萬字長文解讀：亞馬遜的 AI 革命

雷鋒網按，一直以來，亞馬遜好像跟高科技搭不上邊，但最近幾年 AWS、Alexa 等高科技產品卻頻頻搶佔頭條；而在最近一季財報中，亞馬遜表現亮眼，市值逼近 7000 億美元。這背後是亞馬遜對自己的重塑，其核心是改變原有的孤立文化，將人工智慧融進公司的每一個細胞。最近，《連線》雜誌就通過一篇長文講述了亞馬遜用 AI 「重塑金身」的過程，雷鋒網編譯如下：

2014 年年初，Srikanth Thirumalai 到辦公室見了亞馬遜 CEO Jeff Bezos。Thirumalai 是一位計算機科學家，他 2005 年離開 IBM 加入亞馬遜，負責領導電商巨頭的推薦團隊。這次會面 Thirumalai 帶來的可不是簡單的部門發展問題，而是一項雄心勃勃的新計劃，他要把最新的 AI 技術融合進自己領導的部門。

他來的時候只帶了「六張紙」。為了提高效率，Bezos 很早前就定了規矩，給他講新產品和服務時必須控制在這樣的長度之內。此外，這薄薄的六頁紙內還得附上一個描述最終產品、服務或項目的新聞稿。

現在，Bezos 正依靠自己手下的精兵強將把亞馬遜打造成 AI 巨擘，而公司成立之初，其實它們就與 AI 結下了不解之緣（產品推薦、發貨時間表和倉庫機器人）。但最近幾年，人工智慧界又經歷了一場革命，機器學習變得更加高效。特別是深度學習，成了計算視覺、語音和自然語言處理等技術快速發展的催化劑。

21 世紀進入第 2 個十年後，其實亞馬遜並沒有及時通過 AI 借力，但它們已經意識到了這項技術的迫切性。顯然，AI 將成為這個時代最關鍵的戰場，包括谷歌、Facebook、蘋果和微軟在內的超級巨頭都在這裡布下了重兵，而亞馬遜卻沒能及時跟上腳步。「我們向每個團隊的負責人都問了同樣的問題，『你準備怎麼利用這些技術並把它們整合進自己的業務？』亞馬遜設備和服務業務副總裁 David Limp 回憶道。

有心的 Thirumalai 把這件事記在了心上，在年度計劃會上，他將自己有關機器學習的想法一股腦說給了 Bezos。當時他心裡很清楚，整體重做現有系統風險實在太大，但他也深知，經過 20 年的調整，機器學習技術已經在圖像和語音識別這兩個與亞馬遜業務不相關的領域取得了出色的成績。

「業內還沒人真正將深度學習應用在產品推薦上且把亞馬遜甩開。」他說道。「因此我們先要給自己以信心。」其實 Thirumalai 當時還沒做好準備，但 Bezos 胃口很大。因此，Thirumalai 直接分享了自己更激進的方案，即藉助深度學習重新定義推薦系統的工作方式。在這個過程中，可能會用到他的團隊還沒掌握的技術，不存在的工具，甚至沒人想過的演算法。Bezos 喜歡這場賭注，所以 Thirumalai 改寫了新聞稿後就投入到緊張的工作中去了。

亞馬遜搜索業務副總裁 Srikanth Thirumalai，開了用機器學習改進亞馬遜軟體的先河

有這個先見之明的可不止 Thirumalai 一人，其他部門的負責人也曾帶著自己的六張紙來找過 Bezos，他們負責的是完全不同的產品，服務的客戶也不是一群人。不過，他們的想法都與 Thirumalai 類似，即要用先進的機器學習技術改造亞馬遜的部分業務。其中，還有一些主管提出要重塑現有業務，比如機器人和數據中心業務 AWS。還有一些高管提出要創建全新業務分支，如基於語音的家用電器，而這個想法最終進化成了 Echo。

亞馬遜內部的這次頭腦風暴產生的影響遠超單個項目的範疇。Thirumalai 就表示，之前他們部門在開會時，亞馬遜的 AI 人才是不能列席的。「我們會進行交流，但不會互相分享太多進展情況，因為研發中的經驗無法直接套用或轉移。」他回憶道。他們成了廣闊工程師海洋上的 AI 孤島。不過，用機器學習改造公司的努力改變了一切。

