不止Alexa和AWS，揭秘亞馬遜人工智能發(fā)展史

　　《連線(xiàn)》雜志近日刊文，介紹了深度學(xué)習技術(shù)如何賦能Alexa和AWS，以及亞馬遜內部的幾乎所有部門(mén)。

　　以下為騰訊科技編譯整理的文章概要：

　　2014年初，斯里坎斯·希魯梅拉(Srikanth Thirumalai)面見(jiàn)亞馬遜CEO杰夫·貝索斯(Jeff Bezos)。希魯梅拉是一名計算機科學(xué)家。他于2005年從IBM離職，成為亞馬遜商品推薦團隊的負責人。這一次，他提出了一項全面的新計劃，將人工智能的最新成果應用至自己的部門(mén)。

　　在會(huì )議上，希魯梅拉帶來(lái)了一份6頁(yè)紙的計劃書(shū)。很久以前，貝索斯就提出要求，即匯報給他的產(chǎn)品和服務(wù)計劃必須限制在這一長(cháng)度范圍內，同時(shí)還要配上一份模擬的新聞稿，用于描述最終成果?，F在，貝索斯正在依靠自己的助手們，將公司轉型成人工智能發(fā)電站。在亞馬遜的發(fā)展早期，商品推薦功能就已集成人工智能技術(shù)，發(fā)貨調度和倉庫機器人也是如此。然而近年來(lái)，這個(gè)領(lǐng)域正在掀起一場(chǎng)革命：機器學(xué)習正變得越來(lái)越高效，尤其是在所謂“深度學(xué)習”技術(shù)的推動(dòng)下。計算機視覺(jué)、語(yǔ)音識別，以及自然語(yǔ)言處理等技術(shù)也都因此獲得了飛速的發(fā)展。

　　在這個(gè)10年的起步階段，亞馬遜并沒(méi)有大力投入這些技術(shù)。然而現在，亞馬遜意識到，需求非常迫切。這個(gè)時(shí)代最關(guān)鍵的競爭將發(fā)生在人工智能領(lǐng)域：谷歌、Facebook、蘋(píng)果和微軟都在押注此類(lèi)技術(shù)，而亞馬遜已經(jīng)落后。亞馬遜設備和服務(wù)副總裁大衛·利普(David Limp)表示：“我們找到每個(gè)團隊負責人，問(wèn)他們，‘你要如何利用這些技術(shù)，將這些技術(shù)嵌入自己的業(yè)務(wù)?’”

　　希魯梅拉牢牢記住了這點(diǎn)，并在年度計劃會(huì )議上找到貝索斯，向他提出了關(guān)于如何更積極地發(fā)展機器學(xué)習技術(shù)的設想。他認為，亞馬遜的核心業(yè)務(wù)已發(fā)展20多年，而機器學(xué)習技術(shù)的最佳應用場(chǎng)景是與亞馬遜核心業(yè)務(wù)不相關(guān)的圖像識別和語(yǔ)音識別，因此利用機器學(xué)習技術(shù)完全重新開(kāi)發(fā)現有系統風(fēng)險太大。他表示：“從來(lái)沒(méi)有人真正將深度學(xué)習應用于商品推薦，并帶來(lái)更好的結果。因此，我們自己需要有信心。”然而，貝索斯想要更多，而希魯梅拉實(shí)際上并沒(méi)有做好萬(wàn)全的準備。因此，他分享了一個(gè)更激進(jìn)的選擇，即利用深度學(xué)習技術(shù)去顛覆商品推薦的運轉方式。這需要用到他團隊尚不具備的能力，尚未開(kāi)發(fā)出的工具，以及從沒(méi)有人想過(guò)的算法。貝索斯很喜歡這個(gè)選擇，所以希魯梅拉重寫(xiě)了一份模擬新聞稿，并著(zhù)手去做。

　　過(guò)去幾年，大批亞馬遜管理者都曾攜帶6頁(yè)紙的計劃書(shū)去找貝索斯，希魯梅拉只是其中之一。他們提出的想法涉及到各式各樣的產(chǎn)品和完全不同的客戶(hù)。然而，他們每個(gè)人設想的都是希魯梅拉計劃的一個(gè)變種：用先進(jìn)的機器學(xué)習技術(shù)來(lái)改造亞馬遜的某個(gè)部分。其中部分涉及到對當前項目的重新思考，例如機器人方面的工作及龐大的數據中心業(yè)務(wù)AWS。另一部分則是開(kāi)發(fā)全新的業(yè)務(wù)，例如基于語(yǔ)音的家電，這隨后發(fā)展成為Echo智能音箱。

