2014年初，Srikanth Thirumalai找到亞馬遜 CEO 杰夫 ·貝索斯。Thirumalai是一名計算機科學家，2005年從IBM離職后就一直領導著亞馬遜的推薦團隊，他將要提出一個全范圍的新計劃，將人工智能的最新進展整合到他的部門中。
他帶著一個六頁紙的文檔。很久以前，貝佐斯就宣布，向他提出新產品和服務的計劃書必須限制在這一范圍內，而且還得包括一個描述產品、服務或計劃的新聞稿。現(xiàn)在，貝佐斯想要把亞馬遜變成一個人工智能重鎮(zhèn)。在公司成立早期，亞馬遜就在產品推薦中使用了人工智能技術。但最近幾年，這一領域出現(xiàn)了一場革命，機器學習變得更有效了，尤其是在深度學習，直接帶動了計算機視覺，語音和自然語言處理等方面取得了巨大的進步。
在這個十年的早期，亞馬遜還沒有顯著地利用這些優(yōu)勢，但它意識到這是一個迫切的需求。這個時代最重要的風口將會是人工智能，谷歌、Facebook、蘋果和微軟都投入了巨大的資源，亞馬遜卻落在了后面。“我們會問每一個團隊的領導者這樣一個問題——‘你將如何利用這些技術，并將它們整合到你的業(yè)務中？’”亞馬遜設備和服務副總裁大衛(wèi)·斯利特（David Limp）說。
Thirumalai把這一點牢牢地記在了心底，他找到貝佐斯，向他提出了如何更加積極地利用機器學習的建議。但他認為，徹底重塑現(xiàn)有的系統(tǒng)風險可能太大，但經過20年的調整，機器學習已經在圖像和語音識別這兩個不相關的領域發(fā)揮了最好的效果。“還沒有人真正將深度學習應用到推薦問題上，”他說。“所以這需要我們對自己的信心有一個飛躍。”Thirumalai還沒有完全準備好——但是貝佐斯想要他做更多，Thirumalai分享了他的更激進的選擇——利用深度學習來改進推薦的工作方式。這需要他的團隊去掌握還不存在的技能，開發(fā)沒有被創(chuàng)造出來的工具，以及研究沒有人想到的算法。貝佐斯非常喜歡這個選擇。然后，Thirumalai重寫了他的新聞稿，并開始了工作。
Srikanth Thirumalai，亞馬遜搜索業(yè)務副總裁，負責用先進的機器學習來改進亞馬遜軟件的領導者之一。
Thirumalai只是幾年前帶著6頁文檔找到貝索斯高管中的一位，他們負責不同的產品，服務不同的客戶群體。但每個人基本上都想到了和Thirumalai差不多的方法：用先進的機器學習技術改造亞馬遜的一部分業(yè)務。其中有些人提出重塑當前的業(yè)務項目，比如公司的機器人技術和大數(shù)據中心業(yè)務——亞馬遜網絡服務（Amazon Web Services）。有一些人則提出了創(chuàng)建全新的業(yè)務，比如一個基于語音的家用電器，最后演變成了Echo。
這些改變產生的影響遠遠超出了單個項目的范疇。Thirumalai說，在他開會的時候，會把亞馬遜的人工智能人才隔離開來。“我們可能會爭論，可能會交流，但我們不會彼此分享太多的進展，因為這些經驗并不能簡單或者直接嫁接，”他說。他們是浩瀚的工程海洋中的人工智能島，用機器學習來徹底改造公司的努力改變了這一切。
盡管這些團隊都比較崇尚亞馬遜的“單線程”團隊文化，但在發(fā)展人工智能的關頭，他們走向了合作。一些科學家解決了一些棘手的問題，并跟其他的團隊分享了自己的解決方案。整個公司里，人工智能島之間開始建立了聯(lián)系。隨著亞馬遜對人工智能方面的項目野心不斷增大，其面臨的挑戰(zhàn)也越來越復雜，從而為其吸引了頂尖的人才，尤其是那些希望看到自己的工作能夠產生實際影響的人，這彌補了亞馬遜在純研究方面的缺口。因為亞馬遜一直遵循著以客戶服務為導向的公司文化。
