虎嗅注：今天恰好看到亞馬遜Alexa的超級碗廣告，亞馬遜創(chuàng)始人、CEO貝佐斯親自出演其中的角色。廣告講述了Alexa突然失聲，亞馬遜不得不找各種替補人員來代替Alexa回應(yīng)用戶的各種需求，然后各種答非所問，比如一位用戶問Alexa如何烤乳酪三明治，后臺的工作人員邊運動邊回應(yīng)：「簡直可悲！你都32歲了！食譜都寫在名字里了，你個傻X！」還有個用戶問：「Alexa，地球到火星有多遠？」后臺的一位大姐回答道：「我哪兒知道，我又沒去過火星。這個家伙居然想去火星，圖啥？」（感覺亞馬遜有借廣告暗諷一心想移民火星的馬斯克的嫌疑）……總之，在鬧出了一系列笑話后，最后Alexa突然又好了，說：「感謝啦各位，還是讓我來吧�！�
這則廣告是為了凸顯亞馬遜人工智能助理Alexa在人類生活中扮演的重要角色。而目前亞馬遜在人工智能的確表現(xiàn)得可圈可點。美國《連線》雜志則在官網(wǎng)復(fù)盤了亞馬遜是如何引發(fā)人工智能變革的。本文原載于 Wired ，原標(biāo)題為 Inside Amazon's Artificial Intelligence Flywheel ，由微信公眾號「機器之能」（ID：almosthuman2017），譯者：Nurhachu Null 、侯韻楚、Edison。
2014年初，Srikanth Thirumalai 見到了亞馬遜 CEO Jeff Bezos。Thirumalai 是一位計算機科學(xué)家，2005 年從 IBM 來到亞馬遜，負(fù)責(zé)公司的推薦團隊。他給 Bezos 提了一個全新計劃：將人工智能最新進展結(jié)合到部門產(chǎn)品中。
他帶著「六頁提案」去了。Bezos 很早之前就發(fā)布過一條命令，產(chǎn)品或服務(wù)推薦必須維持在這個長度內(nèi)，包含描述最終產(chǎn)品、服務(wù)和計劃的新聞稿。
當(dāng)時，Bezos 正依靠左右手們將亞馬遜轉(zhuǎn)型為一家人工智能「發(fā)電室」。公司很早就將人工智能技術(shù)用于產(chǎn)品推薦。不過近年來，這個領(lǐng)域正在發(fā)生一場變革，機器學(xué)習(xí)變得越來越有效，尤其是深度學(xué)習(xí)。深度學(xué)習(xí)在計算機視覺、語音和自然語言處理方面引起了巨大的進步。
近十年早期，雖然亞馬遜還沒有明顯利用這些技術(shù)發(fā)展，但意識到了需求的迫切性。新時代最激烈的競爭將會是 AI 領(lǐng)域。Google，F(xiàn)acebook，Apple 和 Microsoft 等公司都壓下巨額賭注。
亞馬遜正在落后�！肝覀兒兔總�團隊的負(fù)責(zé)人聊，基本上就是問怎么將人工智能技術(shù)應(yīng)用在自身的業(yè)務(wù)中？」亞馬遜設(shè)備和服務(wù)副總裁 David Limp 說。
Thirumalai 走心了。他來到貝索斯的辦公室，談了談自己的年度計劃，如何更加積極地使用機器學(xué)習(xí)技術(shù)。但他又覺得，完全重構(gòu)現(xiàn)在這套精心維護了 20 年的系統(tǒng)，太冒險。更何況，機器學(xué)習(xí)表現(xiàn)最佳的領(lǐng)域（比如圖像識別）和自己的領(lǐng)域（推薦系統(tǒng)）并沒啥關(guān)系。
「還沒人將深度學(xué)習(xí)技術(shù)應(yīng)用在推薦中，并取得了比我們好很多的而結(jié)果�！顾f�！杆�，特別需要信仰上的飛躍�！�
Thirumalai 還沒準(zhǔn)備好，不過，Bezos 卻想要更多。
Thirumalai 想用深度學(xué)習(xí)徹底變革既有的推薦系統(tǒng)工作方式。但這就需要一些技術(shù)，但自己團隊并沒有掌握這些技術(shù)，連工具都沒有，甚至還沒人想出算法。
Bezos 卻喜歡這樣（盡管他那招牌式的笑聲并不能清楚表明，他歡迎這種做法）。于是，Thirumalai 重寫了遍新聞稿，繼續(xù)工作去了。