　　最終結果的影響遠遠超出單個(gè)項目。希魯梅拉表示，在他面見(jiàn)貝索斯時(shí)，亞馬遜的人工智能人才還是相互孤立的。“我們會(huì )交流，但不會(huì )分享很多東西，因為我們彼此的經(jīng)驗不太容易直接轉移。”他認為。在龐大的工程海洋里，這些是人工智能孤島。在用機器學(xué)習去改革公司之后，這樣的局面得到了改變。

　　盡管所有這些6頁(yè)紙計劃書(shū)都屬于亞馬遜的“單線(xiàn)程”團隊，即某個(gè)特定團隊是技術(shù)的“擁有者”，但亞馬遜的團隊之間已展開(kāi)跨項目的合作。內部科學(xué)家嘗試解決難題，并與其他團隊分享各自的解決方案。在整個(gè)公司里，人工智能孤島開(kāi)始相互連接起來(lái)。隨著(zhù)亞馬遜人工智能項目目標的擴大，挑戰的復雜性也成為了吸引頂尖人才的磁石，尤其是對那些希望自己的工作立即發(fā)揮影響力的人才來(lái)說(shuō)。這改變了以往亞馬遜對純學(xué)術(shù)研究的厭惡：亞馬遜的公司文化要求所有創(chuàng )新必須以服務(wù)客戶(hù)為中心。

　　亞馬遜喜歡使用“飛輪”一詞來(lái)描述，業(yè)務(wù)的不同部分如何運轉，并形成統一的永動(dòng)機?，F在，亞馬遜擁有強大的人工智能飛輪，來(lái)自某個(gè)團隊的機器學(xué)習創(chuàng )新成為了賦能其他團隊的利器，反過(guò)來(lái)這些團隊開(kāi)發(fā)產(chǎn)品、提供服務(wù)，從而影響其他團隊，甚至整個(gè)公司。以付費服務(wù)的形式將機器學(xué)習平臺提供給外界本身就是種能盈利的業(yè)務(wù)。在某些情況下，這還有助于收集更多數據，進(jìn)一步提高技術(shù)水平。

　　在亞馬遜從深度學(xué)習門(mén)外漢發(fā)展成為行業(yè)重要力量的過(guò)程中，有許多這樣的6頁(yè)紙計劃書(shū)出現。轉型的成果在亞馬遜公司內隨處可見(jiàn)，例如基于機器學(xué)習基礎架構的推薦系統。目前亞馬遜正變得更聰明，能建議用戶(hù)下面應該閱讀什么，應該在購物清單上添加什么，以及今晚可以看什么電影。今年，希魯梅拉開(kāi)展了一項新工作，即負責亞馬遜的搜索服務(wù)。他希望將深度學(xué)習技術(shù)應用于搜索服務(wù)的方方面面。

　　華盛頓大學(xué)頂尖的計算機科學(xué)教授佩德羅·多明格斯(Pedro Domingos)直言：“如果在七八年前問(wèn)我，亞馬遜在人工智能領(lǐng)域的影響力有多大，我可能會(huì )說(shuō)，‘他們什么也不是’。但他們非常努力?，F在，他們已成為了這個(gè)領(lǐng)域的一股力量。”

　　或許，亞馬遜已經(jīng)是一股重要力量。

　　Alexa效應

　　亞馬遜進(jìn)軍人工智能的旗艦產(chǎn)品是智能音箱Echo，以及基礎性的Alexa語(yǔ)音平臺。這些項目也來(lái)自于6頁(yè)紙計劃書(shū)。這樣的計劃于2011年通過(guò)名為“1號運營(yíng)計劃”的年度規劃流程提交給貝索斯。其中的參與者之一是自2004年就開(kāi)始就供職于亞馬遜的阿爾·林賽(Al Lindsay)。當時(shí)，他被要求轉而負責Prime技術(shù)團隊，從事全新的項目。他還記得當時(shí)提出的概念：“一種低成本、無(wú)所不在的電腦，大腦位于云端，你可以用語(yǔ)音與之互動(dòng)。你對它說(shuō)話(huà)，它也對你說(shuō)話(huà)。”

　　然而當時(shí)，開(kāi)發(fā)這樣的系統聽(tīng)起來(lái)就像科幻小說(shuō)，產(chǎn)品似乎就像《星際迷航》中的對話(huà)計算機。這需要強大的人工智能能力，而當時(shí)亞馬遜還沒(méi)有掌握這樣的技術(shù)。更糟糕的是，有能力開(kāi)發(fā)此類(lèi)系統的專(zhuān)家人才很稀缺，愿意在亞馬遜工作的就更加鳳毛麟角。谷歌和Facebook正在爭奪這個(gè)領(lǐng)域的頂尖人才。林賽表示：“我們是弱者。”他現在已晉升為副總裁。

