科技网

当前位置: 首页 >互联网

亚马逊如何突破7000亿市值转变为AI科丞

互联网
来源: 作者: 2019-02-22 14:10:03

2月1日,亚马逊公布2017年第四季度及全年业绩报表,使得股票大涨。2日收盘市值为6891亿美元,逼近7000亿美元,坐稳了科技巨头前三的位置。

亚马逊的成功与它的人工智能战略密切相关。让我们来看看它有关人工智能的故事吧。

AI飞轮计算机科学家Thirumalai于2005年离开了IBM,加入亚马逊,他提出了一个全新的计划,将人工智能的最新进展融入他的部门。

自从公司成立之初,亚马逊就在生产中利用了AI技术,例如用机器人来分拣货物。但是近年来,这个领域发生了一场革命。机器学习在深度学习的助力下,取得了很大进展。这导致了计算机视觉,语言和自然语言处理方面的巨大进步。

早期,亚马逊还没有大力挖掘这些AI技术进步,但它认识到对于这些技术进步的需求是迫切的。谷歌,Facebook,苹果和微软都早早开始了AI研究,而亚马逊落后了。亚马逊设备和服务副总裁David Limp说:“我们每个团队的领导者都会说——你世间真感情永远都是怎么能够使用这如何调整好自己的心态;笔者认为有三点至关重要些AI技术并将它们嵌入到你自己的业务中呢?”

Thirumalai将这一点铭记在心,并在贝佐斯年度计划会议上提出了关于如何在机器学习方面更积极的想法。但是他觉得整个重建现有的系统可能会风险太大,这个系统经过20多年的精心调整。而在图像和语音识别细分领域,机器学习技术表现最好。

Thirumalai只是公司领导人队伍中的一员。领导人队伍基本上都想到了用先进的机器学习改变亚马逊的一部分。其中一些涉及重新思考当前的项目,如公司的机器人工作和庞大的数据中心业务——亚马逊络服务(AWS)。其他人将创造新的业务,如制作Echo这种基于语音的家用电器。

起初,亚马逊的AI研究是隔离的。同事之间交流,谈话,但是不会分享AI技术。单个技术是广阔工程海洋中的AI岛屿,彼此孤立。通过机器学习,公司在努力改变这一点。人们开始跨项目进行写作。内部科学家解决难题后会与其他团体分享解决方案。公司里,AI岛屿被连接起来了。

亚马逊喜欢用“飞轮”这个词来描述其庞大业务的各个部分如何组成一个永动机。亚马逊现在有一个强大的AI飞轮,公司的机器学习创新为其他团队的努力提供了动力,而其他团队又可以建立产品或提供服务来影响别的团队,甚至整个公司。

亚马逊注重AI的转变结果大家有目共睹。它可以更聪明地建议你下一步应该阅读什么,应该在你的购物车里添加什么项目,以及今晚你可以看的电影。今年,Thirumalai开始了一项新的工作,领导亚马逊搜索,他打算在服务的各个方面深入学习。

华盛顿大学计算机科学教授佩德罗·多明戈斯(PedroDomingos)说:“如果你在七八年前问过亚马逊在人工智能方面有多大的力量,我就会说‘没有力量’。“但他们真的很积极。现在他们正在成为一支力量。”

Alexa的效能亚马逊推动人工智能的主打产品是它的智能音箱Echo以及支持它的Alexa语音平台。但是构建这个系统需要一定的人工智能水平,公司手头没有。更糟糕的是,能够建立这种系统的极少数专家中,很少人想为亚马逊工作。谷歌和Facebook正在抢夺这一领域的顶尖人才。现在是副总裁的Lindsay说:“我们是失败者。”

华盛顿大学教授多明戈斯说:“亚马逊有一些不好的形象,对研究导向的人不友善。公司对客户不懈关注,但在学术竞争上没有鼓励措施。而在谷歌,研究者是被宠爱的。”