儘管亞馬遜內部一直有「單線程」的文化，但 AI 的加入讓各個團隊開始打破界限，他們開始在項目上攜起手來，與其他團隊分享解決方案成了工作中的新常態。這樣一來，亞馬遜公司里的 AI 孤島開始相互連接。隨著亞馬遜 AI 野心的增長，各項目面對的挑戰也越來越複雜，這也為亞馬遜帶來了業內最頂尖的人才，特別是那些想看到自己工作顯出成效的人。對亞馬遜這種一直以客戶服務為導向的公司來說，這也成了搜羅純研究型人才的好機會。

在形容自家龐大業務的每一部分如何像永動機一樣協同運作時，亞馬遜經常會用到「飛輪」一詞。現在，這台永動機上多了 AI 這個重要的飛輪，它能通過創新為其他團隊提供動力，而別的團隊則可借新技術開發新產品和服務，從而影響其他團隊甚至整個公司，形成一個良性循環。除此之外，亞馬遜還能用機器學習平台為其他公司提供付費服務，在大賺一筆的同時還能拿到更多數據進一步反哺整個平台。

從一個深度學習領域的追隨者變成令人生畏的巨頭，亞馬遜恐怕耗費了無數個「六張紙」。不過，這場轉變的結果已經融入了整個公司，它的印記隨處可見，其中就包括運行在全新機器學習架構上的推薦系統。在推薦你看什麼文本、買什麼產品和看什麼電影時，亞馬遜變得更智能了。今年，Thirumalai 又攬了個新活，他成了亞馬遜搜索的主管，準備把深度學習融入這項服務的 DNA。

「如果你七八年前問我，亞馬遜在 AI 領域到底有多大影響，我肯定會說『什麼都算不上』。」華盛頓大學頂級計算機科學教授說道。「但隨後它們便來勢洶洶，而現在已經是一方霸主了。」

亞馬遜在 AI 領域的拳頭產品是智能音箱——Echo 和在背後驅動它的 Alexa 語音平台。這些項目同樣也是「六張紙」的進化結晶，2011 年它以「運營計劃 1」為名被放在了 Bezos 的辦公桌上。該項目的參與者之一是名為 Al Lindsay 的亞馬遜高管，他 2004 年就加入電商巨頭，當時則被調離原有崗位去協助全新項目。「一款大腦完全存在雲端的低成本計算機，靠語音完成交互。」這就是當時他構想中的新產品。

不過，想打造這樣的系統，也就意味著要將 Bezos 最愛的《星際迷航》系列中那台話嘮計算機變成現實。可是，它需要的人工智慧技術卻是亞馬遜最缺乏的。更可怕的是，那些有能力完成這套系統的專家中，很少有人願意為亞馬遜工作。谷歌和 Facebook 搜羅走了大量 AI 頂級人才。「我們現在是弱者。」Lindsay 說道，他現在已經貴為副總裁。

Alexa 引擎副總裁 Al Lindsay 認為亞馬遜招聘人才時是個弱者

「亞馬遜給人的印象不好，學界認為它們對研究型人才不友好。」華盛頓大學教授 Domingos 說道。亞馬遜一心只想著消費者和其零碎的文化氛圍不符合學術界的調調，而且它們的待遇也比不過競爭對手。「在谷歌你就像還用著尿不濕的孩子，可以為所欲為。」 Domingos 說道。「在亞馬遜你可能得在小隔間里自己設置電腦。」更可怕的是，外界一直認為亞馬遜是一家將創新工作守在公司機密下的公司。2014 年，機器學習大神 Yann LeCun 受邀在內部會議上向亞馬遜的科學家做演講。收到邀請時，其實 LeCun 已經拿到了 Facebook 的工作邀約，但他還是去了亞馬遜。不過，在亞馬遜的經歷讓 LeCun 很震驚。他先是在一個坐了 600 人的禮堂演講，隨後進了會議室，在這裡等著一波接一波的問題小組。不過，當 LeCun 反問一些問題時，卻沒得到任何回應。這段經歷讓他決定轉投 Facebook，跟亞馬遜徹底說了拜拜。當然，Facebook同意開源 AI 團隊的大部分工作也是一大吸引力。

由於亞馬遜沒什麼 AI 人才，所以它們只能憑著超厚的錢包開始買買買。「在 Alexa 的開發初期，我們買了很多公司。」Limp 說道。2011 年 9 月，它們吞下了 Yap，一家語音撰文子公司。2012 年 1 月，亞馬遜又買下了 Evi，一家來自英國劍橋的 AI 公司，它們的軟體能像 Siri 一樣響應各種語音要求。2013 年 1 月，它們又收了 Ivona，這家波蘭公司在文本轉語音上有自己的一套，而該技術 Echo 開口說話的關鍵。