　　華盛頓大學(xué)教授多明格斯表示：“亞馬遜的形象有點(diǎn)不太好。在外界看來(lái)，該公司對以研究為導向的人才不夠友好。”亞馬遜完全專(zhuān)注于客戶(hù)，而企業(yè)文化也崇尚好斗精神，這與學(xué)術(shù)界和競爭對手的風(fēng)格完全不同。多明格斯表示：“谷歌會(huì )對你很寬容。而在亞馬遜，你需要自己從元件開(kāi)始組裝電腦。”此外，亞馬遜還有更不好的形象：該公司的創(chuàng )新工作往往被視為企業(yè)機密。

　　2014年，頂尖的機器學(xué)習專(zhuān)家延恩·勒昆(Yann LeCun)在內部會(huì )議上為亞馬遜的科學(xué)家們做了一次講座。在他被邀請參加此次活動(dòng)以及活動(dòng)舉行之間，勒昆接受了Facebook的職位邀請，但他還是來(lái)到了亞馬遜的活動(dòng)現場(chǎng)。勒昆回憶，在一個(gè)大約可容納600人的禮堂里，他發(fā)表了演講。隨后他被領(lǐng)進(jìn)一間會(huì )議室，不同的小組一個(gè)接一個(gè)進(jìn)來(lái)，向他提問(wèn)。然而當勒昆向他們提問(wèn)時(shí)，這些人的反應都很遲鈍。這讓他感覺(jué)不好。他最終選擇Facebook的職位部分也是因為，Facebook同意將人工智能團隊的很大一部分工作開(kāi)源。

　　由于缺乏內部人才，亞馬遜動(dòng)用強大的財力去收購具有這方面專(zhuān)業(yè)性的公司。利普表示：“在A(yíng)lexa的發(fā)展早期，我們收購了許多公司。”2011年9月，亞馬遜收購了語(yǔ)音轉文本技術(shù)公司Yap。該公司擅長(cháng)于將語(yǔ)音轉換為文字。2012年，亞馬遜又將來(lái)自英國劍橋的Evi收入麾下。該公司的軟件可以像Siri一樣對語(yǔ)音命令做出響應。2013年1月，亞馬遜再次收購一家語(yǔ)音轉文本技術(shù)公司，即來(lái)自波蘭的Ivona。該公司的技術(shù)可以讓Echo獲得交談能力。

　　然而，亞馬遜的保密文化仍然不利于頂尖人才的加盟。埃里克斯·斯莫拉(Alex Smola)曾是亞馬遜的招聘候選人之一。他是行業(yè)明星，曾供職于雅虎和谷歌。AWS深度學(xué)習和人工智能總經(jīng)理馬特·伍德(Matt Wood)表示：“他實(shí)際上是深度學(xué)習的教父之一。”(谷歌學(xué)術(shù)搜索上列出了9萬(wàn)多篇引用斯莫拉成果的論文。)亞馬遜高管甚至不愿向候選人透露他們未來(lái)的工作內容。斯莫拉拒絕了亞馬遜的邀請，選擇去帶領(lǐng)卡耐基梅隆大學(xué)的一所實(shí)驗室。

　　林賽說(shuō)：“甚至是在我們即將啟動(dòng)之前，還是有許多阻力。他們會(huì )說(shuō)，‘為什么我要去亞馬遜工作?我對賣(mài)別人東西不感興趣。’”

　　亞馬遜也有自己的辦法。由于該公司從想象中的最終產(chǎn)品去反推，所以藍圖中包括許多尚未發(fā)明出來(lái)的功能。這些棘手的問(wèn)題對雄心勃勃的科學(xué)家極具吸引力。語(yǔ)音功能需要一定水平的會(huì )話(huà)式人工智能，包括“喚醒詞”(嘿，Alexa!)、監聽(tīng)和解釋命令，給出合理的答案。這一切都不存在。

　　即使亞馬遜沒(méi)有給出任何細節，這個(gè)項目也吸引了羅希特·普拉薩德(Rohit Prasad)。普拉薩德是一名受到廣泛認可的語(yǔ)音識別科學(xué)家，來(lái)自波士頓的技術(shù)承包商雷神BBN。(亞馬遜也因此讓他在自己老家組建一支團隊。)他認為，亞馬遜相關(guān)專(zhuān)業(yè)能力的缺乏是系統性問(wèn)題，而不僅僅是小缺陷。他指出：“這里是一片空白。谷歌和微軟開(kāi)發(fā)語(yǔ)音技術(shù)已經(jīng)有幾年時(shí)間。在亞馬遜，我們從頭開(kāi)始去開(kāi)發(fā)，去解決困難的問(wèn)題。”在2013年加入之后，他就被分配至Alexa項目。他表示：“設備用硬件來(lái)實(shí)現，但語(yǔ)音技術(shù)在很早就已經(jīng)起步。”