因为亚马逊没有内部人才,所以它用了很多钱购买有专业知识的公司。“在Alexa的早期,我们买了很多公司,”Limp说。在2011年9月,亚马逊抢购了Yap,这是一个将口语翻译成书面语言的专门从事语音到文本的公司。2012年1月,亚马逊收购了英国剑桥的Evi公司,该公司的软件可以响应Siri这样的口头请求。2013年1月,亚马逊收购了一家专门从事文本到语音转换的波兰公司Ivona,该公司提供了使Echo能够交谈的技术。

但亚马逊的保密文化阻碍了它对学术界顶尖人才的吸引。之前亚马逊向亚历山大•斯莫拉传递过橄榄枝。斯莫拉曾在雅虎和谷歌工作过。亚马逊络服务公司的深度学习和人工智能总经理马特·伍德(Matt Wood)说:“斯莫拉实际上是深度学习的教父之一。(GoogleScholar列出了超过90,000次对斯莫拉工作成果的引用。)因为亚马逊高管不向他和其他候选人透露他们将要工作的内容。斯莫拉拒绝了亚马逊的工作,而是选择待在卡内基梅隆的一个实验室。”

这个项目吸引了波士顿Raytheon BBN的知名科学家Rohit Prasad。他认为亚马逊在AI上缺乏专业知识并不是缺陷。“这是绿色的田野,”他说。“在亚马逊,我们可以从头开始构建并解决难题。“他于2013年加入后,被派往Alexa项目。

Echo的最棘手的部分是远场语音识别。它包括解释与麦克风相距一定距离的语音命令,即使它们被环境噪声或其他听觉碎屑污染。一个具有挑战性的因素是,该设备必须迅速对你说的话进行反馈。它不得不把音频发送到云端,并且快速地产生一个答案,以至于感觉就像是一次谈话,而不是充满尴尬的停顿。建立一个机器学习系统,可以在嘈杂的环境中理解和回应对话查询,这需要大量的数据。

设备和服务副总裁Limp说,远程技术已经完成了。但是亚马逊花费了很多金钱。而如果Echo想要进入每家每户,必须足够便宜。团队中十分之九的人认为这是无法完成的。

Alexa的高级首席科学家Spyros Matsoukas说:“一旦我们开发了Echo作为远场语音识别设备,我们就有机会做更大的事情-我们可以将Alexa的范围扩展到语音服务。”

通过将Alexa应用在Echo之外,公司的AI文化开始融合。整个公司的团队也开始意识到,Alexa也可以为不同的项目提供有用的语音服务。Prasad说:“其他亚马逊产品开始整合到Alexa:当你说出你的Alexa设备,你可以访问亚马逊音乐和视频,获得消费站的购买建议和其他服务。一旦我们拥有了智能语音技术,我们就可以把它带到非消费类电子产品中,比如消防电视,语音购物,亚马逊的Dash魔棒,最后是AWS。”

公司转型的另一个关键因素是,数百万客户(亚马逊并不确定有多少人)开始使用Echo和Alexa系列设备。亚马逊开始积累丰富的数据——可能是有史以来最大的任何对话驱动设备交互的集合。这些数据成为亚马逊潜在雇员的强大诱惑。突然之间,亚马逊激起了那些令人垂涎的机器学习专家想要为之工作的欲望。去年加入公司的Alexa机器学习副总裁拉维•贾恩(Ravi Jain)说:“Alexa对我非常有吸引力的原因之一是,一旦你在市场上有了一个设备,你就有了反馈的资源。比客户的反馈更重要的是底层平台的实际数据。”

因此,越来越多的人使用Alexa,亚马逊获得的信息不仅使Alexa的性能更好,而且增强了自己的机器学习工具和平台,并使公司成为机器学习科学家的热门目的地。AI飞轮开始旋转。

