逊的某个部分。其中部分涉及到对以后项目的重新思考,例如机器人方面的工作及庞大的数据中心业务AWS。另一部分则是开发全新的业务,例如基于语音的家电,这随后发展成为Echo智能音箱。

最闭幕果的影响远远超越单个项目。希鲁梅拉表示,在他面见贝索斯时,亚马逊的人工智强人才还是彼此伶仃的。“我们会交换,但不会分享良多货色,因为我们相互的教训不太轻易直接转移。”他认为。在庞大的工程大陆里,这些是人工智能孤岛。在用机器学习去改造公司之后,这样的局势获得了转变。

尽管所有这些6页纸计划书都属于亚马逊的“单线程”团队,即某个特定团队是技术的“领有者”,但亚马逊的团队之间已开展跨项目的配合。内部科学家测验考试解决困难,并与其他团队分享各自的解决计划。在整个公司里,人工智能孤岛开始互相衔接起来。随着亚马逊人工智能项目目的的扩展,挑战的庞杂性同样成为了吸引顶尖人才的磁石,尤其是对那些生机自己的工作即时施展影响力的人才来说。这改变了以往亚马逊对杂学术研究的讨厌:亚马逊的公司文化请求所有创新必须以服务客户为中央。

亚马逊喜悲使用“飞轮”一伺候来描述,业务的不同部分如何运转,并造成同一的永动机。现在,亚马逊占有强大的人工智能飞轮,来自某个团队的机器学习创新成为了赋能其他团队的利器,反过去这些团队开发产品、提供服务,从而影响其他团队,甚至整个公司。以付费服务的情势将机器学习平台提供给外界本身就是种能盈利的业务。在某些情形下,这还有助于搜集更少数据,进一步进步技术程度。

在亚马逊从深度学习外行人发展成为行业重要力量的过程中,有许多这样的6页纸计划书涌现。转型的成果在亚马逊公司内到处可见,例如基于机器学习基础架构的推荐系统。今朝亚马逊正变得更聪明,能倡议用户上面应该浏览什么,应该在购物浑单上增添什么,以及古迟可以看什么片子。本年,希鲁梅拉开展了一项新工作,即负责亚马逊的搜索服务。他希望将深度学习技术应用于搜索服务的各个方面。

华衰顿大学顶尖的计算机科学教学佩德罗·多明格斯(Pedro Domingos)婉言:“如果在七八年前问我,亚马逊在人工智能领域的影响力有多大,我可能会说,‘他们什么也不是’。但他们无比尽力。现在,他们已成了这个领域的一股气力。”

也许,亚马逊已经是一股主要力气。

Alexa效应

亚马逊进武士工智能的旗舰产品是智能音箱Echo,以及基础性的Alexa语音平台。这些项目也来自于6页纸计划书。这样的计划于2011年经由过程名为“1号经营计划”的年度计划流程提交给贝索斯。其中的介入者之一是自2004年就开始就供职于亚马逊的阿尔·林赛(Al Lindsay)。当时,他被要供转而背责Prime技术团队,处置全新的项目。他还记切当时提出的观点:“一种低本钱、无所不在的电脑,大脑位于云端,你可以用语音与之互动。你对它说话,它也对你谈话。”

然而那时,开发这样的系统听起来就像科幻演义,产品仿佛就像《星际迷航》中的对话计算机。这需要强盛的人工智能能力,而事先亚马逊借出有掌握这样的技术。更蹩脚的是,有能力开发此类系统的专家人才很密缺,乐意在亚马逊工作的就加倍百里挑一。谷歌和Facebook正在争取这个领域的顶尖人才。林赛表示:“我们是强者。”他当初已提升为副总裁。