　　Echo項目中最棘手的部分在于遠距離語(yǔ)音識別。為了解決這個(gè)問(wèn)題，亞馬遜被迫涉足新領(lǐng)域，并推動(dòng)了機器學(xué)習整體的發(fā)展。遠距離語(yǔ)音識別是指在一定距離遠處識別語(yǔ)音，這樣的語(yǔ)音命令可能被淹沒(méi)在環(huán)境噪聲中。挑戰之一是，設備不能浪費一丁點(diǎn)時(shí)間去思考你究竟說(shuō)的是什么。它必須把音頻內容即時(shí)發(fā)送至云端，并迅速獲得答案，給用戶(hù)的感覺(jué)就是實(shí)時(shí)對話(huà)，而不會(huì )出現令人尷尬的冷場(chǎng)。開(kāi)發(fā)機器學(xué)習系統，在嘈雜環(huán)境中理解并響應用戶(hù)的語(yǔ)音命令，這需要大量數據，即用戶(hù)與Echo互動(dòng)的大量此類(lèi)案例。當時(shí)并不清楚，亞馬遜要從何處獲得這樣的數據。

　　作為亞馬遜設備和服務(wù)副總裁的利普表示，遠距離技術(shù)此前已經(jīng)被實(shí)現，但當時(shí)是用在三叉戟潛艇的鼻錐上，研發(fā)耗資達到10億美元。亞馬遜希望將這種技術(shù)集成至一個(gè)可以放在廚房臺面上的設備中，而價(jià)格必須足夠便宜，從而吸引用戶(hù)的購買(mǎi)。普拉薩德表示：“在我的團隊中，90%的人都認為這根本做不到。在亞馬遜以外，我們也有技術(shù)咨詢(xún)委員會(huì )。我們沒(méi)有告訴他們具體要做什么。但他們總是對我們提起，‘不管做什么，都不要碰遠距離識別技術(shù)。’”

　　然而，普拉薩德的經(jīng)歷給他帶來(lái)了信心。他認為這是可實(shí)現的。然而，亞馬遜并不具備工業(yè)級系統，將機器學(xué)習技術(shù)應用于產(chǎn)品開(kāi)發(fā)。“我們有少數科學(xué)家正在研究深度學(xué)習，但我們缺乏基礎設施將這些技術(shù)應用于生產(chǎn)。”他說(shuō)。好消息在于，亞馬遜已經(jīng)掌握了全部模塊：無(wú)與倫比的云計算服務(wù)，可運行機器學(xué)習算法、安裝了大量GPU的數據中心，以及熟悉如何移動(dòng)數據的工程師。

　　他的團隊利用這些模塊開(kāi)發(fā)了平臺，而除了用于Echo項目之外，這個(gè)平臺本身就是寶貴的資產(chǎn)。Alexa高級科學(xué)家斯派羅斯·馬特索卡斯(Spyros Matsoukas)表示：“當我們在Echo上實(shí)現遠距離語(yǔ)音識別之后，就發(fā)現這里的機會(huì )原來(lái)有這么大，我們可以將Alexa發(fā)展成為語(yǔ)音服務(wù)。”他此前曾在雷神BBN與普拉薩德共事，當時(shí)的工作包括從事美國國防部高級研究計劃局(DARPA)的項目Hub4，利用廣播新聞節目和竊聽(tīng)的電話(huà)通話(huà)來(lái)發(fā)展語(yǔ)音識別和自然語(yǔ)言理解技術(shù)，這對Alexa項目來(lái)說(shuō)也很有用。推動(dòng)Alexa發(fā)展的最直接方式是向第三方開(kāi)放，讓開(kāi)發(fā)者開(kāi)發(fā)基于語(yǔ)音技術(shù)的迷你應用，即“技能”，并在Echo平臺上運行。然而，這才只是開(kāi)始。

　　在A(yíng)lexa突破Echo音箱的限制之后，亞馬遜的人工智能文化開(kāi)始形成合力。公司內的不同團隊都開(kāi)始意識到，Alexa可以為他們各自項目提供有用的語(yǔ)音服務(wù)。普拉薩德表示：“盡管我們的單線(xiàn)程所有權模式已經(jīng)很成熟，但仍然可以將所有數據和技術(shù)融合在一起。”