公司領(lǐng)導(dǎo)層中，Thirumalai 是唯一一位幾年之前，拿著「六 頁提案」跟隨 Bezos 的。
每位負(fù)責(zé)人認(rèn)為，要針對不同客戶全體，提供完全不同產(chǎn)品�；旧希@些觀點都算是 Thirumalai 提議的變體：使用先進的機器學(xué)習(xí)技術(shù)改造亞馬遜部分業(yè)務(wù)。
有些建議涉及到反思既有業(yè)務(wù)，比如公司的機器人、數(shù)據(jù)中心業(yè)務(wù)和亞馬遜云。有的意味著創(chuàng)造全新業(yè)務(wù)，例如語音智能家居產(chǎn)品，后來落地成 Echo。
但結(jié)果的影響力遠遠超過了單個業(yè)務(wù)項目。Thirumalai 說，原來開會時，公司的 AI 人才都被分割開了。「雖然也會討論、交談，但不會分享大量技術(shù)和神器，因為經(jīng)驗教訓(xùn)這些東西很難直接發(fā)揮作用，」他說。這些人才就像是工程海洋中的 AI 島嶼。
但借助機器學(xué)習(xí)變革公司，徹底改變了這一現(xiàn)狀。
雖然每位「六頁提案」的人都在嚴(yán)格遵守亞馬遜「單線程（single-threaded）」團隊信條，也就是說，每個團隊「擁有」他們所采用的技術(shù)，但大家開始了跨項目協(xié)作。
公司內(nèi)部科學(xué)家負(fù)責(zé)解決重大問題，并將解決方案分享給其他團隊。AI 孤島被連接起來，而且隨著公司的 AI 雄心不斷壯大，所面臨的難題也吸引著頂尖人才，尤其是那些想看到自己研究如何影響現(xiàn)實的人才。這也平衡了亞馬遜對純研究不感冒的文化，公司過去要求創(chuàng)新必須完全基于更好地為客戶服務(wù)的語境中。
亞馬遜龐大帝國運轉(zhuǎn)起來，就像一臺永動機。這是如何做到的？亞馬遜喜歡用「飛輪（flywheel）」這個詞作答。基于機器學(xué)習(xí)的創(chuàng)新，會為其他業(yè)務(wù)團隊提供動力；這些團隊通過打造產(chǎn)品和服務(wù)，對其他團隊產(chǎn)生影響，甚至對整個公司產(chǎn)生影響。將公司的機器學(xué)習(xí)平臺作為一種付費服務(wù)提供給外界，這種努力本身也會帶來收益，在某些情況下，甚至能收集更多數(shù)據(jù)進一步提升技術(shù)。
將亞馬遜從一家深度學(xué)習(xí)死忠粉公司，轉(zhuǎn)型成一家「發(fā)電室」，需要很多這樣的「六頁提案」人。整個公司，都可以看到這一轉(zhuǎn)型效果，包括運行在新的機器學(xué)習(xí)基礎(chǔ)架構(gòu)上的推薦系統(tǒng)。如今，亞馬遜可以很聰明地推薦下一步讀什么、將什么商品加入購物清單，以及今晚可能想看什么電影。
今年，Thirumalai 開啟了一項新的工作——領(lǐng)導(dǎo)亞馬遜的搜索部門。他希望將深度學(xué)習(xí)用于服務(wù)的各個方面。
「如果七八年之前問我亞馬遜的 AI 實力如何，我會說，他們沒有人工智能�！谷A盛頓大學(xué)計算機科學(xué)的教授 Pedro Domingos 說，「但他們一直在積極地成長。正成為一支勁旅�！�
或許。
Alexa 效應(yīng)
公司的旗艦人工智能產(chǎn)品是：Echo，以及背后的驅(qū)動系統(tǒng)——Alexa 語音平臺。其實，這些項目也源于一份 2011 年交付給 Bezos 的「六頁提案」，Operational Plan One 年度計劃。
其中一位提議高管叫 Al Lindsay，2004 年開始在亞馬遜工作。當(dāng)時，他被要求從自己負(fù)責(zé)的團隊轉(zhuǎn)到主要技術(shù)團隊，幫助打造全新的產(chǎn)品。
「一款低功耗普適計算機，大腦在云端，你可以通過語音與它交互�！顾貞浀�。
但是，打造這樣一款科幻電影里才有的產(chǎn)品，需要具備一定的 AI 功能，但當(dāng)時公司就沒有這方面的人才。雪上加霜的是，那些有技術(shù)能力的專家，只有極少數(shù)愿意為亞馬遜工作。Google 和 Facebook 當(dāng)時也在搶奪這一領(lǐng)域的頂尖人才。
