上圖為：AWS全球技術與開發者布道師團隊負責人Ian Massingham
事實上，AWS發展迅猛，2018年第二季度的營業額已經增加到61億美金，同比增長49%，年化收入預計超過240億美元。僅在2018年第一季度，AWS推了多達400多項的新服務和新功能。活躍客戶多為企業客戶，分布全球190多個國家，在中國“落地”五年，積累了大量的中國的客戶。這其中，人工智能在客戶中的應用已然越來越廣泛。
一、物流領域
據Ian介紹，倉儲物流已經成為機器人應用最大的市場之一,2012年，亞馬遜以7.75億美金收購了Kiva Systems倉儲機器人，Kiva機器人隨機分布在大型運營中心的不同角落里，晝夜不停地處理客戶的海量包裹。它們會自動分揀貨物，并在揀出貨物之后，通過機器計算選擇路徑交到最近的人工手里，再由人工貼上具體的標簽。Kiva Systems倉儲機器人應用人工智能技術，極大提升了輸送效率、降低了錯誤率，并極大降低了成本。
二、互聯網領域
AI正在大量應用于互聯網的產品推薦上，Ian舉例說： “比如你在亞馬遜官網上搜索一本書，搜索書籍時下面同時會出現推薦商品，并在頁面上顯示根據你以往的購買歷史記錄，再推薦適合你的商品。這類應用除了亞馬遜之外，在互聯網行業的應用已經越來越普遍。”
Ian同時也指出：“這些看似簡單的應用，其實需要一個非常龐大的數據庫去解決。因為在美國亞馬遜的網站上，存在著兩億種不同的產品，每種產品各有自己的庫存數量。如果用傳統的excel電子表格的形式去展現這樣一個龐大的數據，是無法想象的。”
三、無人機的應用
亞馬遜對無人機的AI應用也進行了創新，通過無人機來遞送包裹，這一成果目前正在英國劍橋大學進行實驗。
據Ian介紹：“亞馬遜無人機都不是由人來操控的，而是由一系列的組合算法來完成。比如說基于GPS的路徑規劃的算法，以及計算機視覺，來避免可能會碰到一些障礙物等等”。亞馬遜無人機要求包裹的重量不能超過2.5kg，并在30分鐘內實現包裹的交付。
而要實現亞馬遜無人機這樣一個功能，面臨著以下四大技術挑戰：
一、斷網：無人機途徑的區域，可能存在網絡連接問題，中途斷網時如何保證無人機的飛行?
第二個技術挑戰是能源問題，在電力供應上也有著非常大的局限;
第三是無人機本身重量的問題，需要盡量減輕硬件的自重。因此對CPU的處理能力、電池容量等提出了很大的挑戰。
第四，是軟件維護方面，需要在可控的環境下不斷地把新的一些機器學習的模型推送到無人機的系統上。
這些問題隨著技術研究的加深，正在逐步得到改善。Ian舉例說明了亞馬遜是如何對硬件產品智能音箱Echo通過AI技術進行改善。
智能音箱的計算能力相對簡單，因為它只有一個MCU，一個微控制單元，也就是其智能化相對比較低。比如只有有限的四個選擇等。但智能音箱一旦用戶使用了以上四個喚醒的語音之后，其服務便直接從AWS云端進行調用，通過聲音轉化成文本文檔，再去調用自然語言理解NLU的服務，最后解包，完成用戶的一系列各種各樣服務。
而在自然語言理解NLU方面，需要使用到深度學習。比如“我想坐飛機”，或者“我想從北京飛到上海”這些表達，其實是一個意思，但是用語言表達起來會比較豐富一些，需要通過NLU技術了解說話人的意圖。
四 解密三層AWS機器學習堆棧
Ian說：“現在，有大量開發人員和企業客戶選擇在AWS平臺之上使用深度學習和機器學習系統，主要有兩個原因：第一，AWS平臺上已經積累了大量數據;第二，AWS的機器學習和深度學習服務，可與AWS的其他云服務密切結合。AWS的做法是，將其機器學習和人工智能技術打包成服務，即使用戶不是這方面的專家，也可以輕松使用。 為了將人工智能、機器學習的能力交付給每一位開發者，AWS建立了一個三層的AWS機器學習堆棧。”
最下面一層是框架和基礎設施，包含機器學習所需的一些基本工具和資源;
中間一層是平臺服務，幫助軟件開發人員將其在軟件開發方面的知識用于機器學習中;
最上面一層是應用服務，集合了AWS預抽取或預訓練的一些機器學習的服務和模型，開發人員可以直接使用。
同時，AWS還會在每一層中不斷加入新的功能。比如從事自動駕駛系統開發的圖森就使用AWS的服務來訓練一套定制化的機器學習系統。Ian最后指出：“AWS擁有非常廣泛的客戶基礎，以及多元化的使用場景，開發人員可以針對不同的使用場景選擇不同的機器學習框架和工具。AWS期望將機器學習的能力賦予每一位開發者和數據科學家”。
京公網安備 11010502049343號