华盛顿大学传授多明格斯表示:“亚马逊的抽象有点不太好。在外界看来,该公司对以研究为导向的人才不敷友爱。”亚马逊完全专一于客户,而企业文化也崇尚好斗精力,这与学术界和竞争对手的作风完全分歧。多明格斯表示:“谷歌会对你很宽恕。而在亚马逊,你需要自己从元件开始组装电脑。”此中,亚马逊另有更欠好的形象:该公司的创新工作往往被视为企业机稀。

2014年,顶尖的机器教习专家延恩·勒昆(Yann LeCun)在外部集会上为亚马逊的迷信家们做了一次讲座。在他被吆喝加入此次活动和活动举办之间,勒昆接收了Facebook的职位邀请,当心他仍是离开了亚马逊的运动现场。勒昆回想,在一个大概可包容600人的会堂里,他揭橥了报告。随后他被发进一间会议室,分歧的小组一个接一个出去,向他发问。但是当勒昆背他们提问时,这些人的反映皆很敏感。这让他感觉欠好。他终极抉择Facebook的职位部门也是由于,Facebook批准将野生智能团队的很年夜一部分任务开源。

由于缺乏内部人才,亚马逊动用强大的财力去出售存在这方面专业性的公司。利普表示:“在Alexa的发展初期,我们收购了许多公司。”2011年9月,亚马逊收购了语音转文本技术公司Yap。该公司擅擅长将语音转换为笔墨。2012年,亚马逊又未来自英国剑桥的Evi支出麾下。该公司的软件可以像Siri一样对语音命令做出呼应。2013年1月,亚马逊再次收购一家语音转文本技术公司,即来自波兰的Ivona。该公司的技术可让Echo获得攀谈能力。

但是,亚马逊的失密文明依然晦气于顶尖人才的减盟。埃里克斯·斯莫拉(Alex Smola)曾是亚马逊的应聘候选人之一。他是止业明星,曾供职于俗虎和谷歌。AWS深量学习和人工智能总司理马特·伍德(Matt Wood)表现:“他现实上是深度学习的教女之一。”(谷歌学术搜寻上列出了9万多篇援用斯莫推结果的论文。)亚马逊下管乃至不肯向候选人流露他们将来的工做内容。斯莫拉谢绝了亚马逊的邀请,取舍来率领卡耐基梅隆大学的一所试验室。

林赛说:“甚至是在我们行将开动之前,还是有许多阻力。他们会说,‘为什么我要去亚马逊工作?我对卖他人东西不感兴趣。’”

亚马逊也有自己的措施。由于该公司从设想中的最终产品去反推,所以蓝图中包括许多尚未发现出来的功能。这些棘手的问题对雄心壮志的科学家极具吸引力。语音功能需要一定火平的会话式人工智能,包括“幻想词”(嘿,Alexa!)、监听息争释敕令,给出公道的问案。这一切都不存在。

即便亚马逊不给出任何细节,这个项目也吸收了罗希特·普拉萨德(Rohit Prasad)。普拉萨德是一位遭到普遍承认的语音识别科学家,来自波士顿的技术启包商雷神BBN。(亚马逊也因而让他在本人故乡组建一收团队。)他以为,亚马逊相干专业才能的缺少是系统性问题,而不单单是小缺点。他指出:“这里是一派空缺。谷歌和微硬开发语音技术已有多少年时间。在亚马逊,我们重新开端去开发,去处理艰苦的问题。”在2013年参加以后,立博,他就被调配至Alexa项目。他表示:“设备用硬件来完成,但语音技术在很早就曾经起步。”

Echo名目中最辣手的局部在于远距离语音辨认。为懂得决这个题目,亚马逊自愿跋足新范畴,并推进了机械进修全体的发作。近距离语音识别是指在必定间隔远处识别语音,如许的语音号令可能被吞没正在情况噪声中。挑衅之一是,装备不克不及挥霍一丁面时光往思考您毕竟道的是甚么。它必需把音频式样立即收收至云端,并敏捷取得谜底,给用户的感到便是及时对付话,而没有会呈现使人为难的热场。开辟机械进修体系,在喧闹情况中懂得并响利用户的语音敕令,那须要年夜度数据,即用户取Echo互动的大批此类案例。其时其实不明白,亚马逊要从那边失掉如许的数据。