亞馬遜喜歡用“飛輪”（flywheel）這個詞來形容它龐大業(yè)務的各個部分是如何作為一個永動機來運作的。它現(xiàn)在有了一個強大的人工智能飛輪，作為公司的一部分，機器學習的創(chuàng)新為其他團隊的努力提供了動力，而其他團隊則可以開發(fā)產品或提供服務來影響另外的團隊，甚至是整個公司。此外，將機器學習平臺作為付費服務提供給外部人士，這讓這項工作本身變得有利可圖——在某些情況下，還可以獲取更多的數(shù)據來進一步提高技術水平。
亞馬遜從一個深度學習的追隨者成為了主導者，這背后需要大量的六頁紙文檔項目。這種轉變的結果可以在整個公司中看到——包括目前在一個全新的機器學習基礎上運行的推薦系統(tǒng)。亞馬遜能夠更加精確地建議你接下來應該閱讀什么，你應該在購物清單上添加什么商品，以及你今晚可能會想看什么電影。今年，Thirumalai開始了一項新的工作——主管亞馬遜搜索，他打算用深度學習來改造這個服務的各個方面。
“如果你在七八年前問我，亞馬遜在人工智能領域的影響力有多大，我可能會說，‘他們什么都不是，’”華盛頓大學計算機科學教授Pedro Domingos說。“但他們一直都在努力發(fā)展，現(xiàn)在已經成為了一股不可忽視的力量。”
Alexa效應
亞馬遜進軍人工智能領域的旗艦產品是其獨立的智能音箱Echo，以及為其提供動力的Alexa語音平臺。這些項目同樣來自于一份六頁紙文檔，在2011年提交給了貝佐斯。其中一名參與者是一位名叫Al Lindsay的高管，他從2004年起就加入了亞馬遜，他被要求離開當時正在領導的 Prime tech 團隊, 幫助完成一些全新的東西。“一種低成本、無處不在的計算機，它的所有‘大腦’都在云端，你可以通過語音與它互動——你跟它說話，它會跟你說話。”這就是當初他對Echo的描述。
但是想要建立這樣的一個系統(tǒng)，也就是說想要實現(xiàn)科幻小說《星際迷航》中那臺健談的計算機，需要有人工智能能力，這正是亞馬遜所缺少的。更糟糕的是，在很少能夠建立這樣系統(tǒng)的專家中，基本上沒有人愿意為亞馬遜工作。谷歌和Facebook正在爭搶該領域的頂尖人才。“我們是弱者，”現(xiàn)在是副總裁的Lindsay說。
亞馬遜Alexa引擎副總裁Al Lindsay表示，亞馬遜在試圖招募人工智能專家來設計和搭建語音平臺時處于劣勢。
“亞馬遜的形象有點糟糕，他們一直對那些研究型的人才不太友好，”華盛頓大學教授Domingos說，亞馬遜對客戶的高度關注，以及的文化氛圍，與學術界的格調和競爭對手提供的輕松待遇并不一致。“在谷歌，你是被縱容的，”Domingos說。“但在亞馬遜并不一樣。”更糟糕的是，亞馬遜還有這樣的一個名聲——它是一個將創(chuàng)新工作置于企業(yè)機密之下的地方。2014年，機器學習領域的頂級專家之一Yann LeCun，在一次內部會議上向亞馬遜的科學家們做了一次演講。他在被邀請參加這個演講的時候，他收到了一份領導Facebook研究團隊的offer，但他還是去了。正如他現(xiàn)在所描述的那樣，他在一個大約600人的禮堂里演講，然后被領進了一個會議室，一個接一個的小組進去向他提問。但是當他問他們問題時, 他們都沒有回答。 這讓LeCun對亞馬遜失去了興趣，從而選擇了Facebook，部分原因在于Facebook同意開源其人工智能團隊的大部分工作。
