亚马逊帝国的根基之一：AI

在亚马逊，Brad Porter主管着这套系统的算法开发。他关注的焦点是工人处理包裹的那段时间，即所谓间歇（gap）。间歇越短，意味着分拣包裹的效率越高——这取决于机器人工作的效率，如果机器人遇到“交通拥堵”那就麻烦了。

通过AI控制，解决机器人塞车现象，也就减少了工人等待货架过来的时间，提升了中心仓库的存储和分发效率，最终让消费者可以更快拿到自己订购的商品。

亚马逊云服务（AWS）是公司的另一项核心基础设施，它支撑着亚马逊价值260亿美元的云计算业务，为各类大大小小的公司提供网站和应用程序托管服务。

AWS也在使用机器学习，主要应用集中于在一个方面：对纷繁复杂的各类计算需求做出预测，以便更有效地调配系统资源。当客户的web请求大量集中涌现时，一定会出现计算能力不足的现象，这会导致各种错误，比如网页无法访问，或是电商网站的某样商品显示缺货（事实上可能不缺）。AWS的任务是通过监控每个客户的流量状况，将所有这些数据交由机器去学习，然后预测出未来的流量行为，从而让AWS可以预先做好资源管理方案，在峰值出现前就做好充分的准备，最大限度避免各种宕机风险。

毫无疑问，AWS最大的客户之一，就是亚马逊自己。

作为电商巨头，亚马逊商业行为的主要内容之一就是要做出预测。AWS特别设计了一款名为Inferentia的芯片来处理这些任务，来支持亚马逊网站要求极高的业务需求。Inferentia为亚马逊的机器学习运算节省了大笔开支，而且吸引了其他客户使用其云服务。

亚马逊在机器学习应用上的最新的挑战，来自其无人值守商店Amazon Go。

通过遍布商店顶部的摄像头阵列，顾客的每一个行为都被录制为视频，这些视频信号被转化为3D轮廓数据，通过它们来跟踪用户的手臂动作。根据这些动作，系统会知道购物者离开商店时拿了那些商品，然后将账单自动计入该顾客的亚马逊账户。

Amazon Go的总经理Dilip Kumar强调，这套系统只追踪客人的肢体动作，不采用面部识别技术去辨认客户。客人在扫码进门后，相当于推走了一辆虚拟的购物车，机器学习会根据3D动作记录数据来自动追踪虚拟购物车的内容变化。没有人可以欺骗机器，想偷走商品是不可能的。

Amazon Go采用的肢体动作追踪系统证明非常有价值，这套系统也将应用于亚马逊的中心仓库。亚马逊启动了一项代号为Nike Intent Detection的实验系统，将应用于Amazon Go的肢体追踪方法应用到中心仓库工人的动作追踪上：当他们拣出包裹或放入包裹的时候，无需再进行手动扫码记录，所有的记录都通过这套系统来自动完成。很明显，这将进一步提高工人工作的工作效率。

在人工智能处理大数据方面，亚马逊显然比Facebook或Google们谨慎得多。亚马逊的方式是，只针对特定的、单一的目标去搜集特定客户数据，开发针对性的AI工具，来提升工作效率和优化体验。当然，相比谷歌们的广告业务，融IT服务和电商为一体的亚马逊有足够的理由这么做。

不论如何，机器学习正在帮助亚马逊变得更加强大，而这种强大并没有任何减弱的迹象。

注：

"6页备忘录"包括6部分内容：

1.What we do? 2. Why we doit? or What’s the problem? 3.How we do it? 4.Validation 5.Discussion/Analysis 6.Summary。

（来源：图灵智物）

原标题：亚马逊帝国的根基之一：AI

关键词：