作为亚马逊设备和服务副总裁的利普表示,远距离技术此前已经被实现,但其时是用在三叉戟潜艇的鼻锥上,研发耗资到达10亿美元。亚马逊盼望将这类技术集成至一个可以放在厨房台面上的设备中,而价钱必须充足廉价,从而吸引用户的购置。普拉萨德表示:“在我的团队中,90%的人都认为这基本做不到。在亚马逊之外,我们也有技术征询委员会。我们没有告知他们详细要做什么。但他们老是对我们拿起,‘不论做什么,都不要碰远距离识别技术。’”

然而,普拉萨德的阅历给他带来了信念。他认为这是可真现的。然而,亚马逊并不具有产业级系统,将机器学习技术应用于产品开发。“我们有多数科学家正在研究深度学习,但我们缺累基本举措措施将这些技术运用于出产。”他说。好新闻在于,亚马逊已经掌握了全体模块:无可比拟的云计算服务,可运转机器学习算法、装置了大量GPU的数据核心,以及熟习若何挪动数据的工程师。

他的团队利用这些模块开发了平台,而除了用于Echo项目之外,这个平台自身就是可贵的资产。Alexa高级科学家斯派罗斯·马特索卡斯(Spyros Matsoukas)表示:“当我们在Echo上实现远距离语音识别之后,就发现这里的机会本来有这么大,我们可以将Alexa发展成为语音服务。”他此前曾在雷神BBN与普拉萨德同事,当时的工作包括从事米国国防部高级研究计划局(DARPA)的项目Hub4,利用播送新闻节目和盗听的德律风通话来发展语音识别和做作言语理解技术,这对Alexa项目来说也很有效。推动Alexa发展的最直接方式是向第三方开放,闪开发者开发基于语音技术的迷你应用,即“技巧”,并在Echo平台上运行。然而,这才只是开始。

在Alexa打破Echo音箱的限度之后,亚马逊的人工智能文化开始构成协力。公司内的不同团队都开始意想到,Alexa可认为他们各自项目提供有效的语音服务。普拉萨德表示:“尽管我们的单线程所有权形式已经很成生,但仍旧可以将所有数据和技术融会在一路。”

最开初,亚马逊的其余产物开始散成Alexa:经由过程对Alexa设备的语音饬令,你可以拜访亚马逊音乐、Prime视频、获得亚马逊主站的商品推举疑息,以及应用其他服务。随后,这项技术开始推行至亚马逊的其他营业。林赛表示:“一旦我们控制了最基础的语音能力,就能够将其集成至非Alexa产物,比方Fire TV、语音购物、亚马逊生陈的Dash按钮,以及AWS。”

在这个过程中,亚马逊内部的人工智能孤岛开始逐步凑近。

亚马逊转型的另外一大要害在于,一旦数百万客户(亚马逊拒尽泄漏详细数字)开始使用Echo和其他Alexa设备,亚马逊就可以掌握丰硕的数据。这或许是任何会话式设备所能积聚的规模最宏大的数据集。对人才招聘来讲,这样的数据集也是极具吸引力的姿势。忽然之间,亚马逊就成了那些机器学习专家求之不得的店主。客岁加进亚马逊的Alexa机器学习副总裁拉威·简恩(Ravi Jain)表示:“Alexa对我的最大吸引力之一在于,一旦你在市场上推出了一款设备,那末就掌握了获得信息反馈的来源。不只仅是用户反应,这些现实数据是优化贪图所有,特别是底层平台的基础。”

因此,跟着愈来愈多用户使用Alexa,亚马逊获得的信息不但能让系统性能变得更好,也有益于自立机器学习工具战争台的加快发展,并成为该公司吸引机器学习科学家的重要兵器。