不過，亞馬遜的保密文化還是阻礙了它們從學術界吸引頂級人才的腳步。原本亞馬遜想將業內的超級明星 Alex Smola 招致麾下。「他確實稱得上是深度學習教父之一。」亞馬遜 AWS 業務深度學習和 AI 主管 Matt Wood 介紹道。不過，亞馬遜卻不願向他或其它候選人透露入職後到底要幹什麼。最終 Smola 拒絕了這個 offer，選擇在卡耐基梅隆的一個實驗室安頓下來。

Alexa 主管 Ruhi Sarikaya 與 Lindsay

「即使是在 Echo 發布前，我們依然不受待見。」Lindsay 說道。「他們會說，『我為什麼要在亞馬遜工作，我對賣貨可沒興趣。」

不過，亞馬遜有自己的閃光點。由於它們會現在藍圖中放出產品功能，而有些功能挑戰性十足，這就會吸引許多野心勃勃的科學家。Echo 的語音特性需要相當程度的會話 AI 技術支持，比如「喚醒詞」、識別並轉譯命令、提供正確答案等，而這些技術當時都不存在。

即使亞馬遜沒有公布最終產品是什麼，這個項目也吸引了 Rohit Prasad（備受尊敬的語音識別科學家）的關注。在他看來，亞馬遜缺乏 AI 專家是它們的一大特點，而不是 bug。「這裡是一塊帶開墾的新天地。」他說道。「谷歌和微軟搞語音項目已經很多年了。在亞馬遜我們可能得從頭做起並解決很多難題。」2013 年剛加入亞馬遜，他就被派去做 Alexa 項目。「這款設備還只是個硬體，而且處在最早階段。」他回憶道。

Echo 音箱面臨的最棘手問題是被稱為遠場語音識別的技術，為了它亞馬遜不得不開闢新天地。這項技術不但包含轉換並譯出遠處傳來的語音命令，還要克服各種外界噪音和其它聽覺干擾。另一大挑戰則是設備不能花太多時間去理解語音命令，它需要將語音傳到雲端並迅速反饋答案，整個過程得像順暢的聊天。想打造一套能在吵雜環境下理解並回應各種詢問的機器學習系統需要天量的數據，而且這些數據從哪來也是個麻煩事。

使用 Alexa 的產品越來越多

此前就有人研發過遠場技術，但這項技術其實埋在了三叉戟核潛艇的鼻錐里，當時研發費用花了十億美元。亞馬遜可不造核潛艇，它們只是想把這項技術整合進一個廚房設備里，它必須足夠便宜才行。「當時我的團隊里有 90% 的人都不相信這事能辦成。」Prasad 說道。「我們其實有個技術諮詢委員會，但亞馬遜沒告訴它們我們在幹什麼。不過它們好像有些先知先覺，直接告訴我們，別碰遠場識別。」

Prasad 豐富的經驗讓他對這個項目充滿信心。不過，亞馬遜卻沒有一個能將機器學習應用於產品開發的系統。「我們有不少科學家在搞深度學習研究，但亞馬遜沒有基礎設施將它們變成實際產品。」他說道。好消息是亞馬遜體系內有所有零部件，比如一個無與倫比的雲服務，裝滿 GPU 能輕鬆運行機器學習演算法的數據中心和用不完的工程師。

他的團隊利用這些零部件搭建了一個平台，而這個平台本身就是一筆寶貴的財富，遠超打造 Echo 任務的價值。「當我們搞定了 Echo 這款遠場語音識別設備，就能獲得做更大事的機會——我們可以將 Alexa 做成語音服務。」Spyros Matsoukas 說道，他是 Alexa 高級首席科學家。他們擴展 Alexa 的一種直接方式是允許第三方開發者打造自己的語音技術小程序，也就是後來我們所說的「技能」，這些「技能」可在 Echo 上運行。不過，這僅僅是個開始。

亞馬遜資深首席科學家 Spyros Matsoukas

從 Echo 身上抽出 Alexa 的魂魄後，亞馬遜的 AI 文化開始逐漸凝聚起來。公司的各個團隊開始意識到，Alexa 也可以為它們旗下的各種項目提供語音服務。「於是各種數據和技術開始凝聚在一起。」Prasad 說道。隨後，第一批亞馬遜產品開始整合 Alexa。只要開口，你就能在 Alexa 設備上訪問 Amazon 音樂、Prime 視頻和你在主要購物網站上的個性化推薦等。接著，這項技術的覆蓋面開始變的更廣。「一旦我們擁有了基礎語音能力，我們就能把它融入到非 Alexa 設備中，比如 Fire TV、語音購物及最終的 AWS。」Lindsay 說道。