因為亞馬遜缺乏人才，它利用自己雄厚的財力來收購有技術專長的公司。“在開發(fā)Alexa的早期，我們收購了很多公司，”Limp說。2011年9月，亞馬遜收購了Yap，這是一家語音文本公司，擅長將口語轉化為書面語言。2012年1月，收購了英國劍橋的Evi公司，該公司的軟件可以像Siri那樣響應語音請求。2013年1月，收購了一家專門從事文本轉語音業(yè)務的波蘭公司Ivona，該公司提供的技術可以使Echo能夠進行對話。
但是亞馬遜的保密文化阻礙了它吸引頂尖人才的努力。其中一個潛在招募對象是Alex Smola，他是這個領域的超級明星，曾在雅虎和谷歌工作過。“他確實是深度學習領域的教父之一，”亞馬遜網絡服務公司的深度學習和人工智能的總經理Matt Wood說。（谷歌學術上關于Smola作品的引用有超過9萬次。）亞馬遜的高管們甚至不會向他或其他候選人透露他們將會做什么。Smola拒絕了這個提議，而是選擇在卡內基梅隆大學負責建立一個實驗室。
Alexa的總監(jiān)Alexa Sarikaya和亞馬遜Alexa引擎的副總裁Al Lindsay，不僅創(chuàng)建了智能音箱的Echo，還致力于為其他公司的產品提供語音服務。
“在我們發(fā)布產品之前，一直都是逆風而行，”Lindsay說。“他們會說，‘我為什么要去亞馬遜工作——我對那些賣給人們的產品不感興趣！’”
但亞馬遜在一個方面確實有吸引力。因為亞馬遜一直都遵循著先寫新聞稿再開發(fā)產品的習慣，很多時候這些新聞稿里面有很多困難的問題，這些困難的問題對于一些有野心的科學家來說，是具有致命吸引力的。特別是想要在語音領域有所建樹，必須要有一種對話式的人工智能技術，比如具備喚醒詞（“嗨，Alexa！”），能夠識別并理解命令，提供合理的答案等等，這些技術在當時都還不存在。
即使這個項目沒有太多的開發(fā)細節(jié)，也引起了Rohit Prasad的興趣，他是一位受人尊敬的語音識別科學家。（亞馬遜讓他在自己的家鄉(xiāng)建立了一個團隊，這也對他有幫助。）他認為亞馬遜缺乏專業(yè)知識是一個特征，而不是缺陷。 "這里是一塊待開拓的土地,"他說。 "谷歌和微軟多年來一直致力于語音技術的研究。 在亞馬遜，我們可以白手起家，解決難題。”2013年，他加入了Alexa的項目。“這款設備還處于一種硬件階段，想要在語音方面有所建樹還為時尚早，”他表示。
Echo中最棘手的部分是一種被稱為遠場語音識別的技術，它涉及到識別并理解與麥克風保持一定距離的語音指令，即使這些指令會受到環(huán)境噪音或其他聲音的影響。一個很有挑戰(zhàn)性的因素是，這款設備不能浪費太多時間去思考你說的話。它必須把音頻發(fā)送到云端，并迅速給出一個答案，讓人感覺像是在談話。構建一個能夠在嘈雜的環(huán)境中理解指令，并給出響應的機器學習系統(tǒng)需要大量的數(shù)據。亞馬遜從哪里得到這些數(shù)據也是一個非常棘手的事情。
現(xiàn)在，各種各樣的亞馬遜設備和第三方產品都使用了Alexa語音服務。通過Alexa收集的數(shù)據有助于改進系統(tǒng)。
遠場技術以前就存在了，Limp 說。但“它在三叉戟潛艇的鼻錐上，要花費十億美元。”亞馬遜試圖將其安裝在一個可以放在廚房柜臺上的設備上，而且它必須足夠便宜，讓消費者能夠買得起這樣一款新奇的小玩意。“我的團隊中有90%的人認為這是不可能的，”Prasad說。“在亞馬遜外，我們有一個技術咨詢委員會——我們沒有告訴他們我們在做什么，但他們說，‘不管你做什么，都不要去碰遠場識別！‘”