　　最開(kāi)始，亞馬遜的其他產(chǎn)品開(kāi)始集成Alexa：通過(guò)對Alexa設備的語(yǔ)音命令，你可以訪(fǎng)問(wèn)亞馬遜音樂(lè )、Prime視頻、獲得亞馬遜主站的商品推薦信息，以及使用其他服務(wù)。隨后，這項技術(shù)開(kāi)始推廣至亞馬遜的其他業(yè)務(wù)。林賽表示：“一旦我們掌握了最基本的語(yǔ)音能力，就可以將其集成至非Alexa產(chǎn)品，例如Fire TV、語(yǔ)音購物、亞馬遜生鮮的Dash按鈕，以及AWS。”

　　在這個(gè)過(guò)程中，亞馬遜內部的人工智能孤島開(kāi)始逐漸靠近。

　　亞馬遜轉型的另一大關(guān)鍵在于，一旦數百萬(wàn)客戶(hù)(亞馬遜拒絕透露具體數字)開(kāi)始使用Echo和其他Alexa設備，亞馬遜就能掌握豐富的數據。這或許是任何會(huì )話(huà)式設備所能積累的規模最龐大的數據集。對人才招聘來(lái)說(shuō)，這樣的數據集也是極具吸引力的資源。突然之間，亞馬遜就成了那些機器學(xué)習專(zhuān)家夢(mèng)寐以求的雇主。去年加入亞馬遜的Alexa機器學(xué)習副總裁拉威·簡(jiǎn)恩(Ravi Jain)表示：“Alexa對我的最大吸引力之一在于，一旦你在市場(chǎng)上推出了一款設備，那么就掌握了獲得信息反饋的來(lái)源。不僅僅是用戶(hù)反饋，這些實(shí)際數據是優(yōu)化所有一切，尤其是底層平臺的基礎。”

　　因此，隨著(zhù)越來(lái)越多用戶(hù)使用Alexa，亞馬遜獲得的信息不僅能讓系統性能變得更好，也有利于自主機器學(xué)習工具和平臺的加速發(fā)展，并成為該公司吸引機器學(xué)習科學(xué)家的重要武器。

　　“飛輪”終于開(kāi)始旋轉起來(lái)。

　　更聰明的云計算

　　亞馬遜從2014年開(kāi)始面向Prime會(huì )員銷(xiāo)售Echo。這一年，斯瓦米·西瓦蘇布拉曼尼(Swami Sivasubramanian)也開(kāi)始對機器學(xué)習發(fā)生興趣。當時(shí)，負責AWS數據庫和數據分析業(yè)務(wù)的西瓦蘇布拉曼尼正和全家人回印度旅行。由于時(shí)差的關(guān)系和小女兒的吵鬧，他不得不在半夜去工作。他嘗試了谷歌的TensorFlow，以及Facebook和學(xué)術(shù)界支持的機器學(xué)習框架Caffe，發(fā)現將這些工具與亞馬遜的云計算服務(wù)結合在一起可以創(chuàng )造巨大的價(jià)值。他認為，通過(guò)在云端運行機器學(xué)習算法，公司可以挖掘新的需求。他表示：“我們希望每月為數百萬(wàn)開(kāi)發(fā)者提供服務(wù)。他們中的大部分人并不是麻省理工學(xué)院的教授，只是毫無(wú)機器學(xué)習專(zhuān)業(yè)背景的開(kāi)發(fā)者。”

　　在下一次面見(jiàn)貝索斯時(shí)，他帶著(zhù)一份6頁(yè)紙的計劃書(shū)。從某種意義上來(lái)說(shuō)，這是將機器學(xué)習服務(wù)添加至AWS的藍圖。不過(guò)西瓦蘇布拉曼尼認為，實(shí)際意義還要更加廣泛：這份計劃說(shuō)明了AWS如何成為機器學(xué)習研究核心的宏大愿景。

　　確實(shí)，向成千上萬(wàn)亞馬遜云計算客戶(hù)提供機器學(xué)習服務(wù)是不可避免的。AWS機器學(xué)習經(jīng)理伍德表示：“在首次提出AWS的商業(yè)計劃時(shí)，我們就確定了自己的使命，即充分利用只有財力雄厚的公司才能掌握的技術(shù)，并盡可能地去推廣。我們在計算、存儲、數據分析和數據庫等方面已經(jīng)取得成功，我們要用同樣的方法去對待機器學(xué)習。”在這個(gè)過(guò)程中，AWS團隊可以利用亞馬遜其他團隊積累的經(jīng)驗，這使得工作變得略微容易。