「我們當(dāng)時處境很慘。」Lindsay 說。
「亞馬遜過去形象不太好，公司對研究型人才不太友好�！笵omingos 說。
公司對客戶不懈關(guān)注以及自身的斗士文化，與對待學(xué)術(shù)人才的態(tài)度不一致。「在 Google 你是被寵愛的，而在亞馬遜，你的計算機則擺在衣柜上。」他說。
更糟糕的是，當(dāng)時亞馬遜還因公司創(chuàng)新崗位還不如給公司搞包裝的崗位而「聲名遠播」。
2014 年的一次內(nèi)部聚會中，機器學(xué)習(xí)領(lǐng)域頂級專家 Yann LeCun 在亞馬遜做了一次報告。當(dāng)時，他已經(jīng)接受了領(lǐng)導(dǎo) Facebook 研究的橄欖枝，但他還是來做報告了。
先在一間能容納 600 人的禮堂里做報告，LeCun 回憶道，然后被帶到了一個小會議室，小團隊一個接一個來向他請教問題。
但是當(dāng)他向亞馬遜的人提問時，他們幾乎一無所應(yīng)。這讓 LeCun 很無語。他當(dāng)初選擇 Facebook，部分原因就在于后者愿意開源大部分 AI 研究工作。
由于當(dāng)時公司內(nèi)部沒有相關(guān)人才，所以亞馬遜開始巨資收購公司。
「在 Alexa 初期，我們收購了很多公司�！筁imp 說。
2011 年年 9 月，它收購了 Yap，這是一家專攻語音文本轉(zhuǎn)換的公司。2012 年年 1 月收購了英國劍橋的 Evi，這家公司軟件可以像 Siri 一樣響應(yīng)用戶的需求。2013 年 1 月收購了 Ivona，這家專攻語音合成的波蘭公司，為 Echo 提供了能夠交談的技術(shù)。
但是，亞馬遜的密保文化也妨礙了公司吸引頂尖學(xué)術(shù)人才的努力。
Alex Smola 曾經(jīng)有希望成為亞馬遜的員工，他是這個領(lǐng)域的巨星，之前在 Yahoo 和 Google 工作過。
「實際上，他也是深度學(xué)習(xí)領(lǐng)域教父之一�！笹oogle scholar 引用超過了 90000 次，亞馬遜云深度學(xué)習(xí)和人工智能部門負(fù)責(zé)人 Matt Wood 說。
但是，亞馬遜高管甚至不向 Smola 透露他們將要從事的主要工作內(nèi)容。最終 Smola 選擇了卡耐基梅隆大學(xué)的一個實驗室。
在 Alexa 總監(jiān) Ruhi Sarikaya 和亞馬遜 Alexa 引擎副總裁 Al Lindsay 的領(lǐng)導(dǎo)下，團隊不僅嘗試研發(fā) Echo 系列智能音響，還試圖研發(fā)出能夠與其他公司產(chǎn)品兼容的語音服務(wù)
「即使到產(chǎn)品臨近推出這種關(guān)鍵時刻，我們面前也擺著巨大的障礙。他們會嚷嚷：『我憑什么要在亞馬遜工作？我又不想向顧客銷售產(chǎn)品！』」Lindsay 說道。
亞馬遜確實需要有所行動。
既然公司是由設(shè)想中的最終產(chǎn)品倒推，那么，產(chǎn)品藍圖可能會包含某些尚未發(fā)明的功能�！秆芯靠駸嵝汀箍茖W(xué)家對這些難題興趣十足。其在語音方面需配備能達到對話程度的 AI，這個 AI 應(yīng)當(dāng)能對「喚醒詞」敏感，聽取并譯解指令，以及給出盡量合理的答案；而亞馬遜目前無法做到這一點。
即便沒有亞馬遜的擁躉，這個項目也吸引了 Rohit Prasad（波士頓的技術(shù)承包公司 Raytheon BBN 中的一位知名語音識別科學(xué)家）的注意。（這個項目使亞馬遜同意他在家鄉(xiāng)建立了自己的團隊。）
他認(rèn)為，亞馬遜專業(yè)化的缺乏是一種特色而非缺陷�！高@個領(lǐng)域充滿希望。谷歌和微軟已經(jīng)在語音方面研究了很多年，而在亞馬遜，我們可以從頭開始，抓住并解決所有難題�！�
