Swami Sivasubramanian是亞馬遜機器學習副總裁，與家人一起住在經常有熊出沒的西雅圖郊區。雖然妻子強烈要求半夜不睡覺抓熊，但作為一名科技工作者，Sivasubramanian還是向亞馬遜AWS云服務的新型視頻攝像系統DeepLens伸出了求助之手。該系統能夠基于深度學習和編程代碼自動完成各項工作，比如在檢測到有熊出沒時自動向手機發送提醒。除此之外，DeepLens還能識別食物種類、轉換圖片和視頻等，在優化企業內部工作流程的同時，進一步提升消費者使用體驗。

其實，說到人工智能技術，亞馬遜最早是利用它為消費者提供個性化的產品推薦服務。后來，機器學習技術出現，那些推薦系統背后的算法也就相應發生了變化，變得更為靈活、更為準確。用亞馬遜全球消費業務首席執行官杰夫·威爾克（Jeff Wilke）的話說：“過去，我們使用的那些算法要花相當長一段時間來解讀消費者的喜好。但現在，有了新技術的幫助，數據收集和分析的效率就提高了很多。”

具體說來，人工智能和機器學習，不僅為亞馬遜的智能語音助手Alexa提供了技術基礎，還為云計算服務AWS的廣大用戶提供了高效工具。而且，其線下無人零售商店Amazon Go以及遍布全球倉儲物流中心的順利運營，都離不開這兩項技術的大力支持。總之，亞馬遜對新興技術的重視，絕不只是口頭說說而已，而是會真正付諸實踐，充分且靈活運用到旗下各種業務當中。很顯然，這也是它能夠成為全球首家市值突破萬億美元大關公司的關鍵原因之一。畢竟在亞馬遜，“每一天都是第一天”是人人皆知的工作信條。對于新知識和新技術，它永遠都保持著一顆好奇渴望的心。

會跳舞的物流機器人

如果你去過亞馬遜位于華盛頓州肯特市的倉儲物流中心，就會看到數不清的橙色機器人。當消費者在亞馬遜上下單之后，這些裝有貨架和商品的機器人，就會在人工智能技術的支持下自動完成商品分揀，隨后放到傳送帶上由員工進行打包裝箱。

對于亞馬遜這樣一家規模巨大的在線電商來說，訂單處理以及商品分揀的速度與效率一定要足夠高。因為即便每一筆訂單只節約一兩秒，那匯總起來也會產生意想不到的顯著效果。而且，公司還會利用機器學習技術來預測消費者網購的行為趨勢，從而提前將倉儲中心里的商品運送并安放到正確位置上，以便更快地將商品送到終端消費者手中，提高整個線上購物和線下配送流程的效率。

最近一段時間，公司更是充分挖掘人工智能技術帶來的優勢，簡化了商品掃描流程。以往，想要對商品進行位置信息電子錄入，首先要人工將其從包裝盒中取出，接著在用條形碼掃描儀掃描之后放上貨架，最后再對貨架進行掃描。

但現在，有了先進的計算機視覺技術和機器學習技術，物流中心的員工只需要將商品從包裝盒中取出，滑送到提前安裝好的掃描儀下方進行自動掃描，隨后放入特定箱子。得益于這一系統的高度智能，員工無需再費勁逐個掃描商品以及貨架。因為系統已經自動記錄了所有商品原有的擺放位置，以方便未來需要用的時候準確找到位置。

用亞馬遜物流機器人公司Amazon Robotics工程副總裁Brad Porter的話說：“能夠將員工的雙手從不間斷機械掃描中解放出來，無疑是一種提高工作效率的極佳方式。”

具體說來，這一全新系統，歷時一年半研發完成，主要是借助計算機視覺和機器學習算法來評估員工與商品之間的互動方式，同時記錄商品放入特定箱子的時間。Porter表示，這些算法是亞馬遜現階段所使用的最為先進、最為復雜的技術，不僅能夠在各種亮度不一的環境中正常運作，而且也不會受到箱子里商品多少的影響。也就是說，即便存放商品的箱子滿了，也不會影響整個流程的運作。畢竟一年12個月中，工作日與節假日的訂單數量和商品數量，是會發生較大變化的。