　　伍德表示，AWS的亞馬遜機器學(xué)習服務(wù)最初于2015年推出，讓類(lèi)似C-Span的客戶(hù)可以建立私有的頭像目錄。此外，Zillow使用該服務(wù)估計房?jì)r(jià)，而Pinterest則將其用于可視化搜索。多家自動(dòng)駕駛創(chuàng )業(yè)公司也在利用AWS機器學(xué)習，通過(guò)數百萬(wàn)公里的上路測試來(lái)優(yōu)化產(chǎn)品。

　　2016年，AWS又發(fā)布了新的機器學(xué)習服務(wù)，更直接地利用Alexa的創(chuàng )新。這其中包括文本轉語(yǔ)音組件Polly，以及自然語(yǔ)言處理引擎Lex。這些產(chǎn)品幫助AWS的客戶(hù)，包括Pinterest、Netflix和多家小型創(chuàng )業(yè)公司開(kāi)發(fā)屬于自己的迷你Alexa。一款涉及可視化技術(shù)的第三方服務(wù)Rekognition就利用了此前Prime Photos取得的成果，嘗試在谷歌、Facebook和蘋(píng)果的照片產(chǎn)品中植入同樣的深度學(xué)習功能。Prime Photos是亞馬遜內部一個(gè)不太知名的團隊。

　　這些機器學(xué)習服務(wù)既是強大的營(yíng)收來(lái)源，也是亞馬遜人工智能“飛輪”的關(guān)鍵。各類(lèi)機構和公司，包括美國宇航局(NASA)和美國職業(yè)橄欖球大聯(lián)盟(NFL)，都開(kāi)始付費使用亞馬遜的機器學(xué)習服務(wù)。如果企業(yè)在A(yíng)WS平臺內開(kāi)發(fā)關(guān)鍵的機器學(xué)習工具，那么轉移至云計算競爭對手平臺的可能性就會(huì )大幅下降。(對不起，谷歌、微軟和IBM。)

　　以一家規模數十億美元的公司Infor為例。該公司為企業(yè)客戶(hù)開(kāi)發(fā)應用。近期，該公司發(fā)布了一款全新的應用Coleman(以NASA數學(xué)家的名字來(lái)命名)，通過(guò)會(huì )話(huà)式界面幫助客戶(hù)實(shí)現各種流程的自動(dòng)化，分析性能并與數據交互。該公司沒(méi)有從頭開(kāi)發(fā)自主的會(huì )話(huà)機器人，而是使用了AWS的Lex技術(shù)。Infor副總裁馬西莫·卡珀西亞(Massimo Capoccia)表示：“亞馬遜已經(jīng)在做這些事，所以我們?yōu)槭裁催€要在這上面花時(shí)間?我們了解客戶(hù)，應該做的是將這些技術(shù)應用于客戶(hù)。”

　　AWS在這個(gè)領(lǐng)域的主導地位也使其獲得了相對于競爭對手，尤其是谷歌的優(yōu)勢。谷歌此前曾希望利用機器學(xué)習技術(shù)的領(lǐng)先優(yōu)勢，在云計算市場(chǎng)趕超AWS。是的，谷歌服務(wù)器或許向客戶(hù)提供了超快速、針對機器學(xué)習優(yōu)化的芯片。但使用AWS的企業(yè)能更方便地與其他也使用AWS的企業(yè)互動(dòng)。DigitalGlobe首席技術(shù)官沃爾特·斯科特(Walter Scott)就解釋了，他的公司為什么臺使用亞馬遜的技術(shù)。“這就像是威利·薩頓(Willie Sutton)所說(shuō)的，搶銀行是因為銀行里有錢(qián)。我們使用AWS的機器學(xué)習技術(shù)是因為我們的客戶(hù)也在這個(gè)平臺上。”

　　去年11月，在A(yíng)WS的re:Invent大會(huì )上，亞馬遜發(fā)布了更全面的機器學(xué)習工具SageMaker。這是個(gè)非常強大，但也很易用的平臺。SageMaker的開(kāi)發(fā)者之一正是機器學(xué)習領(lǐng)域的超級明星埃里克斯·斯莫拉，5年前他曾拒絕亞馬遜的邀請。當斯莫拉決定重回產(chǎn)業(yè)界時(shí)，他希望協(xié)助開(kāi)發(fā)強大的工具，讓所有普通軟件開(kāi)發(fā)者都可以用上機器學(xué)習技術(shù)。所以，他加入了他認為能帶來(lái)最大影響力的公司。他表示：“亞馬遜非常強，你不會(huì )放棄這樣的機會(huì )。你可以寫(xiě)論文，但如果不實(shí)際開(kāi)發(fā)，那么沒(méi)有人會(huì )使用你漂亮的算法。”

