虎嗅注：Google和Facebook一有机会就要炫耀自己的AI实力，亚马逊却不然。
但事实上，从20年前起，亚马逊就开始布局机器学习了。如今，机器学习更是渗入了亚马逊的骨髓，融入其整个组织最细微的工作思考当中。
在机器学习方面，亚马逊走到哪一步了，又都在哪些场景做了布局？
来看《经济学人》的这篇报道。
为了给虎嗅黑卡会员寻找全球的好内容，虎嗅正式与《经济学人·商论》展开合作。本文出自《经济学人·商论》2019年四月刊，原标题《一台学习中的机器》。
亚马逊六页纸的备忘录名声在外。高管们每年都得写一份，列出他们的商业计划。不太为人所知的是，一直以来这些长文都必须回答一个问题：你打算如何利用机器学习？据亚马逊的主管们说，公司不希望看到“没什么打算”这样的回答。
机器学习是人工智能（AI）的一种，它挖掘数据，识别其中的模式用于预测。1999年杰夫·威尔克（Jeff Wilke）加入亚马逊后，机器学习开始在这家公司生根。威尔克现在是杰夫·贝佐斯的副手。当年他组织了一个科学家团队来研究亚马逊的内部流程以提高效率。他把科学家安排进各个业务部门，将自我评估和改进的循环变成默认模式。很快，这个循环就用上了机器学习算法；第一个算法推荐了客户可能会喜欢的书籍。随着贝佐斯的雄心日渐高涨，自动化洞察的重要性也日益彰显。
其他科技巨头一有机会就会炫耀自己的AI实力，如Facebook的面部识别软件、Apple的Siri数字助理，或者Alphabet的无人驾驶汽车和围棋大师。而亚马逊在机器学习上很低调。诚然，它的Alexa与Siri是竞争关系，而且亚马逊还通过云计算提供预测服务。但对于公司的成功至关重要的是它用来不断精简自身运营的算法。这一反馈回路看上去和面向消费者的AI一样：构建服务、吸引客户、收集数据、让计算机从这些数据中学习，其规模之大，非人力所及。
去亚马逊的物流中心看一看。该公司在北美有100多个这样庞大的仓库，在其他地区有60多个。这些仓库负责存储和配送亚马逊销售的商品，是其2070亿美元网购业务的心脏。在西雅图郊区的一间仓库里，包裹以轻型摩托车的速度在传送带上快速移动。噪音震耳欲聋，整间仓库似乎一个人也没有。而在一个围栏围起来的足球场大小的区域里，堆叠着成千上万个黄色长方体货架单元，每个高1.8米。亚马逊管它们叫货舱。成百上千个机器人穿梭在一排排整齐排列的货舱之间，滑进货舱底部把它们拖来拖去。在人类眼中，牙膏、书籍和袜子等货品似乎是随机摆放的；而在控制分拣过程的算法面前，一切都井然有序。
至于人类员工（在亚马逊内部叫“搭档”），他们的工位安排在“机器人区”围栏四周的间隔位置。一些人从机器人拖来的货舱上拣货，另一些人把货物填进空货舱，再由机器人拖走存放。他们每次拣货或摆货都会扫描产品及所属货架的条形码，以便软件进行跟踪。
负责开发这些算法的是亚马逊首席机器人专家布拉德·波特（Brad Porter）。威尔克指派他的团队优化物流中心。波特关注的是“货舱间歇”，即工作人员等待机器人把货舱拖至其工位的时间。等待的间歇越短、次数越少，员工的停工时间就越少，货物在仓库的流通就越快，最终亚马逊就可以更快地将货物配送到顾客家门口。波特的团队正不断试验新的优化措施，但在实施时很谨慎。机器人区一旦交通堵塞，麻烦可就大了。
亚马逊网络服务（AWS）是亚马逊的另一个核心基础设施。它支撑着亚马逊价值260亿美元的云计算业务，让企业无需自备服务器就能运营网站和应用。
AWS主要是利用机器学习来预测对计算的需求。当互联网用户涌向某个客户的服务时，计算能力不足可能就会导致出错，并在页面打不开时错失销售机会。AWS的主管安迪·加西（Andy Jassy）说，“我们不能说缺货。”为了确保永远不必说缺货，加西的团队要处理海量客户数据。亚马逊无法看到其服务器上托管的内容，但可以监控每个客户的流量、在线连接的时长及其稳定性。与亚马逊的物流中心一样，这些元数据会输入到机器学习模型中，由模型来预测AWS何时何处会面临需求上升。
AWS最大的客户之一就是亚马逊自己。而其他亚马逊业务想要的一项主要功能就是预测。由于对预测的需求极大，AWS设计了一款名为Inferentia的新芯片来处理这些任务。加西表示，在所有维持公司运转所需运行的机器学习任务中，Inferentia都能为亚马逊省钱，同时还会吸引客户使用其云服务。他说：“我们相信，它在成本控制和效率上至少可以实现一个数量级的提升。”Alexa中识别语音和理解人类语言的算法就将大大受益。
亚马逊在算法方面的最新尝试是无人便利店Amazon Go。店内安装了数百个摄像头，从高处观察购物者，将视觉数据转换为3D人体形貌，进而追踪购物者挑选商品时的手臂动作。这样，系统就能看到购物者挑选了哪些商品，并在他们离店时通过他们的亚马逊帐户结账。
Amazon Go的主管迪里普·库玛尔（Dilip Kumar）强调，他们的系统跟踪的是购物者的肢体动作。他说，系统并非利用面部识别来识别客户身份，再将他们与亚马逊帐户相关联。事实上，它是让顾客在店门口扫一个条形码。而后系统再将所建构的3D人体形貌接下来的行为动作都算在这个扫过码的账户上。这是一曲机器学习的颂歌，处理数百台摄像头的数据以确定购物者拿取了什么。就算本文作者再怎么尝试，也没法蒙骗系统，顺手牵羊。
从心所欲
AI肢体跟踪也开始运用于亚马逊的物流中心。亚马逊正在测试一个内部代号为“Nike意图检测”（Nike Intent Detection）的系统。该系统用Amazon Go追踪购物者行动的方法来追踪物流中心人类员工在货架上拣货和摆货的动作。其目的是摆脱手持条形码扫描器。手动扫描耗费时间，对工人来说也是个麻烦。理想情况下，工人可以将货物放在任意货架上，系统会自动监测跟踪。与以往一样，此举的目的是提高效率，尽量提高货物流通速度。波特说：“员工们觉得这样做很自然。”
亚马逊在收集数据方面态度谨慎，这让它免于Facebook和谷歌近年受到的一些政府审查。
亚马逊收集和处理客户数据仅仅是为了改善客户体验。它没有在满足用户和满足客户之间的灰色地带钻营。用户和客户往往截然不同——用户免费使用社交媒体或搜索，是因为广告主会向Facebook和谷歌付费以接近目标用户。而对亚马逊来说，用户和客户大体上是一回事（尽管它正在考虑广告业务）。监管机构真正担忧的是亚马逊在网购和云计算这两个核心业务上的主导地位。这种主导力建基于机器学习之上，丝毫没有显示出减弱的迹象。
评论