Prasad的經歷給了他信心，讓他相信這是可以實現(xiàn)的。但是，亞馬遜并沒有一個能夠將機器學習應用于產品開發(fā)的系統(tǒng)。“我們有一些科學家在研究深度學習，但我們沒有足夠的基礎設施來生產，”他說。好消息是，所有的零部件都在亞馬遜體系內——一個無與倫比的云服務，裝有GPU的數(shù)據中心來處理機器學習算法，還有那些知道如何像“火球”一樣移動數(shù)據的工程師。
他的團隊利用這些零件創(chuàng)建了一個平臺，這個平臺本身就是一筆寶貴的資產，超出了它為Echo提供動力的價值。“一旦我們將 Echo 開發(fā)成一個遠場語音識別設備，我們就看到了做更大事情的機會——我們可以將Alexa的范圍擴大到語音服務，”Alexa高級首席科學家Spyros Matsoukas說。他們擴展Alexa的一種直接方式是允許第三方開發(fā)者創(chuàng)建他們自己的“語音技術迷你應用程序”——被稱為“技能”，能在Echo上運行。但這僅僅只是個開始。
亞馬遜公司的資深首席科學家Spyros Matsoukas將Alexa變成了一股力量，它可以加強亞馬遜的人工智能文化。
通過在Echo之外推出Alexa，亞馬遜開始凝聚起來了一種人工智能文化。公司的團隊開始意識到，Alexa也可以為其寵物項目提供有用的語音服務。
“盡管我們對“單線程”所有權上非常重視，但所有的數(shù)據和技術都匯集在一起。”Prasad說。亞馬遜的其他產品也開始整合到了Alexa中：當你使用Alexa的設備時，你可以訪問亞馬遜音樂、Prime視頻和其他服務等等。然后，這項技術開始在亞馬遜其他領域流傳開來。“一旦我們擁有了基本的語音能力，我們就可以將它帶到非Alexa的產品中，比如Fire TV、語音購物、以及最終的AWS中，”Lindsay說道。
亞馬遜內部的人工島之間的距離越來越近了。
促進亞馬遜轉型的另一個關鍵環(huán)節(jié)是，一旦有數(shù)百萬客戶（亞馬遜不愿透露具體數(shù)量）開始使用Echo，或者是使用其他基于Alexa設備，就意味著它已經進入了這個領域。亞馬遜開始積累大量的數(shù)據——很可能是所有談話驅動設備中最大的交互集合。這些數(shù)據對潛在的雇傭者來說是一個強大的誘惑。突然間，亞馬遜迅速成為了那些令人垂涎的機器學習專家們想要工作的地方。"讓 Alexa 對我如此有吸引力的原因之一是, 一旦你在市場上有了一個設備, 你就有了反饋的資源，不僅是用戶的反饋數(shù)據，還有那些對改善一切都至關重要的實際數(shù)據——尤其是底層平臺。”去年加入亞馬遜的機器學習副總裁 Ravi Jain 說。
因此，隨著越來越多的人使用Alexa，亞馬遜獲得的信息不僅能夠使系統(tǒng)性能更好，而且還強化了它自己的機器學習工具和平臺——并使其成為機器學習科學家的一個熱門目的地。
飛輪開始旋轉。
更聰明的云
2014年，亞馬遜開始向Prime客戶銷售Echo。同年，Swami Sivasubramanian開始著迷于機器學習。
當時負責管理 AWS 數(shù)據庫和分析業(yè)務的 Sivasubramanian 當時正在印度進行家庭旅行, 由于時差綜合癥，他發(fā)現(xiàn)自己深夜在電腦前擺弄谷歌的 Tensorflow 和Café等工具, 這是 Facebook 和許多學術界專家青睞的機器學習框架。 他的結論是，將這些工具與亞馬遜的云服務結合起來可能產生巨大的價值。他認為，通過使云計算中的機器學習算法變得更容易，公司可能會挖掘出潛在的需求脈絡。“我們每個月都會為數(shù)百萬的開發(fā)者提供服務，”他說。“大多數(shù)人不是麻省理工學院的教授，而是沒有機器學習背景的開發(fā)者。”