　　斯莫拉曾對西瓦蘇布拉曼尼說(shuō)，開(kāi)發(fā)工具，將機器學(xué)習技術(shù)傳播給數百萬(wàn)人比新發(fā)表一篇論文更重要。當時(shí)，他得到了意外之喜。后者表示：“這也不會(huì )耽誤你發(fā)表論文!”是的，在允許科學(xué)家發(fā)表論文方面，亞馬遜正變得更開(kāi)放。協(xié)助制定這方面指導原則的斯派羅斯·馬特索卡斯表示：“這給招聘頂尖人才帶來(lái)了巨大的幫助，同時(shí)也讓外界更好地了解，亞馬遜內部正在開(kāi)展什么樣的研究。”

　　目前還無(wú)法判斷，AWS的數百萬(wàn)用戶(hù)是否會(huì )用SageMaker，將機器學(xué)習集成至產(chǎn)品。然而這樣做的開(kāi)發(fā)者往往都會(huì )投入大筆資金，將亞馬遜定位為機器學(xué)習服務(wù)提供商。此外，這個(gè)平臺非常強大，就連亞馬遜內部的人工智能團隊，例如Alexa團隊，也表示愿意成為SageMaker的客戶(hù)，使用這些原計劃提供給外部的工具。他們相信，這可以成為項目的基礎，節約他們的時(shí)間，而他們自己可以將更多精力用于高級算法的研究。

　　盡管只有部分AWS客戶(hù)使用SageMaker，但亞馬遜發(fā)現，該公司已經(jīng)掌握了關(guān)于系統性能的大量數據(當然，不包括客戶(hù)自己保管的機密數據)。這將帶來(lái)更好的算法、更棒的平臺、更多的客戶(hù)。“飛輪”正在加班加點(diǎn)地運轉。

　　無(wú)所不在的人工智能

　　隨著(zhù)機器學(xué)習帶來(lái)顛覆，亞馬遜在人工智能領(lǐng)域的專(zhuān)業(yè)性已經(jīng)滲透至許多團隊，這令貝索斯和他的助手們感到高興。雖然亞馬遜并沒(méi)有中心化的人工智能辦公室，但有一個(gè)部門(mén)專(zhuān)門(mén)負責機器學(xué)習的推廣和技術(shù)支持，而另一些部門(mén)則嘗試應用研究成果，推動(dòng)新科技進(jìn)入亞馬遜的項目。曾供職于微軟必應團隊和Facebook的拉爾夫·赫布里奇(Ralf Herbrich)與2012年加入亞馬遜，目前負責“核心機器學(xué)習集團”。他表示：“重要的是在公司內部擁有這樣的社區。”(同樣的，他所在團隊的使命也在6頁(yè)紙計劃書(shū)中列出，并獲得了貝索斯的批準。)

　　他的部分職責是培育亞馬遜快速發(fā)展的機器學(xué)習文化。由于亞馬遜采取以客戶(hù)為中心的策略，即總是嘗試解決問(wèn)題而不是單純地做研究，因此亞馬遜高管們承認，他們在招聘中總是傾向于那些有興趣開(kāi)發(fā)產(chǎn)品，而不是追求科技突破的人才。Facebook的勒昆則換了句話(huà)去總結亞馬遜的態(tài)度：“不嘗試成為科技先驅?zhuān)部梢宰龅煤芎谩?rdquo;

　　不過(guò)，在培訓員工接受人工智能方面，亞馬遜也在效仿Facebook和谷歌。亞馬遜開(kāi)設了關(guān)于機器學(xué)習策略的內部課程，并組織內部專(zhuān)家開(kāi)展研討會(huì )。從2013年開(kāi)始，亞馬遜每年春季都會(huì )在總部舉辦一場(chǎng)內部的機器學(xué)習大會(huì )，這也可以被認為是只有亞馬遜參加的NIPS大會(huì )。赫布里奇表示：“在剛剛開(kāi)始時(shí)，亞馬遜的機器學(xué)習大會(huì )只有幾百人參加，而現在已經(jīng)有數千人。我們在西雅圖最大的辦公室也沒(méi)有這么大的容納能力，因此除了主會(huì )場(chǎng)之外，我們還向園區中的其他6個(gè)會(huì )議室直播。”亞馬遜的一名高管表示，如果規模變得更大，那么就不應該叫亞馬遜機器學(xué)習活動(dòng)，而直接叫亞馬遜的活動(dòng)。