自從 2013 年加入亞馬遜以來，他就被委派到了 Alexa 項目中�！高@個設(shè)備以硬件的形式存在，但在語音領(lǐng)域?qū)儆谠缙诩夹g(shù)�！顾f。
Echo 最棘手的部分便是遠場語音識別，這個問題迫使亞馬遜開創(chuàng)了新局面，并在此過程中提升了機器學(xué)習(xí)技能。
它包括將與麥克風(fēng)存在一段距離的語音指令進行譯解，甚至能夠譯解被環(huán)境噪聲或其他細聲碎語干擾的語音指令。
而具有挑戰(zhàn)性的一個因素，便是設(shè)備在識別指令時不能有延時，它必須極快地將音頻發(fā)送至云端而后產(chǎn)生答案，使彼此之間像在進行對話，而不像處于某些「你不確定對方是否還活著」的尷尬場合。
若要建立一個在嘈雜條件下能夠理解并回應(yīng)對話式查詢指令的系統(tǒng)，則需要大量的數(shù)據(jù)，即許多人們可能與 Echo 進行的不同類互動的例子。至于亞馬遜可能會從何處得到數(shù)據(jù)，目前還不可知。
如今許多亞馬遜設(shè)備和第三方產(chǎn)品都在使用 Alexa 語音服務(wù)。而通過 Alexa 所收集的數(shù)據(jù)則有助于改良系統(tǒng)，并能增強亞馬遜更廣泛的 AI 服務(wù)
設(shè)備與服務(wù)的副總裁 Limp 說道，遠程技術(shù)早已完成，但「它建立在 Trident 潛艇的鼻錐體上，并且花費了十億美元�！箒嗰R遜試圖讓技術(shù)落地在一款可以放置在廚房柜臺上的設(shè)備中，它的價格也必須足夠低廉，才能吸引顧客購買這些稀奇古怪的小玩件。
「我們的團隊中，有十分之九的成員認(rèn)為這無法完成。我們在亞馬遜之外有一個技術(shù)顧問委員會，我們沒有向他們透露正在做什么，但是他們說『不管做什么工作都不要繞過語音識別！』。」Prasad 說。
Prasad 的經(jīng)歷使他堅信這能夠做到。但亞馬遜并未提供一個能將機器學(xué)習(xí)用于產(chǎn)品開發(fā)的可靠系統(tǒng)。
「好消息是，亞馬遜擁有全部必備品——無可比肩的云服務(wù)，裝有 GPU 來壓縮機器學(xué)習(xí)算法的數(shù)據(jù)中心，以及知曉如何快速移動數(shù)據(jù)的工程師�！顾f。
他的團隊利用這些部分創(chuàng)建了一個平臺，平臺本身便是寶貴的資產(chǎn)，其價值遠超出「豐富 Echo 的功能」這一使命。
「一旦我們將 Echo 開發(fā)為遠場語音識別設(shè)備，便有機會做的更多，即將 Alexa 的范圍擴展到語音服務(wù)當(dāng)中�！笰lexa 的資深首席科學(xué)家 Spyros Matsoukas 說道。
這位科學(xué)家在 Raytheon BBN 公司，并與 Prasad 合作。（他的工作包括一個很小眾的 DARPA 項目，稱為 Hub4，該項目利用廣播新聞節(jié)目和被攔截的電話內(nèi)容來提升語音識別和自然語言理解能力，這是針對 Alexa 項目的一次大型訓(xùn)練。）他們擴展 Alexa 的一個直接方法，便是允許第三方開發(fā)者創(chuàng)建屬于自己的語音技術(shù)迷你應(yīng)用程序（稱為 skills）來運行 Echo 自身。但這僅僅是開始。
通過將 Alexa 應(yīng)用于的 Echo 設(shè)備之外，公司的人工智能文化開始融合。整個公司的團隊開始意識到，Alexa 也可以為他們的小項目提供有用的語音服務(wù)。
「盡管我們在項目負(fù)責(zé)制方面非常強，所有這些數(shù)據(jù)和技術(shù)還是要結(jié)合在一起�！筆rasad 說。
首先，亞馬遜的其他產(chǎn)品開始集成到 Alexa：當(dāng)你在 Alexa 設(shè)備上講話時，你可以訪問亞馬遜音樂（Amazon Music）、Prime Video，來自亞馬遜購物網(wǎng)站的你的個人推薦和其他服務(wù)。