亞馬遜人工智能副總裁斯Swami Sivasubramanian，是首批意識到將人工智能工具集成到公司云服務中，將會產生商業(yè)價值的人之一。
他帶著史詩般的六頁紙文檔去找到了杰夫·貝佐斯。在某種程度上，它是為 AWS 增加機器學習服務的藍圖。但是，Sivasubramanian認為這具有更廣闊的前景：AWS將會成為整個技術領域機器學習活動的中心。
從某種意義上來說，向成千上萬的亞馬遜云用戶提供機器學習是不可避免的。“當我們第一次整合AWS最初的商業(yè)計劃時，我們的任務是采用只有少數(shù)資金充足的組織才能獲得的技術，并使之盡可能廣泛地分布，”AWS機器學習經理Wood說。“我們在計算、存儲、分析和數(shù)據庫方面已經成功地做到了這一點——我們在機器學習方面也采取了同樣的方法。”更簡單的是，AWS團隊可以借鑒公司其他團隊積累的經驗。
AWS在2015年首次推出“亞馬遜機器學習”，允許像C-Span這樣的客戶建立一個私人的面部列表，Wood說。Zillow用它來估算房價。Pinterest將其用于視覺搜索。幾家自主駕駛創(chuàng)業(yè)公司正在利用AWS機器學習技術，通過數(shù)百萬英里的模擬道路測試來改進產品。
2016年，AWS發(fā)布了新的機器學習服務，更直接地借鑒了Alexa的創(chuàng)新——一種名為Polly的文本到語音的組件，以及一種名為Lex的自然語言處理引擎。這些產品讓AWS的客戶——從Pinterest和Netflix這樣的巨頭到小型創(chuàng)業(yè)公司——都可以建立自己的迷你“Alexas”。
第三個涉及視覺的服務Rekognition，借鑒了Prime Photos所做的工作，這是亞馬遜一個相對不太出名的群體，他們試圖和谷歌、Facebook和蘋果等照片產品一樣，在照片識別領域實現(xiàn)同樣的深度學習魔法。
這些機器學習服務既是強大的收入來源，也是亞馬遜的人工智能飛輪的關鍵，因為像美國國家航空航天局和美國橄欖球聯(lián)盟這樣不同的客戶都在花錢讓他們的機器從亞馬遜上學習。隨著企業(yè)在AWS中建立起重要的機器學習工具，他們最后轉向與亞馬遜競爭的云計算業(yè)務的可能性變得微乎其微。（對不起，谷歌、微軟或IBM。）
比如Infor，這家為企業(yè)客戶創(chuàng)建商業(yè)應用程序的公司估值已經達到了數(shù)十億美元。它最近發(fā)布了一款名為Coleman的新應用，它允許客戶自動處理各種流程，分析性能，并通過對話界面與數(shù)據交互。它沒有從頭開始構建自己的機器人，而是使用AWS的Lex技術。“不管怎樣，亞馬遜都已經做出來了，我們?yōu)槭裁匆〞r間在這上面呢？我們了解我們的客戶，我們可以使之適用于他們，”Infor的高級副總裁Massimo Capoccia說。
AWS在以太網上的主導地位，也使其在戰(zhàn)略上比競爭對手更有優(yōu)勢，尤其是谷歌，后者曾希望利用其機器學習的領導地位，在云計算領域趕上AWS。是的，谷歌可能會在其服務器上為客戶提供超快的、機器學習優(yōu)化的芯片。但是，在AWS上的公司可以更容易地與使用相同服務的公司進行交互，并向它們銷售產品。“這就像Willie Sutton所說的，他之所以搶劫銀行，是因為那是錢的來源，”DigitalGlobe的首席技術官Walter Scott談到了他的公司為什么使用亞馬遜的技術。“我們使用AWS進行機器學習，因為這是我們的客戶所在的地方。”