更聪明的AWSAWS的亚马逊机器学习(Amazon Machine Learning)于2015年首次推出,允许像C-Span这样的客户建立一个私人目录。Zillow用它来估计房价。Pinterest使用它进行视觉搜索。几家自主驾驶创业公司正在使用AWS机器学习来通过数百万英里的模拟道路测试来改进产品。

2016年,AWS发布了新的机器学习服务,这些服务更直接地吸收了来自Alexa的文本到语音组件(称为Polly)和自然语言处理引擎Lex的创新。这些产品使AWS客户(包括像Pinterest和Netflix这样的巨头)能够创建自己的迷你Alexas。

这些机器学习服务既是一个强大的收入来源,也是亚马逊的AI飞轮的关键,因为像美国航天局和美国国家橄榄球联盟这样不同的客户正在为从亚马逊获得机器学习而付费。Infor是一家价值数十亿美元的公司,为企业客户创建商业应用程序。它最近发布了一个叫做Coleman的广泛的新应用程序(以美国宇航局隐藏数字的名字命名),

亚马逊如何突破7000亿市值转变为AI科丞

使客户能够通过会话界面自动执行各种流程,分析性能并与数据交互。它不是从头开始构建自己的机器人,而是使用AWS的Lex技术。

AWS在以太中的主导地位也使其具有超越竞争对手的战略优势,特别是Google。Google希望利用其机器学习领导力来赶上AWS在云计算领域的领先地位。是的,Google可能会在其服务器上为客户提供超快速,机器学习优化的芯片,但是,AWS上的公司可以更轻松地提供同样的服务。

2017年十一月,在AWS re:Invent会议上,亚马逊为其客户推出了更全面的机器学习平台:SageMaker,一个复杂但超级易于使用的平台。其创造者之一就是亚历克斯·斯莫拉。当斯莫拉决定回到行业时,他想帮助创建功能强大的工具,使日常软件开发人员可以使用机器学习。

现在就断言AWS的百万客户开始使用SageMaker将机器学习技术应用到他们的产品中还为时尚早。但是包括Alexa团队在内的亚马逊的AI团队表示,他们打算成为SageMaker的客户,使用向外界提供的相同工具集。

即使只有一些AWS客户使用SageMaker,亚马逊也会发现自己拥有大量关于其系统性能的数据(当然不包括客户保留的机密信息)。这好好数算上天给你的恩典将导致更好的算法。和更好的平台。和更多的客户。飞轮正在加速。

AI无处不在随着机器学习的改革升级到了一定阶段,亚马逊的人工智能技术现在已经应用到了公司的许多团队当中,这让贝佐斯感到非常满意。虽然亚马逊没有人工智能中心,但有一个部门专门负责机器学习的普及和支持,公司还进行了一些应用研究,将新科学加入到公司的项目中。

核心机器学习小组由拉尔夫·赫布里希领导,他曾在微软的必应团队工作过,之后在Facebook工作了一年,2012年时被亚马逊挖走。他说:“在公司内部有一个拥有这样的一个社区的地方是很重要的。”

他的部分职责包括培育亚马逊快速增长的机器学习文化。由于该公司以客户为中心的运营方法——解决问题而不是进行那些毫无价值的研究——亚马逊的高管们确实承认,他们在招聘时总是倾向于那些对勇于开拓新事物感兴趣的人,而不是那些追求科学突破的人。Facebook的勒邱恩则用另一种方式说:不领导知识分子先锋,你也可以做得很好。

不过,亚马逊也在效仿Facebook和谷歌,他们带头培训员工让其变得更适应人工智能。该公司在机器学习方面开展了内部课程,并让公司内部的专家举办了一系列的讲座。从2013年开始,该公司每年春天都会在其总部举办一次水平一流的内部机器学习会议。

赫布里希说:“刚开始的时候,亚马逊机器学习会议只有几百人参加,现在已经有几千人了。西雅图亚马逊总部最大的会议室已经容纳不下这么多人了,所以我们的举办场所从一变成了六。”亚马逊的一位高管表示,如果会议规模变得更大,就不应该将其称为“亚马逊机器学习大会”,它就应该被称为“亚马逊”。