隨后，這項技術(shù)開始在其他亞馬遜領(lǐng)域推廣�！敢坏┪覀冇辛嘶镜恼Z言能力，我們就能把它帶給非 Alexa 的產(chǎn)品，比如 Fire TV、語音購物、Amazon fresh 的 Dash Wand，以及最終的 AWS�！筁indsay 說。
亞馬遜內(nèi)部的人工智能小島正在逐漸聚集成洲。
一旦數(shù)百萬用戶（亞馬遜不會確切地說到底有多少）開始使用 Echo 和其他一系列 Alexa 驅(qū)動的設(shè)備，該公司轉(zhuǎn)型的另一個關(guān)鍵部分就開始了。
亞馬遜開始積累大量的數(shù)據(jù)，這可能是所有對話驅(qū)動設(shè)備中最大的交互集合。這些數(shù)據(jù)成為潛在雇員的有力誘餌。突然間，亞馬遜迅速躥升成為那些它夢寐以求的機器學(xué)習(xí)專家可能想要工作的地方。
「讓 Alexa 如此吸引我的原因之一是，一旦你在市場上有了一個設(shè)備，你就有了反饋的資源。不僅是客戶的反饋，而且是真正的數(shù)據(jù)，對于改善一切——尤其是底層平臺——是如此重要。」去年加入亞馬遜的一位 Alexa 機器學(xué)習(xí)副總裁 Ravi Jain 說。
因此，隨著越來越多的人使用 Alexa，亞馬遜得到的信息不僅使該系統(tǒng)性能更好，而且還加強了自己的機器學(xué)習(xí)工具和平臺，并使這家公司成為機器學(xué)習(xí)科學(xué)家的一個更熱門的目的地。
飛輪正開始旋轉(zhuǎn)。
一個更具智慧的云端
亞馬遜在 2014 年開始向高端客戶銷售 Echo；而同年，Swami Sivasubramanian 對機器學(xué)習(xí)入了迷。
當(dāng)時正在管理 AWS 數(shù)據(jù)庫及分析業(yè)務(wù)的 Sivasubramanian 正和家人在印度旅行，在時差和思維千奇百怪的女兒的混合「打擊」下，他開始深夜在電腦前研究谷歌的 Tensorflow 和 Caffé這樣的工具，而它們恰恰是 Facebook 和許多學(xué)者青睞的機器學(xué)習(xí)框架。
他總結(jié)道，將這些工具與亞馬遜的云服務(wù)相結(jié)合可能會產(chǎn)生巨大的價值。他使機器學(xué)習(xí)算法在云端易于運行后，認(rèn)為公司可能會進入潛在需求所組成的脈絡(luò)。
「我們每月能夠為數(shù)百萬開發(fā)者提供服務(wù)，其中大多數(shù)都沒有機器學(xué)習(xí)背景，而不是麻省理工學(xué)院的教授。」他說道。
之后 Jeff Bezos 評論道，他帶著史詩般的六頁提案，氣宇軒昂而來。
從某層面而言，它是向 AWS 增添機器學(xué)習(xí)服務(wù)的藍圖；而 Sivasubramanian 卻看的更遠：這是使 AWS 成為所有科技領(lǐng)域機器學(xué)習(xí)活動活躍中心的宏偉愿景。
從某種意義上而言，向數(shù)萬亞馬遜的云客戶提供機器學(xué)習(xí)是不可避免的。
「當(dāng)我們首次將 AWS 的初始商業(yè)計劃整合到一起時，其任務(wù)便是，采用只有少數(shù)資金雄厚的組織才能實現(xiàn)的技術(shù)，并使其分布盡量廣泛。我們在計算、存儲、分析與數(shù)據(jù)庫方面取得了成功，并且正利用機器學(xué)習(xí)，采取了完全相同的方法。」AWS 的機器學(xué)習(xí)經(jīng)理 Wood 說道。
而能夠吸取公司在其他方面所積累的經(jīng)驗，則是使 AWS 更加順風(fēng)順?biāo)囊淮蠓▽殹?/P>
Wood 說，AWS 在 2015 年首次推出的 Amazon Machine Learning 使像 C-Span 這樣的客戶能夠建立私人面部目錄；Zillow 用來估算房價，Pinterest 則用于虛擬搜索，并且有幾家自動駕駛的初創(chuàng)公司正應(yīng)用 AWS 的機器學(xué)習(xí)，通過數(shù)百萬英里的模擬道路測試來改進產(chǎn)品。