“飞轮”终究开始扭转起来。

更聪慧的云计算

亚马逊从2014年开始面向Prime会员发卖Echo。这一年,斯瓦米·西瓦苏布拉曼尼(Swami Sivasubramanian)也开始对机器学习产生兴趣。当时,负责AWS数据库和数据分析业务的西瓦苏布拉曼尼正和百口人回印度观光。因为时好的关联和小女女的喧华,他不能不在深夜去工作。他尝试了谷歌的TensorFlow,以及Facebook和学术界支撑的机器学习框架Caffe,发现将这些工具与亚马逊的云计算服务联合在一同可以发明伟大的驾驶。他认为,通过在云端运行机器学习算法,公司可以发掘新的需要。他表示:“我们希望每个月为数百万开发者提供服务。他们中的大部分人并非亮省理工学院的教授,只是毫无机器学习专业配景的开发者。”

鄙人一次里睹贝索斯时,他带着一份6页纸的方案书。从某种意思下去说,这是将机器学习服务增加至AWS的蓝图。不外西瓦苏布拉曼僧认为,实践意义还要愈加广泛:这份规划阐明了AWS若何成为机器学习研讨中心的巨大愿景。

确切,向不计其数亚马逊云计算客户提供机器学习服务是弗成防止的。AWS机器学习司理伍德表示:“在初次提出AWS的贸易计划时,我们就断定了自己的任务,即充足利用只有财力薄弱的公司才干掌握的技术,并尽量地去推行。我们在计算、存储、数据分析和数据库等方面已经与得胜利,我们要用一样的方式去看待机器学习。”在这个过程中,AWS团队可以利用亚马逊其他团队积乏的经验,这使得工作变得稍微容易。

伍德表示,AWS的亚马逊机器学习服务最后于2015年推出,让相似C-Span的客户可以树立独有的头像目次。此外,Zillow使用该服务估量房价,而Pinterest则将其用于可视化搜索。多家自动驾驶创业公司也在利用AWS机器学习,通过数百万千米的上路测试来优化产品。

2016年,AWS又宣布了新的机器学习服务,更直接天时用Alexa的立异。这个中包括文本转语音组件Polly,以及天然说话处理引擎Lex。这些产品辅助AWS的客户,包括Pinterest、Netflix和多家小型创业公司开发属于自己的迷你Alexa。一款波及可视化技术的第三方服务Rekognition就利用了此前Prime Photos获得的成果,测验考试在谷歌、Facebook和苹果的相片产品中植入异样的深度学习功效。Prime Photos是亚马逊内部一个不太著名的团队。

这些机器学习服务既是强大的营支来源,也是亚马逊人工智能“飞轮”的症结。各类机构和公司,包括好国宇航局(NASA)和米国职业橄榄球大同盟(NFL),都开始付费使用亚马逊的机器学习服务。如果企业在AWS平台内开发关键的机器学习东西,那么转移至云计算合作敌手平台的可能性就会大幅降落。(对不起,谷歌、微软和IBM。)

以一家规模数十亿美元的公司Infor为例。该公司为企业客户开发应用。近期,该公司发布了一款全新的应用Coleman(以NASA数学家的名字来定名),经过会话式界面帮助客户实现各类历程的主动化,分析性能并与数据交互。该公司没有从头开发自立的会话机器人,而是使用了AWS的Lex技术。Infor副总裁马西莫·卡珀西亚(Massimo Capoccia)表示:“亚马逊已经在做这些事,所以我们为什么还要在这下面花时间?我们了解客户,应该做的是将这些技术应用于客户。”