　　赫布里奇的團隊繼續推動(dòng)機器學(xué)習技術(shù)滲透至公司的各類(lèi)項目。例如，物流部門(mén)希望更好地預測，如何根據顧客的訂單在8種尺寸的包裝盒中做選擇。因此，他們找到赫布里奇的團隊尋求幫助。赫布里奇表示：“這個(gè)部門(mén)不需要自己的科研團隊，但需要算法，并能方面地使用這些算法。”大衛·利普則提到了另一個(gè)例子，即亞馬遜如何預測有多少顧客可能會(huì )購買(mǎi)一款新產(chǎn)品。“我參與消費電子行業(yè)已有30年，在其中25年的時(shí)間里，預測是基于人工判斷，會(huì )用到表格，一些魔法球和飛鏢。當我們開(kāi)始在預測過(guò)程中運用機器學(xué)習技術(shù)后，錯誤率大幅下降。”

　　不過(guò)有些時(shí)候，赫布里奇的團隊仍然會(huì )將尖端科技用于解決特定問(wèn)題。亞馬遜生鮮快遞服務(wù)亞馬遜Fresh的經(jīng)營(yíng)已有10年，但仍需要更好的方式來(lái)評估生鮮果蔬的質(zhì)量。人工檢測速度太慢，也無(wú)法保持標準的一致性。他的柏林團隊開(kāi)發(fā)了集成大量傳感器的硬件和新算法，以彌補系統無(wú)法感知食品的缺陷。“經(jīng)過(guò)3年之后，我們已經(jīng)有了原型產(chǎn)品，可以更可靠地判斷食品質(zhì)量。”

　　當然，這樣的技術(shù)進(jìn)步可以滲透到整個(gè)亞馬遜生態(tài)系統。以近期正式開(kāi)業(yè)的亞馬遜Go無(wú)人店為例。亞馬遜Go技術(shù)副總裁迪利普·庫馬爾(Dilip Kumar)表示：“作為AWS的客戶(hù)，我們從規模效應中受益。但AWS也是受益者。”他指出，亞馬遜Go開(kāi)發(fā)了獨特的系統，能從數百個(gè)追蹤顧客購物活動(dòng)的攝像頭傳送數據。他團隊的創(chuàng )新影響了名為Kinesis的AWS服務(wù)。該服務(wù)使客戶(hù)可以從多個(gè)設備將視頻流媒體傳送至AWS云端，而AWS將對其進(jìn)行處理、分析，優(yōu)化未來(lái)的機器學(xué)習算法。

　　即使一款亞馬遜服務(wù)尚未使用機器學(xué)習平臺，也可以主動(dòng)參與到這一過(guò)程中。亞馬遜Prime Air無(wú)人機快遞服務(wù)仍處于原型階段，但也開(kāi)發(fā)了獨立人工智能能力，因為無(wú)人機無(wú)法依靠云連接。然而，Prime Air也從人工智能“飛輪”中獲益良多，無(wú)論是向公司的其他部門(mén)學(xué)習經(jīng)驗，還是弄清楚應該使用什么工具。Prime Air副總裁古爾·金姆奇(Gur Kimchi)表示：“我們將這視為餐廳的菜單，所有人都在分享他們有什么樣的美味。”他預計，他的團隊最終也將拿出自己的美味菜單。“在Prime Air，我們學(xué)到的經(jīng)驗和解決的問(wèn)題毫無(wú)疑問(wèn)能吸引亞馬遜其他部門(mén)的興趣。”

　　實(shí)際上，這似乎已經(jīng)在發(fā)生。亞馬遜機器人首席科學(xué)家貝斯·馬庫斯(Beth Marcus)表示：“如果有人在公司的某個(gè)部門(mén)，例如Prime Air或亞馬遜Go看到一幅畫(huà)面，學(xué)到一些東西，開(kāi)發(fā)一種算法，他們就會(huì )與公司內的其他人交流。所以，我團隊中有些人就可以借鑒，例如弄清楚商品在物流中心里究竟是怎么移動(dòng)的。”

　　一家以商品為中心的公司能否勝過(guò)擁有大量深度學(xué)習超級明星的競爭對手?亞馬遜正在努力實(shí)現這個(gè)目標。艾倫人工智能研究所CEO奧林·艾奇奧尼(Oren Etzioni)表示：“盡管他們還在追趕，但他們的產(chǎn)品發(fā)布令人印象深刻。亞馬遜是世界級的公司，開(kāi)發(fā)了世界級的人工智能產(chǎn)品。”

　　“飛輪”一直在旋轉，許多6頁(yè)紙計劃書(shū)的影響尚未體現出來(lái)。這或許意味著(zhù)更多數據，更多顧客，更優(yōu)秀的平臺，更豐富的人才。

　　如果你去問(wèn)Alexa，亞馬遜在人工智能領(lǐng)域做得怎么樣?那么答案或許是貝索斯的大笑。