赫布里希的团队继续尝试着将机器学习推广到公司的每一个角落。例如,打包团队希望想要更好地预测,八种盒子大小,他们应当选择哪一种适配客户订单,所以他们向赫布里希的团队寻求帮助。他说:“这个团队不需要自己的科学家团队,但它需要这些算法,并且需要能够很容易地使用它们。”

在另一个例子中,大卫·林普指出了亚马逊在预测多少客户可能购买新产品方面的转变。他说:“我已经在消费电子领域工作了30年,其中有25%的预测是通过人类的判断、电子表格和一些魔术贴球和飞镖来完成的。自从我们在预测中开始使用机器学习以来,我们的预测错误率显著下降。”

尽管如此,赫布里希的团队有时也会将尖端科学应用到一个问题上。该公司的食品杂货配送服务Amazon Fresh已经运营了10年,但它需要一种更好的方式来评估水果和蔬菜的质量,因为人类的评估速度太慢,而且还会前后不一致。他在柏林的团队建立了传感器装载的硬件和新的算法,弥补了系统无法触摸食物和闻食物气味的能力。他说:“三年后,我们将会做出一个原型,可以比以前更可靠地判断果蔬质量。”

当然,这样的进步可以渗透到亚马逊的整个生态系统中。就拿亚马逊最近向公众开放的亚马逊Go无人超市来说,它是一家基于深度学习的无人杂货店。亚马逊Go的技术副总裁迪力普·库马尔说:“作为AWS的客户,我们从中受益良多。但AWS反之也受益于我们。”他举了一个例子,亚马逊Go有一个独特的系统,有数百台摄像头来收集数据,追踪顾客的购物活动。他的团队的在工作中的创新也影响了AWS一项名为Kinesis的服务,该服务允许用户将多个设备的视频传输到亚马逊云端,在那里他们可以对视频进行处理和分析,并使用视频来进一步改进他们的机器学习算法。

即使有还没有使用自家公司的机器学习平台的亚马逊服务,它也可以成为亚马逊的Prime Air无人机送货服务的积极参与者,这一服务目前仍处于原型阶段,它必须单独构建人工智能,因为无人驾驶飞机无法依靠云端连接。但它仍然从“飞轮”中获益良多,既能从公司的其他团队汲取知识,又能搞清楚该使用什么工具。

Prime Air的副总裁Gur Kimchi说:“我们认为这是一个菜单——每个人都在分享他们的菜肴。”他预计,他的团队最终将拥有自己的美味菜单。他说:“我们正在学习的课程以及我们在Prime Air项目中解决的问题,肯定会引起亚马逊其他团队的兴趣。”

事实上,这似乎正在发生。亚马逊机器人团队的首席科学家贝斯·马库斯说:“如果有人在公司的某个部门看到一张图片,比如Prime Air或亚马逊Go,然后他们因此学到一些东西并创建了一个算法,他们会和公司里的其他人谈论这个问题。所以我的团队中有人可以利用这种算法,来完成一些事情。

一个以产品为中心的公司是否有可能超越那些拥有深度学习领域的顶尖人才的竞争对手?亚马逊正在为此做准备。艾伦人工智能研究所的首席执行官Oren Etzioni说:“尽管亚马逊正在追赶,但他们发布的产品发布非常令人难以置信。亚马逊是一家世界级的公司,它创造了世界级的人工智能产品。”

“飞轮”一直在旋转,这将会为亚马逊带来更多的数据,更多的客户,更好的平台,以及更多的人才。

如果你问Alexa,“亚马逊在人工智能领域的表现如何?”

你猜它会回答什么?杰夫·贝佐斯的笑声也许能告诉你答案。

农用打药泵
监控声音采集器报价
女休闲马甲

相关推荐