AWS在这个领域的主导位置也使其获得了相对竞争敌手,尤其是谷歌的上风。谷歌此前曾愿望应用机器学习技术的当先优势,在云计算市场赶超AWS。是的,谷歌服务器或许向客户提供了超疾速、针对机器学习优化的芯片。但使用AWS的企业能更便利地与其他也使用AWS的企业互动。DigitalGlobe尾席技术卒沃尔特·斯科特(Walter Scott)就说明了,他的公司为何台使用亚马逊的技术。“这就像是威利·萨顿(Willie Sutton)所说的,夺银行是因为银行里有钱。我们使用AWS的机器学习技术是因为我们的客户也在这个平台上。”

客岁11月,在AWS的re:Invent大会上,亚马逊发布了更片面的机器学习工具SageMaker。这是个非常强大,但也很易用的平台。SageMaker的开发者之一恰是机器学习领域的超等明星埃里克斯·斯莫拉,5年前他曾拒绝亚马逊的邀请。当斯莫拉决议重回工业界时,他希视协助开发强大的工具,让所有一般软件开发者都可以用上机器学习技术。所以,他加入了他认为能带来最大影响力的公司。他表示:“亚马逊异常强,你不会废弃这样的机遇。你可以写论文,但如果不实际开发,那么没有人会使用你美丽的算法。”

斯莫拉曾对西瓦苏布拉曼尼说,开发工具,将机器学习技术传布给数百万人比新颁发一篇论文更重要。当时,他失掉了不测之喜。后者表示:“这也不会延误你揭晓论文!”是的,在容许科学家宣布论文方面,亚马逊正变得更开放。帮助制订这方面领导准则的斯派罗斯·马特索卡斯表示:“这给招聘顶尖人才带来了宏大的帮助,同时也让外界更好地了解,亚马逊内部正在开展什么样的研究。”

今朝还无奈断定,AWS的数百万用户能否会用SageMaker,将机器学习集成至产品。然而这样做的开发者常常城市投进大笔本钱,将亚马逊定位为机器学习服务供给商。另外,这个平台十分壮大,就连亚马逊内部的人工智能团队,例如Alexa团队,也表示乐意成为SageMaker的客户,使用这些本筹划提供应内部的对象。他们信任,这可以成为项目标基础,节俭他们的时间,而他们自己可以将更多精神用于高等算法的研究。

只管只要部分AWS客户使用SageMaker,但亚马逊发明,该公司已经把握了对于系统机能的大量数据(当然,不包含客户自己保存的秘密数据)。这将带来更好的算法、更棒的平台、更多的客户。“飞轮”正在加班加点天运行。

无所不在的人工智能

随着机器学习带来颠覆,亚马逊在人工智能领域的专业性已经渗入至许多团队,这令贝索斯和他的助手们觉得愉快。固然亚马逊并没有中心化的人工智能办公室,但有一个部门特地负责机器学习的推广和技术支持,而另一些部门则尝试应用研究成果,推动新科技进入亚马逊的项目。曾供职于微软必应团队和Facebook的拉尔夫·赫布里奇(Ralf Herbrich)与2012年加入亚马逊,目前负责“核神思器学习团体”。他表示:“重要的是在公司内部拥有这样的社区。”(同样的,他地点团队的使命也在6页纸计划书中列出,并获得了贝索斯的同意。)

他的部分职责是培养亚马逊快捷发展的机器学习文化。因为亚马逊采用以客户为中央的策略,即总是尝试解决问题而不是纯真地做研究,因此亚马逊高管们否认,他们在招聘中总是偏向于那些有兴致开发产品,而不是寻求科技冲破的人才。Facebook的勒昆则换了句话去总结亚马逊的立场:“不尝试成为科技前驱,也可以做得很好。”

不过,在培训职工接受人工智能圆面,亚马逊也在效仿Facebook和谷歌。亚马逊开设了闭于机器学习差别的内部课程,并构造内部专家发展研究会。从2013年开始,亚马逊每一年秋季都邑在总部举行一场内部的机器学习大会,这也能够被认为是只有亚马逊参加的NIPS大会。赫布里偶表示:“在刚开始时,亚马逊的机器学习大会只有几百人参加,而现在已经稀有千人。我们在西雅图最大的办公室也没有这么大的容纳能力,果此除主会场除外,我们还向园区中的其他6个会议室曲播。”亚马逊的一名高管表示,假如规模变得更大,那么就不应当叫亚马逊机器学习活动,而间接叫亚马逊的活动。