去年11月，在AWS re:Invent大會上，亞馬遜為其客戶推出了一個更全面的機器學習產品:SageMaker，一個成熟且超級易用的平臺。它的創(chuàng)造者之一就是Alex Smola，這位機器學習領域的超級巨星，在五年前拒絕了亞馬遜。當Smola決定重返業(yè)界時，他想要幫助創(chuàng)建強大的工具，讓日常軟件開發(fā)人員能夠使用機器學習。所以他去了一個他覺得他會產生最大影響的地方。“亞馬遜太好了，不能錯過，”他說。“你可以寫一篇關于某件事的論文，但如果你不構建它，就沒有人會使用你的漂亮算法。”
當Smola告訴Sivasubramanian，將機器學習傳播給數(shù)百萬人的工具比再發(fā)表一篇論文更重要的時候，他得到了一個驚喜的回答。“你也可以發(fā)表你的論文！”Sivasubramanian說。是的，亞馬遜現(xiàn)在在允許科學家發(fā)表文章方面更加自由。 “這不僅有助于招募頂尖人才，也為亞馬遜的研究提供了可見性。”Spyros Matsoukas說，他幫助制定了更為開放的指導方針。
現(xiàn)在還不知道AWS的數(shù)百萬用戶是否會開始使用SageMaker，來將機器學習植入到他們的產品中。但是，每一個客戶都會發(fā)現(xiàn)，自己在亞馬遜的機器學習服務提供商身上投入了大量資金。此外，該平臺還非常成熟，甚至包括Alexa團隊在內的亞馬遜內部的人工智能團隊也表示，他們打算使用與外部人士相同的工具集——成為SageMaker的客戶。他們相信，通過為他們的項目打下基礎，可以讓他們專注于更復雜的算法任務，從而為他們節(jié)省大量的工作。
即使只有AWS的一部分客戶使用了SageMaker，亞馬遜也會發(fā)現(xiàn)自己擁有大量關于其系統(tǒng)運行情況的數(shù)據（當然，不包括客戶對自己的保密信息）。這將帶來更好的算法。更好的平臺。更多的客戶。飛輪在高速運轉。
人工智能無處不在
隨著機器學習的全面到位，亞馬遜的人工智能技術現(xiàn)在已經遍布了它的許多團隊——這讓貝佐斯感到非常滿意。雖然亞馬遜沒有人工智能中心，但有一個部門專門負責機器學習的普及和支持，還有一些應用研究將新科學引入到公司的項目中。核心機器學習小組由 Ralf Herbrich 領導，他曾在微軟的必應團隊工作過，之后在Facebook工作了一年，在2012年被亞馬遜挖走。“在公司內部有一個擁有這個社區(qū)的地方是很重要的。”他說。（當然，這個項目也來自于貝索斯批準的六頁紙文檔項目。）
他的部分職責包括培育亞馬遜快速增長的機器學習文化。由于該公司以客戶為中心的方法——解決問題而不是進行“藍天研究”——亞馬遜的高管們確實承認，他們的招聘工作將總是傾向于那些對建設事物感興趣的人，而不是那些追求科學突破的人。Facebook的LeCun則用另一種方式說："不領導知識分子先鋒, 你可以做得很好。"
不過，亞馬遜正在效仿Facebook和谷歌，培訓員工適應人工智能。它開設了關于機器學習策略的內部課程。主辦了一系列內部專家的座談會。從2013年開始，該公司每年4月都會在其總部舉辦一次內部機器學習會議。“剛開始的時候，亞馬遜機器學習會議只有幾百人，現(xiàn)在已經有幾千人了，”Herbrich說。亞馬遜的一位高管表示，如果它變得更大，就不應該將其稱為“亞馬遜機器學習事件”，那么它應該被稱為“亞馬遜”。