亞馬遜內部漂浮的 AI 孤島終於越來越近了。

另一個促進亞馬遜轉型的關鍵環節是，一旦有數百萬用戶開始使用 Echo 或其他 Alexa 設備，就意味著它們正式在該領域紮根了。亞馬遜能獲得海量的數據，很有可能是史上最大的語音驅動設備的交互集合。這些數據成了亞馬遜招聘人才最好的籌碼。彷彿突然之間，原來對電商巨頭嗤之以鼻的機器學習專家都想來這工作了。「Alexa 吸引力如此巨大，原因之一就是，只要你賣出一台設備，就獲得了反饋資源。這其中不但包括用戶反饋，還包括實打實的數據，它們對技術的提升，尤其是底層平台相當重要。」Ravi Jain 說道，他去年才加入亞馬遜，現任該公司機器學習副總裁。

因此，隨著使用 Alexa 人數的不斷增加，亞馬遜獲得的信息不但能提升系統表現，還能為自家的機器學習工具和平台充電，同時還讓自己成為機器學習科學家趨之若鶩的大磁鐵。

這個重要的「飛輪」終於轉起來了。

2014 年起，亞馬遜開始面向 Prime 會員銷售 Echo。同年，Swami Sivasubramanian 開始愛上機器學習。當時的他負責 AWS 資料庫和分析業務，回老家（印度）探親的他由於沒倒過來時差，深夜還在擺弄類似谷歌 Tensorflow 和 Caffé 等工具，這可是 Facebook 和學界都非常青睞的機器學習框架。熟悉了之後他發現，如果將這些工具與亞馬遜的雲服務相結合，能產生難以估量的巨大價值。他認為，通過降低雲計算中機器學習演算法的難度，亞馬遜能深挖出更多潛在的需求。「我們每個月都為數百萬開發者提供服務。」他說道。「他們中大多數人都不是麻省理工的教授，而是沒有機器學習背景的普通開發者。」

亞馬遜 AI 副總裁斯 Swami Sivasubramanian

深思熟慮之後，他帶著自己「史詩級」的六張紙去了 Bezos 的辦公室。從某種程度上來說，那六張紙就是為 AWS 服務添加機器學習服務的藍圖。不過，Sivasubramanian 的眼光放的更遠：他想讓 AWS 成為整個行業機器學習活動的中心。

從某種意義上來說，為成千上萬的亞馬遜雲服務用戶提供機器學習是大勢所趨。「當我們第一次整合出 AWS 的原始商業計劃時，我們的任務是拿到那些只有少數財大氣粗的組織才有的技術，並將其進行大範圍推廣。」AWS 機器學習高管 Wood 解釋道。「在計算、存儲、分析和資料庫上，我們成功做到了。亞馬遜在機器學習上也走了相同的道路。」更有利的是，AWS 團隊可以借鑒公司內部其他團隊積累的經驗。

2015 年，AWS 的亞馬遜機器學習首次上線，它讓類似 C-Span 的用戶設置一個是人面部列表，Woods 說道。Zillow 用它來估算房價，Pinterest 則用它來做視覺搜索。此外，還有幾家自動駕駛新創公司在用 AWS 機器學習搞道路模擬，以快速提升產品競爭力。

一年以後，AWS 又推出了新的機器學習服務，這次它們更直接的借鑒了 AWS 的創新，加入了一種名為 Polly 的文本轉語音組件和一種名為 Lex 的自然語言處理引擎。這些新功能讓 AWS 的客戶能打造自己的迷你版 Alexa。除此之外，亞馬遜還有了視覺服務 Rekognition，它們要像谷歌、Facebook 和蘋果那樣在圖像識別領域掌握自己的魔法。

這些機器學習服務不但成了亞馬遜的金礦，還是電商巨頭 AI 飛輪的關鍵點，無論是 NASA 還是橄欖球大聯盟，都成了亞馬遜機器學習服務的大客戶。隨著企業紛紛在 AWS 內建立起重要的機器學習工具，它們未來另起爐灶與電商巨頭競爭的可能性變得越來越小。