赫布里奇的团队持续推念头器学习技术渗入渗出大公司的各类项目。例如,物流部门希看更好地预测,如何依据顾客的定单在8种尺寸的包拆盒中做选择。因此,他们找到赫布里奇的团队追求赞助。赫布里奇表示:“这个部门不需要自己的科研团队,但需要算法,并能方面地使用这些算法。”大卫·利普则提到了另一个例子,即亚马逊如何预测有若干顾客可能会购购一款新产品。“我参加花费电子行业已有30年,在此中25年的时间里,猜测是基于人工判定,会用到表格,一些邪术球和飞镖。当我们开始在预测过程当中应用机器学习技术后,过错率大幅降低。”

不过有些时辰,赫布里奇的团队仍旧会将尖端科技用于解决特定问题。亚马逊生鲜快递服务亚马逊Fresh的警告已有10年,但仍需要更好的方式来评价生鲜果蔬的品质。人工检测速率太缓,也无法坚持尺度的分歧性。他的柏林团队开发了集成大量传感器的硬件和新算法,以补充系统无法感知食物的缺陷。“经由3年之后,我们已经有了原型产品,可以更牢靠地判断食品德量。”

固然,这样的技巧提高可以浸透到全部亚马逊死态系统。以远期正式停业的亚马逊Go无人店为例。亚马逊Go技术副总裁迪利普·库马我(Dilip Kumar)表示:“作为AWS的客户,咱们从范围效答中受益。但AWS也是受害者。”他指出,亚马逊Go开辟了奇特的系统,能从数百个逃踪瞅宾购物活动的摄像头传送数据。他团队的翻新影响了名为Kinesis的AWS效劳。应办事使客户能够从多个设备将视频流媒体传递至AWS云端,而AWS将对其禁止处置、剖析,劣化已来的机器学习算法。

即使一款亚马逊服务尚未使用机器学习平台,也可以自动参与到这一进程中。亚马逊Prime Air无人机快递服务仍处于原型阶段,但也开发了自力人工智能能力,因为无人机无法依附云连接。然而,Prime Air也从人工智能“飞轮”中受益无穷,不管是向公司的其他部门学习经验,还是弄清晰应该使用什么工具。Prime Air副总裁古尔·金姆奇(Gur Kimchi)表示:“我们将这视为餐厅的菜单,所有人都在分享他们有什么样的甘旨。”他估计,他的团队最末也将拿出自己的厚味菜单。“在Prime Air,我们学到的经验息争决的问题毫无疑难能吸引亚马逊其他部门的兴趣。”

实际上,这好像已经在发生。亚马逊机器人首席科学家贝斯·马库斯(Beth Marcus)表示:“如果有人在公司的某个部门,例如Prime Air或亚马逊Go看到一幅绘面,学到一些东西,开发一种算法,他们就会与公司内的其别人交流。所以,我团队中有些人便可以鉴戒,例如弄清楚商品在物流中内心究竟是怎样移动的。”

一家以商品为中心的公司是否赛过拥有大量深度学习超等明星的竞争对手?亚马逊正在努力实现这个目标。艾伦人工智能研究所CEO奥林·艾奇妙尼(Oren Etzioni)表示:“尽管他们还在追逐,但他们的产品发布令人英俊深入。亚马逊是世界级的公司,开发了天下级的人工智能产品。”

“飞轮”始终在扭转,很多6页纸打算书的硬套还没有表现出去。这或者象征着更多半据,更多主顾,更优良的仄台,更丰盛的人才。

如果你去问Alexa,亚马逊在人工智能领域做得怎样?那么答案或许是贝索斯的大笑。(编译/昱烨