2016 年，AWS 推出了新的機器學(xué)習(xí)服務(wù)，一個名為 Polly 的文本到語音組件，以及一個名為 Lex 的自然語言處理引擎——它們更直接地利用了 Alexa 的創(chuàng)新。
這些產(chǎn)品幫助 AWS 的客戶們建立自己的迷你 Alexa，從 Pinterest 和 Netflix 等巨頭到小型初創(chuàng)公司都可以輕松完成。
涉及視覺的第三項服務(wù) Rekognition 利用在亞馬遜一個相對不太出名的團隊 Prime Photos 完成的工作，這個團隊試圖實現(xiàn)谷歌、Facebook 和蘋果的照片產(chǎn)品中同樣的深度學(xué)習(xí)功能。
這些機器學(xué)習(xí)服務(wù)既是強大的收入來源，也是亞馬遜人工智能飛輪的關(guān)鍵，因為諸如美國國家航空航天局（NASA）和美國國家橄欖球聯(lián)盟（NFL）這樣的來自各界的客戶都在花錢讓他們的機器從亞馬遜的數(shù)據(jù)中學(xué)習(xí)。
當(dāng)這些公司能在 AWS 內(nèi)部建立他們的重要機器學(xué)習(xí)工具時，他們轉(zhuǎn)移到競爭對手的云運算平臺的可能性就變得微乎其微了。（真是抱歉了，谷歌、微軟、或者 IBM）
看看 Infor，這是一家為企業(yè)客戶創(chuàng)建業(yè)務(wù)應(yīng)用程序的價值數(shù)十億美元的公司。最近，它發(fā)布了一個名為 Coleman（以電影 Hidden Figures 里 NASA 數(shù)學(xué)家的名字命名）的大規(guī)模新應(yīng)用程序，它允許客戶僅通過對話界面來自動化各種過程、分析公司表現(xiàn)，以及與數(shù)據(jù)進行交互。它并沒有從頭構(gòu)建自己的程序，而是使用了 AWS 的 Lex 技術(shù)。
「無論如何，亞馬遜都在做這個方面的研究，那么我們?yōu)槭裁匆谶@上面花時間呢？我們了解我們的客戶，可以讓應(yīng)用程序更適合他們使用�！笽nfor 的高級副總裁 Massimo Capoccia 如是說。
AWS 在以太領(lǐng)域的主導(dǎo)地位也使其在戰(zhàn)略上優(yōu)于競爭對手，尤其是谷歌，該公司曾希望利用其機器學(xué)習(xí)的領(lǐng)導(dǎo)力，在云計算領(lǐng)域趕上 AWS。是的，谷歌可以在服務(wù)器上為客戶提供超快、機器學(xué)習(xí)優(yōu)化的芯片，但是 AWS 上的公司可以更容易地與那些也在服務(wù)的公司進行互動和銷售。
「就像 Willie Sutton 說他搶銀行是因為錢就在那里一樣，」DigitalGlobe 公司的 CTO Walter Scott 在談到他的公司為什么使用亞馬遜的技術(shù)時說，「我們使用 AWS 進行機器學(xué)習(xí)，因為這是我們的客戶所在�！�
去年 11 月，在 AWS 的 re:Invent 會議上，亞馬遜為其客戶推出了一個更全面的機器學(xué)習(xí)外延輔助工具：SageMaker，這是一個復(fù)雜但超級易用的平臺。
它的創(chuàng)造者之一正是 Alex Smola，他是機器學(xué)習(xí)領(lǐng)域的超級明星，有超過 9 萬次學(xué)術(shù)引用，在五年前曾拒絕了亞馬遜的工作邀請。當(dāng) Smola 決定重返行業(yè)時，他想要幫助創(chuàng)建強大的工具，讓日常軟件開發(fā)人員能夠訪用上機器學(xué)習(xí)。所以他去了他認(rèn)為能讓他產(chǎn)生最大影響力的地方。
「亞馬遜太好了，不能放棄，」他說，「你可以寫一篇關(guān)于某個問題的論文，但如果你不去實現(xiàn)它，就沒人會真的用你那漂亮的算法�！�
當(dāng) Smola 告訴 Sivasubramanian，構(gòu)建能夠?qū)C器學(xué)習(xí)傳播給數(shù)百萬人的工具比發(fā)布再多一篇論文更重要時，他得到了一個驚喜。
