Swami Sivasubramanian是亚马逊机器学习副总裁，与家人一起住在经常有熊出没的西雅图郊区。虽然妻子强烈要求半夜不睡觉抓熊，但作为一名科技工作者，Sivasubramanian还是向亚马逊AWS云服务的新型视频摄像系统DeepLens伸出了求助之手。该系统能够基于深度学习和编程代码自动完成各项工作，比如在检测到有熊出没时自动向手机发送提醒。除此之外，DeepLens还能识别食物种类、转换图片和视频等，在优化企业内部工作流程的同时，进一步提升消费者使用体验。

其实，说到人工智能技术，亚马逊最早是利用它为消费者提供个性化的产品推荐服务。后来，机器学习技术出现，那些推荐系统背后的算法也就相应发生了变化，变得更为灵活、更为准确。用亚马逊全球消费业务首席执行官杰夫·威尔克（Jeff Wilke）的话说：“过去，我们使用的那些算法要花相当长一段时间来解读消费者的喜好。但现在，有了新技术的帮助，数据收集和分析的效率就提高了很多。”

具体说来，人工智能和机器学习，不仅为亚马逊的智能语音助手Alexa提供了技术基础，还为云计算服务AWS的广大用户提供了高效工具。而且，其线下无人零售商店Amazon Go以及遍布全球仓储物流中心的顺利运营，都离不开这两项技术的大力支持。总之，亚马逊对新兴技术的重视，绝不只是口头说说而已，而是会真正付诸实践，充分且灵活运用到旗下各种业务当中。很显然，这也是它能够成为全球首家市值突破万亿美元大关公司的关键原因之一。毕竟在亚马逊，“每一天都是第一天”是人人皆知的工作信条。对于新知识和新技术，它永远都保持着一颗好奇渴望的心。

会跳舞的物流机器人

如果你去过亚马逊位于华盛顿州肯特市的仓储物流中心，就会看到数不清的橙色机器人。当消费者在亚马逊上下单之后，这些装有货架和商品的机器人，就会在人工智能技术的支持下自动完成商品分拣，随后放到传送带上由员工进行打包装箱。

对于亚马逊这样一家规模巨大的在线电商来说，订单处理以及商品分拣的速度与效率一定要足够高。因为即便每一笔订单只节约一两秒，那汇总起来也会产生意想不到的显著效果。而且，公司还会利用机器学习技术来预测消费者网购的行为趋势，从而提前将仓储中心里的商品运送并安放到正确位置上，以便更快地将商品送到终端消费者手中，提高整个线上购物和线下配送流程的效率。

最近一段时间，公司更是充分挖掘人工智能技术带来的优势，简化了商品扫描流程。以往，想要对商品进行位置信息电子录入，首先要人工将其从包装盒中取出，接着在用条形码扫描仪扫描之后放上货架，最后再对货架进行扫描。

但现在，有了先进的计算机视觉技术和机器学习技术，物流中心的员工只需要将商品从包装盒中取出，滑送到提前安装好的扫描仪下方进行自动扫描，随后放入特定箱子。得益于这一系统的高度智能，员工无需再费劲逐个扫描商品以及货架。因为系统已经自动记录了所有商品原有的摆放位置，以方便未来需要用的时候准确找到位置。

用亚马逊物流机器人公司Amazon Robotics工程副总裁Brad Porter的话说：“能够将员工的双手从不间断机械扫描中解放出来，无疑是一种提高工作效率的极佳方式。”

具体说来，这一全新系统，历时一年半研发完成，主要是借助计算机视觉和机器学习算法来评估员工与商品之间的互动方式，同时记录商品放入特定箱子的时间。Porter表示，这些算法是亚马逊现阶段所使用的最为先进、最为复杂的技术，不仅能够在各种亮度不一的环境中正常运作，而且也不会受到箱子里商品多少的影响。也就是说，即便存放商品的箱子满了，也不会影响整个流程的运作。毕竟一年12个月中，工作日与节假日的订单数量和商品数量，是会发生较大变化的。