Herbrich的團隊繼續(xù)嘗試著將機器學習推進到公司的每一個角落。例如，履約團隊希望想要更好地預測八個可能的盒子大小中的哪一個應該與客戶訂單一起使用，所以他們向 Herbrich 的團隊尋求幫助。
“這個團隊不需要自己的科學家團隊，但它需要這些算法，并且需要能夠很容易地使用它們，”他說。在另一個例子中, David Limp 指出了亞馬遜預測多少客戶可能購買新產品的轉變。 “我已經在消費電子領域工作了30年，其中有25%是通過人類的判斷、電子表格和一些魔術貼球和飛鏢來完成的，”他說。“自從我們在預測中開始使用機器學習以來，我們的錯誤率顯著下降。”
盡管如此， Herbrich 的團隊有時也會將尖端科學應用到一個問題上。該公司的食品雜貨配送服務Amazon Fresh已經運營了10年，但它需要一種更好的方式來評估水果和蔬菜的質量——人類的速度太慢，而且前后矛盾。他在柏林的團隊建立了傳感器裝載的硬件和新的算法，彌補了系統(tǒng)無法觸摸和嗅出食物的能力。“三年后，我們將會出一個原型，我們可以比以前更可靠地判斷質量。”他說。
當然，這樣的進步可以滲透到亞馬遜的整個生態(tài)系統(tǒng)中。就拿亞馬遜最近向公眾開放的亞馬遜Go來說，它是一家以深度學習為動力的無收銀員雜貨店。“作為AWS的客戶，我們從中受益良多，”亞馬遜Go技術副總裁Dilip Kumar說。“但AWS也是一個受益者。”他舉了一個例子，亞馬遜Go有一個獨特的系統(tǒng)，有數(shù)百臺攝像頭來收集數(shù)據，追蹤顧客的購物活動。他團隊的創(chuàng)新為AWS服務Kinesis提供了幫助，該服務允許用戶將多個設備的視頻傳輸?shù)紸mazon云，在那里他們可以處理它，分析它，并使用它來進一步改進他們的機器學習算法。
即使亞馬遜的服務還沒有使用自家公司的機器學習平臺，它也可以成為這個過程的積極參與者。亞馬遜的Prime Air無人機送貨服務仍處于原型階段，它必須單獨構建人工智能，因為無人駕駛飛機無法依靠云端來進行連接。但它仍然從飛輪中獲得巨大收益，既從公司的其他團隊汲取知識，又能搞清楚該使用什么工具。“我們認為這是一個菜單——每個人都在分享他們的菜肴，”Prime Air的副總裁Gur Kimchi 說。他預計，他的團隊最終將擁有自己的美味菜單。“我們正在學習的課程以及我們在Prime Air項目中解決的問題，肯定會引起亞馬遜其他團隊的興趣，”他說。
事實上，它似乎已經在發(fā)生了。“如果有人在公司的某個部門看到一張圖片，比如Prime Air或亞馬遜Go，他們會學到一些東西并創(chuàng)建了一個算法，他們會和公司里的其他人談論這個問題，”亞馬遜機器人公司的首席科學家Beth Marcus說。“所以我的團隊中有人可以用它來完成一些事情。”
亞馬遜機器人公司的首席科學家Beth Marcus看到了與公司日益壯大的人工智能專家合作的好處。
一個以產品為中心的公司是否有可能超越那些擁有“深度學習”超級明星的競爭對手？亞馬遜正在為此做準備。“盡管他們在追趕，但他們發(fā)布的產品發(fā)布令人難以置信，”艾倫人工智能研究所的首席執(zhí)行官Oren Etzioni說。“他們是一家世界級的公司，他們創(chuàng)造了世界級的人工智能產品。”
飛輪一直在旋轉，還有許多的六頁紙文檔仍在醞釀之中。這將會為其帶來更多的數(shù)據，更多的客戶，更好的平臺，以及更多的人才。
如果你問Alexa，“亞馬遜在人工智能領域的表現(xiàn)如何？”
你猜答案是什么？杰夫·貝佐斯的笑聲。