就拿 Infor 這家公司來說，它們是企業應用領域的巨頭，最近還發布了一款名為 Coleman 的應用，該應用讓用戶能自動處理各種流程、分析性能，並通過語音對話界面與數據進行交互。這可不是 Infor 從零開始打造的聊天機器人，而是使用 AWS 的 Lex 技術生成的。「反正亞馬遜已經做好了，所以我們幹嘛還要花時間重來一遍呢？我們了解自己的客戶，這款應用絕對適合他們。」Infor 高級副總裁 Massimo Capoccia 解釋道。

AWS 在乙太網上的統治力也讓它擁有了對手沒有的戰略優勢，尤其是谷歌，搜索巨頭希望用自己在機器學習上的領先來追趕 AWS 在雲計算上的地位。誠然，谷歌能在伺服器上給用戶提供速度超快的機器學習優化晶元，但 AWS 在交互上更為簡單方便，而且亞馬遜的完整鏈條還方便公司們銷售產品。「就像 Willie Sutton 說的，他之所以去搶銀行，是因為那裡存了很多錢。」DigitalGlobe CTO Walter Scott 在解釋自家公司為何選擇亞馬遜當合作夥伴時打了個形象的比方。「我們選擇 AWS 來搞機器學習，是因為我們的客戶都在這。」

在去年 11 月的 AWS re:Invent 大會上，亞馬遜推出了一款更為全面的機器學習產品：SageMaker，它雖然看起來複雜，但其實是個相當易用的平台。它的創造者之一就是 Alex Smola，那位五年前拒絕了亞馬遜的機器學習大神。當 Smola 決定重返機器學習行業時，他就立志要打造一款強大的工具，讓普通的軟體開發人員也用上這項技術，因此他選擇回到亞馬遜，這個能將機器學習威力產生最大影響的地方。「現在的亞馬遜絕對不能錯過。」他解釋道。「你能寫出漂亮的論文，但如果不做出真正的產品，就不會有人用你漂亮的演算法。」

當 Smola 告訴 Sivasubramanian，打造一個惠及數百萬人的機器學習工具比寫一篇漂亮的論文更重要時，他得到了一個驚喜的回復。「你的論文一樣可以發表啊！」Sivasubramanian 說道。是的，你沒看錯，亞馬遜現在也有自由的環境了。「這不僅有助於吸引頂尖人才，還讓外界了解了亞馬遜到底在研究什麼。」Spyros Matsoukas 說道，他就是亞馬遜這套開放方針的推動者和制定者。

當然，現在就斷定 SageMaker 將成為數百萬用戶的首選還有些早，不過每個客戶都會發現它們在亞馬遜上投入了巨大的資金。同時，該平台也足夠成熟，就連包括 Alexa 團隊在內的亞馬遜內部團隊也準備轉向 SageMaker，與外部公司使用相同的工具集。它們相信這能省下大量的工作時間，使自己能專註於解決更為複雜的演算法任務。

即使最終只有一部分 AWS 用戶選擇 SageMaker，亞馬遜也能拿到大量有關係統表現的數據，促使它們對數據進行持續改進。這又形成了一個良性循環，更好地平台必然會帶來更多用戶。飛輪處在高速運轉中。

AI 無處不在

隨著機器學習的逐漸成熟，亞馬遜的 AI 專家現在已經遍布了旗下各個團隊，這讓 Bezos 感到非常滿意。雖然亞馬遜沒有設立 AI 中心，但它們已經有了一個專門負責機器學習普及和支持的部門。同時，它們還有一些專註於將新技術導入公司項目的應用研究。眼下，亞馬遜的核心機器學習小組由 Ralf Herbrich 領導，這位高管此前曾在微軟和 Facebook 兩家巨頭待過，2012 年才轉投亞馬遜。「公司內部建立個自己的社區非常重要。」他說道（這個項目同樣也是六張紙演化而來的）。

Ralf Herbrich 的部分職責包括培養亞馬遜快速成長的機器學習文化。由於它們堅持以客戶為中心的政策，因此解決問題比漫無目的的研究更重要。亞馬遜的高管也承認，他們招聘時更偏向那些經世致用，真正有興趣打造新事物的人，而不是那些追求科學突破的人。Facebook 的 LeCun 則從一個角度表示：「即使不領導這些知識先鋒，你也能做的很好。」