最近几个星期，亚马逊已经开始在威斯康星州密尔沃基市的仓储物流中心采用这一全新系统，预计接下来还会在其他十座城市的仓储物流中心推广。至于以后公司是否会在旗下所有的仓储物流中心普及这套系统，我们现在还无法确定。即便会，我们也不知道会在什么时候。但尽管如此，Porter还是一直在思考应该如何去完善这一系统。说白了，就是如何利用摄像技术和机器视觉技术来进一步加快各项流程的运作速度。在他看来，如果能在系统中配置数量较多的摄像头，那未来或许连手动将商品滑送到扫描仪之下的过程都可以完全省略，更别说识别包裹上的条形码了。到时候，哪怕每件商品只能节约半秒的时间，那按照亚马逊的巨大规模来计算，也无疑会带来相当大的积极影响。

炫酷的线下无人商店Amazon Go

在亚马逊无人商店中，消费者选好自己想要的物品就可以直接离开，因为所有的款项扣除工作都会直接与他们的亚马逊账户自动连接，无需现场付款或者排队。商店所采用的色彩和深度摄像头、重量传感器以及算法，完全都是独立开发的，与仓储物流中心的那套系统没有任何关系。目前，公司就只在西雅图和芝加哥两座城市开设了四家线下无人商店。

Amazon Go副总裁Dilip Kumar介绍说：“其实，想要准确识别消费者拿取商品这一行为是非常困难的。因为如果消费者拿了某件商品，那么相关信息就会遭到遮挡，因此摄像头就无法准确抓取关键信息来进行识别，更别提多位消费者同时拿取某件商品，或者是穿着相似的消费者同时出现在店里。而且，照明条件不同时，商品识别的准确度也会受到影响。”

为了解决这些问题，Kumar带领团队开发出了多套算法，以便准确分析摄像头拍到的角度和内容，同时观察消费者与商品之间的互动方式。虽然他无法保证无人商店系统的运作效率究竟有多高，但很显然，如果测试过程中准确率太低，公司是绝对不会将其推向大众的。而且，为了对系统进行检修，公司还会定期对外关闭无人商店，仅对公司内部员工开放，以便检查系统运作流程、提高速度和效率。

接下来，Kumar的主要任务就是带领团队完善算法，提高每一单位的计算能力，并且充分利用那些成本相对较低的传感器，从而提高系统自动识别商品的速度和准确性，毕竟库存商品的更新率一般都会保持在20％到30％，确实需要系统的识别能力同步跟上。好在机器学习是一项不断进步的技术，因而亚马逊也就能借此不断优化自己在各个领域的消费者使用体验，比如甜品和生鲜等日用百货。而且，据彭博社最近的一篇报道指出，亚马逊目前正在筹划开设接下来几年多达3000家的线下无人商店。

无所不能的语音助手ALEXA

当然，说了这么多，还没有好好介绍亚马逊的王牌人工智能产品，即语音助手Alexa。截至目前，公司共计销售出数以百万计的语音设备。而且，开发人员也专门针对Alexa设计了各式各样基于语音命令的应用程序。亚马逊自己更是与多家第三方硬件生产商达成合作，将Alexa融入其他各种类型的产品之中。接下来，亚马逊将会赋予消费者更多自由，让他们根据自己的真实需求创建相应的功能。借助Blueprints这款工具，消费者将能实现语音助手的个性化功能定制，无需任何软件开发的专业知识背景。

无处不在的亚马逊人工智能

当然，说到最后，亚马逊的最大功臣，其实还是云计算服务AWS。可以说，它已经成为同行业其他公司学习的楷模和参考的标准。用Sivasubramanian的话说：“亚马逊AWS的宗旨就是将机器学习技术的所有便利，都切实送到每位开发人员和数据科学家手中。”

他介绍说，只要说到机器学习，几乎没有哪个行业不为之兴奋。但尽管这项技术已经为很多公司的业务发展和企业管理带来好处，它仍然还处于一种初级发展阶段。到目前为止，选择使用基于亚马逊AWS的机器学习服务的客户数量已经高达数十万甚至数百万，涵盖零售、房地产、时尚、娱乐和医疗保健等多个领域。而这些客户各自在人工智能方面的能力也是参差不齐。虽然不乏大神级别，但小白级别也比比皆是。对此，亚马逊已经针对自己提供的人工智能和机器学习服务进行了调整，希望能够同时满足不同类型和规模客户的不同需求。

据相关数据显示，在去年一年中，亚马逊AWS机器学习工具的使用增长率已经达到250％。最后，自去年十一月起，AWS也已经增加了超过100种新功能和新服务，希望能够进一步自己的机器学习工具库。其中之一，便是文章最开头提到的DeepLens。