最近幾個星期，亞馬遜已經開始在威斯康星州密爾沃基市的倉儲物流中心采用這一全新系統，預計接下來還會在其他十座城市的倉儲物流中心推廣。至于以后公司是否會在旗下所有的倉儲物流中心普及這套系統，我們現在還無法確定。即便會，我們也不知道會在什么時候。但盡管如此，Porter還是一直在思考應該如何去完善這一系統。說白了，就是如何利用攝像技術和機器視覺技術來進一步加快各項流程的運作速度。在他看來，如果能在系統中配置數量較多的攝像頭，那未來或許連手動將商品滑送到掃描儀之下的過程都可以完全省略，更別說識別包裹上的條形碼了。到時候，哪怕每件商品只能節約半秒的時間，那按照亞馬遜的巨大規模來計算，也無疑會帶來相當大的積極影響。

炫酷的線下無人商店Amazon Go

在亞馬遜無人商店中，消費者選好自己想要的物品就可以直接離開，因為所有的款項扣除工作都會直接與他們的亞馬遜賬戶自動連接，無需現場付款或者排隊。商店所采用的色彩和深度攝像頭、重量傳感器以及算法，完全都是獨立開發的，與倉儲物流中心的那套系統沒有任何關系。目前，公司就只在西雅圖和芝加哥兩座城市開設了四家線下無人商店。

Amazon Go副總裁Dilip Kumar介紹說：“其實，想要準確識別消費者拿取商品這一行為是非常困難的。因為如果消費者拿了某件商品，那么相關信息就會遭到遮擋，因此攝像頭就無法準確抓取關鍵信息來進行識別，更別提多位消費者同時拿取某件商品，或者是穿著相似的消費者同時出現在店里。而且，照明條件不同時，商品識別的準確度也會受到影響。”

為了解決這些問題，Kumar帶領團隊開發出了多套算法，以便準確分析攝像頭拍到的角度和內容，同時觀察消費者與商品之間的互動方式。雖然他無法保證無人商店系統的運作效率究竟有多高，但很顯然，如果測試過程中準確率太低，公司是絕對不會將其推向大眾的。而且，為了對系統進行檢修，公司還會定期對外關閉無人商店，僅對公司內部員工開放，以便檢查系統運作流程、提高速度和效率。

接下來，Kumar的主要任務就是帶領團隊完善算法，提高每一單位的計算能力，并且充分利用那些成本相對較低的傳感器，從而提高系統自動識別商品的速度和準確性，畢竟庫存商品的更新率一般都會保持在20%到30%，確實需要系統的識別能力同步跟上。好在機器學習是一項不斷進步的技術，因而亞馬遜也就能借此不斷優化自己在各個領域的消費者使用體驗，比如甜品和生鮮等日用百貨。而且，據彭博社最近的一篇報道指出，亞馬遜目前正在籌劃開設接下來幾年多達3000家的線下無人商店。

無所不能的語音助手ALEXA

當然，說了這么多，還沒有好好介紹亞馬遜的王牌人工智能產品，即語音助手Alexa。截至目前，公司共計銷售出數以百萬計的語音設備。而且，開發人員也專門針對Alexa設計了各式各樣基于語音命令的應用程序。亞馬遜自己更是與多家第三方硬件生產商達成合作，將Alexa融入其他各種類型的產品之中。接下來，亞馬遜將會賦予消費者更多自由，讓他們根據自己的真實需求創建相應的功能。借助Blueprints這款工具，消費者將能實現語音助手的個性化功能定制，無需任何軟件開發的專業知識背景。

無處不在的亞馬遜人工智能

當然，說到最后，亞馬遜的最大功臣，其實還是云計算服務AWS。可以說，它已經成為同行業其他公司學習的楷模和參考的標準。用Sivasubramanian的話說：“亞馬遜AWS的宗旨就是將機器學習技術的所有便利，都切實送到每位開發人員和數據科學家手中。”

他介紹說，只要說到機器學習，幾乎沒有哪個行業不為之興奮。但盡管這項技術已經為很多公司的業務發展和企業管理帶來好處，它仍然還處于一種初級發展階段。到目前為止，選擇使用基于亞馬遜AWS的機器學習服務的客戶數量已經高達數十萬甚至數百萬，涵蓋零售、房地產、時尚、娛樂和醫療保健等多個領域。而這些客戶各自在人工智能方面的能力也是參差不齊。雖然不乏大神級別，但小白級別也比比皆是。對此，亞馬遜已經針對自己提供的人工智能和機器學習服務進行了調整，希望能夠同時滿足不同類型和規模客戶的不同需求。

據相關數據顯示，在去年一年中，亞馬遜AWS機器學習工具的使用增長率已經達到250%。最后，自去年十一月起，AWS也已經增加了超過100種新功能和新服務，希望能夠進一步自己的機器學習工具庫。其中之一，便是文章最開頭提到的DeepLens。