不過，在培養員工適應人工智慧上，亞馬遜正在學習 Facebook 和谷歌的經驗。它們會開設許多有關 AI 的內部課程，而且從 2013 年起，每年春天亞馬遜都會在總部舉辦一次內部的機器學習學術會議。「剛開始只有幾百人蔘會，現在已經有幾千人了。」Herbrich 說道。「西雅圖總部最大的會議室也容不下那麼多人同時開會，所以我們只能通過視頻直播向園區內其他六個會議室傳達會議情況了。」一位亞馬遜高管表示，如果人數繼續增加，恐怕這個會就不能叫做亞馬遜機器學習大會了，直接叫亞馬遜就行。

Herbrich 的團隊還在繼續推動機器學習融入公司的每一個細胞。舉例來說，產品交付團隊想要更好地預測客戶訂單到底要用哪種尺寸的盒子包裝（一共 8 種尺寸），所以它們就找了 Herbrich 尋求幫助。「產品交付團隊不需要另設專門的科學家小組，但它們需要這些演算法，而且用起來得簡單。」Herbrich 說道。在另一個例子中，David Limp 講述了亞馬遜是如何預測用戶購買新產品可能性的。「我在消費電子領域摸爬滾打 30 年了，其中有 25% 的工作都需要人類判斷、電子表格和各種魔術貼來完成。」他說道。「但加入機器學習後，我們的失誤率開始顯著下降。」

即使如此，有時候 Herbrich 也得用上最尖端的技術。就拿亞馬遜生鮮服務來說，雖然該服務運營時間已經有十年之久，但怎樣更好地評估蔬菜和水果的質量依然是個麻煩事。畢竟人類評判速度太慢，而且容易前後不一致。於是，他在柏林的團隊搞了搭載感測器的硬體和新演算法，彌補了現有系統不能觸摸和嗅探食物味道的能力。「三年之後，我們就能拿出原形產品，到時判斷生鮮食品的質量就更簡單也更可靠了。」Herbrich 說道。

不用說，這樣的技術進步肯定能逐漸滲入亞馬遜的整個生態中。以最新的 Amazon Go 無人超市為例，其負責人就表示自己從 AWS 項目中學到了不少。「不過，AWS 也是受益者。」Amazon Go 技術副總裁 Dilip Kumar 說道。Amazon Go 有自己獨特的流媒體數據系統，它會通過數百個攝像頭採集購物用戶的一舉一動，它們團隊的創新為 AWS 旗下的 Kinesis 提供了幫助，該服務讓用戶能將多個設備上的流媒體視頻上傳到亞馬遜的雲端，對這些數據進行處理分析就能不斷改進自家的機器學習技術。

即使是還沒用上自家機器學習平台的亞馬遜服務，也能為這個過程貢獻一份力。眼下，亞馬遜的 Prime Air 無人機遞送服務還處在原型階段，由於不能靠雲端連接，無人機必須搭建自己的 AI 系統。不過，它還是從 AI 飛輪上借了不少力，既能從公司其他部門汲取營養，又能摸清到底該用什麼工具。「在我們看來這就是個菜單，每個人都在分享自己的拿手菜。」Prime Air 副總裁 Gur Kimchi 說道。同時，他也相信，自己的團隊最終也會有拿手菜貢獻給這份菜單。「我們正在通過問題總結的經驗未來肯定會引起其他亞馬遜團隊的興趣。」

事實上，這個預言已經開始應驗了。「如果有人在公司看到一張圖片，比如 Prime Air 或 Amazon Go，他們可能就會學到些什麼並打造一個新演算法，然後通過公司內的討論和交流再結出新的果實。」亞馬遜機器人部門首席科學家 Beth Marcus 說道。「然後我團隊中的人就可以用它來解決自己的問題。」

亞馬遜機器人部門首席科學家 Beth Marcus

那麼，一個以產品為中心的公司能打敗那些擁有大量深度學習大咖的公司嗎？亞馬遜就正在為這個問題驗證答案。「儘管它們還處在追趕狀態中，但發布的產品可足夠令人驚訝。」Oren Etzioni 說道，他是艾倫人工智慧研究所 CEO。「它們是家世界級的公司，正在打造世界級的 AI 產品。」

飛輪還在快速旋轉，還有許多我們不知道的「六張紙」正在積聚力量呢。它們可能會為亞馬遜帶來更多數據，更多用戶，更好的平台和更多人才。

「Alexa，亞馬遜在 AI 領域表現如何？」

答案恐怕很簡單，肯定是 Bezos 標誌性的大笑唄。

Via. Wired，雷鋒網編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！