「你也可以發(fā)表你的論文！」Sivasubramanian 說。
是的，亞馬遜如今在允許其科學(xué)家發(fā)表文章方面更加自由�！高@對招募頂尖人才有很大幫助，同時也為亞馬遜的研究提供了可看性，」幫助制定了更開放立場指南的 Spyros Matsoukas 說。
要想知道 AWS 的一百多萬用戶是否會開始使用 SageMaker 將機器學(xué)習(xí)應(yīng)用到他們的產(chǎn)品中，現(xiàn)在還為時過早。但是每一個做過的客戶都會發(fā)現(xiàn)自己在亞馬遜上投入良多。
此外，該平臺非常復(fù)雜，甚至包括 Alexa 團隊在內(nèi)的亞馬遜內(nèi)部人工智能團隊都表示，他們打算成為 SageMaker 客戶，使用這個本是提供給外部人員的工具。
他們相信，通過為他們的項目設(shè)立一個基礎(chǔ)，讓他們能夠?qū)Ｗ⒂诟呒壍乃惴ㄈ蝿?wù)，這將為他們節(jié)省大量的工作。
即使只有 AWS 的部分客戶使用了 SageMaker，亞馬遜也會發(fā)現(xiàn)自己的系統(tǒng)性能數(shù)據(jù)豐富許多（當(dāng)然，這不包括客戶自己的機密信息）。這將帶來更好的算法、更好的平臺，和更多的客戶。飛輪正在加班加點地工作。
人工智能無處不在
隨著機器學(xué)習(xí)的徹底改革，該公司的人工智能技術(shù)已經(jīng)遍布了許多團隊，這讓 Bezos 和他的助手們非常滿意。
雖然在亞馬遜沒有人工智能的中心辦公室，但的確有一個部門專門負(fù)責(zé)機器學(xué)習(xí)以及一些將新科學(xué)推進公司項目的應(yīng)用研究的推廣和支持。
核心機器學(xué)習(xí)小組由 Ralf Herbrich 領(lǐng)導(dǎo)，在 2012 年被亞馬遜引入之前，他曾在微軟的 Bing 團隊工作，然后在 Facebook 工作了一年。
他說，在公司內(nèi)部「有一個擁有這個社區(qū)的地方是很重要的。」（當(dāng)然，這支團隊的任務(wù)歸納在了一份 Bezos 批準(zhǔn)的充滿抱負(fù)的六頁提案上。）
他的部分職責(zé)包括培育亞馬遜快速增長的機器學(xué)習(xí)文化。由于該公司以客戶為中心的思路——解決問題而不是進行理論研究——亞馬遜的高管們承認(rèn)，他們的招聘工作總是傾向于那些對構(gòu)建新事物感興趣的人，而不是那些追求科學(xué)突破的人。
Facebook 的 LeCun 則以另一種方式表達了同樣觀點：「你即使不領(lǐng)導(dǎo)知識的先鋒，也可以做得很好�！�
但亞馬遜也在跟隨 Facebook 和谷歌的領(lǐng)導(dǎo)，培訓(xùn)其員工在人工智能方面更加熟稔。它開設(shè)了關(guān)于機器學(xué)習(xí)策略的內(nèi)部課程，主辦了一系列內(nèi)部專家的講座。從 2013 年開始，該公司每年春天都會在其總部舉辦一場內(nèi)部機器學(xué)習(xí)會議，這是一種亞馬遜內(nèi)部版的 NIPS，NIPS 是最重要的學(xué)術(shù)機器學(xué)習(xí)平臺。
「剛開始的時候，亞馬遜的機器學(xué)習(xí)會議只有幾百人，而現(xiàn)在已經(jīng)有成千上萬的人了，」Herbrich 說。
「我們在西雅圖最大的會議室容量也不夠，所以我們把在那里舉辦，然后在園區(qū)里的其他 6 個會議室直播�！箒嗰R遜的一名高管說，如果它變得更大，而不是把它稱為一個亞馬遜的機器學(xué)習(xí)活動，而可以被稱為亞馬遜本身了。
Herbrich 的團隊繼續(xù)將機器學(xué)習(xí)推進到公司的一切新業(yè)務(wù)。
例如，執(zhí)行團隊想要更好地預(yù)測在某一客戶的訂單中應(yīng)該選取 8 個可選盒子尺寸中的哪一個時，他們求助于 Herbrich 的團隊。
「那個實現(xiàn)團隊不需要有自己的科學(xué)團隊，但它需要這些算法，并且需要能夠很容易地使用它們�！顾f。
在另一個例子中，David Limp 指出了亞馬遜對有多少客戶可能會購買新產(chǎn)品的預(yù)測方法的轉(zhuǎn)變�！肝乙呀�(jīng)在消費電子產(chǎn)品領(lǐng)域工作了 30 年，其中有 25 年的預(yù)測都是用（人類的）判斷、電子表格和一些魔術(shù)球和飛鏢做的�！顾f，「自從我們開始用機器學(xué)習(xí)來進行預(yù)測，我們的錯誤率明顯地下降了�！�
不過，有時候 Herbrich 的團隊還是會將尖端科學(xué)應(yīng)用到一個問題上。
該公司的雜貨遞送服務(wù) Amazon Fresh 已經(jīng)運營了 10 年，但它需要一種更好的方式來評估水果和蔬菜的質(zhì)量——人類的速度太慢且標(biāo)準(zhǔn)不一致。他在柏林的團隊建立了滿是傳感器的硬件和新的算法，為系統(tǒng)加入了觸摸和聞到食物的能力。
「三年后，我們到達了一個原型機階段，可以（比以前）更可靠地判斷質(zhì)量」。
當(dāng)然，這樣的進步會滲透到整個亞馬遜生態(tài)系統(tǒng)中。
以 Amazon Go 為例，這是一家位于其總部大樓內(nèi)剛剛開始向公眾開放的、以深度學(xué)習(xí)為動力的無人收銀雜貨店�！缸鳛� AWS 的客戶，我們受益于它的規(guī)模，」Amazon Go 的技術(shù)副總裁 Dilip Kumar 說，「但 AWS 也同樣是個受益者。」
他舉了 Amazon Go 獨特的流媒體數(shù)據(jù)系統(tǒng)的例子，該系統(tǒng)通過數(shù)百臺攝像機記錄顧客的購物活動。他的團隊所策劃的創(chuàng)新幫助影響了一項稱為「Kinesis」的 AWS 服務(wù)，該服務(wù)讓用戶將視頻從多個設(shè)備傳送到亞馬遜云，在那里他們可以處理、分析和使用它來進一步推進他們的機器學(xué)習(xí)。
即使亞馬遜的某項服務(wù)尚未使用公司的機器學(xué)習(xí)平臺，它也可以成為這個過程的積極參與者。
亞馬遜的 Prime Air 無人機送貨服務(wù)仍處于原型階段，它必須單獨構(gòu)建人工智能，因為無人機無法依靠云端來計算。但它仍能從飛輪上獲得巨大的收益，無論是從公司的其他方面獲取知識，還是弄清楚使用什么工具。
「我們認(rèn)為這是一個菜單——每個人都在分享他們能提供的菜肴，」Prime Air 副總裁 Gur Kimchi 說。他預(yù)計，他的團隊最終將擁有自己的美味菜單。
「我們的經(jīng)驗教訓(xùn)和我們在 Prime Air 上解決的問題無疑是對亞馬遜的其他團隊來說有用的�！�
事實上，這似乎已經(jīng)發(fā)生了。
「如果有人在公司的某個部門（比如 Prime Air 或 Amazon Go）看一幅圖片，他們學(xué)到了一些東西，并創(chuàng)造出一種算法，他們就會和公司里的其他人討論這個問題。于是，我的團隊中的某個人也可以使用它，比如說，弄清楚一個在在執(zhí)行中心移動的產(chǎn)品的圖像里有什么�！箒嗰R遜機器人（Amazon robotics）的首席科學(xué)家 Beth Marcus 說。
一個以產(chǎn)品為中心的公司是否有可能超越滿是深度學(xué)習(xí)超級明星的競爭對手？
亞馬遜正為這個問題提供一個案例。
「雖然他們正在努力趕上，但他們發(fā)布的產(chǎn)品卻令人印象深刻，」艾倫人工智能研究所 (Allen Institute for Artificial Intelligence) 的首席執(zhí)行官 Oren Etzioni 說，「他們是世界級的公司，他們創(chuàng)造了世界級的人工智能產(chǎn)品。」
飛輪一直在旋轉(zhuǎn)，我們尚未看到很多正在準(zhǔn)備中的「六頁提案」的影響。但是，更多的數(shù)據(jù)，意味著更多的顧客。更好的平臺，意味著更多的人才。
「 Alexa，亞馬遜在人工智能領(lǐng)域現(xiàn)在做得怎么樣？」
回答么？就是 Jeff Bezos 尖尖的笑聲了。
