您现在的位置: 拉菲娱乐1 > 拉菲娱乐1娱乐城 > 正文

野生智能 飞轮 重塑亚马逊

来源: 本站原创 时间:2018-02-05

起源:36氪 

编者案:良多人都在谈人工智能,但究竟该怎样利用人工智能?最近几年来,亚马逊一直在用人工智能重塑自己,它的进程可以给任何一个想要利用人工智能的公司与团队带来启示。《连线》杂志揭晓了一篇文章,先容了人工智能重塑亚马逊的过程。文章由36氪编译。

2014年底,Srikanth Thirumalai找到亚马逊 CEO 杰妇 ·贝索斯。Thirumalai是一位计算机科学家,2005年从IBM离任后就始终引导着亚马逊的推荐团队,他将要提出一个齐范畴的新打算,将人工智能的最新停顿整开到他的部分中。

他带着一个六页纸的文档。良久以前,贝佐斯就发布,向他提出新产品和服务的方案书必须限度在这一范围内,而且还得包括一个描述产品、服务或筹划的新闻稿。现在,贝佐斯想要把亚马逊酿成一小我工智能重镇。在公司建立早期,亚马逊就在产品推荐中使用了人工智能技术。但最近几年,这一领域呈现了一场反动,机器学习变得更有用了,尤其是在深度学习,直接逮捕了计算机视觉,语音和做作言语处理等方面获得了巨大的先进。

在这个十年的晚期,亚马逊还没有隐著地利用这些上风,但它意识到这是一个急切的需供。这个时期最重要的风口将会是人工智能,谷歌、Facebook、苹果和微软都投入了巨大的资源,亚马逊却落在了前面。“我们会问每个团队的领导者这样一个问题——‘你将如何利用这些技术,并将它们整合到你的业务中?’”亚马逊设备和服务副总裁大卫·斯利特(David Limp)说。

Thirumalai把这一面紧紧天记在了心底,他找到贝佐斯,背他提出了若何加倍踊跃天时用机器学习的倡议。但他以为,完全重塑现有的系统危险可能太大,但经由20年的调剂,机器学习曾经在图象和语音辨认这两个不相干的领域施展了最佳的后果。“还没有人真挚将深量学习利用到推荐题目上,”他说。“所以这需要我们对付本人的信念有一个奔腾。”Thirumalai还没有完整筹备好——但是贝佐斯想要他做更多,Thirumalai分享了他的更保守的抉择——应用深度学习去改良推举的工做方法。这需要他的团队来控制借不存在的技巧,开辟没有被发明出来的东西,和研讨没有人推测的算法。贝佐斯十分爱好这个取舍。而后,Thirumalai誊录了他的消息稿,并开端了工作。

Srikanth Thirumalai,亚马逊搜索业务副总裁,负责用前进的机器学习来改进亚马逊软件的领导者之一。

Thirumalai只是几年前带着6页文档找到贝索斯高管中的一位,他们负责分歧的产品,服务分歧的客户群体。但每小我根本上都想到了和Thirumalai差未几的方式:用进步的机器学习技术改造亚马逊的一部分业务。此中有些人提出重塑以后的业务项目,比方公司的机器人技术和大数据中心业务——亚马逊网络服务(Amazon Web Services)。有一些人则提出了创建全新的业务,好比一个基于语音的家用电器,最后演化成了Echo。

这些改变产生的影响远近超越了单个项目标范围。Thirumalai说,在他闭会的时候,会把亚马逊的人工智强人才隔分开来。“我们可能会争辩,可能会交换,但我们不会相互分享太多的进展,由于这些教训并不克不及简略或许间接娶接,”他说。他们是浩大的工程大陆中的人工智能岛,用机器学习来彻底改制公司的努力转变了这所有。

尽管这些团队都比拟崇尚亚马逊的“单线程”团队文化,但在发作人工智能的关头,他们走向了配合。一些科学家处理了一些辣手的问题,并跟其他的团队分享了自己的解决计划。整个公司里,人工智能岛之间开始建立了接洽。随着亚马逊对人工智能方面的项目企图一直删大,其面对的挑衅也越来越庞杂,从而为其吸引了顶尖的人才,特别是那些盼望看到自己的工作能够产生现实影响的人,这填补了亚马逊在杂研究方面的缺心。果为亚马逊一直遵守着以客户服务为导向的公司文化。

亚马逊喜悲用“飞轮”(flywheel)这个伺候来描画它宏大营业的各个部分是如何作为一个永念头来运作的。它现在有了一个壮大的人工智能飞轮,作为公司的一部分,机器学习的创新为其他团队的努力提供了动力,而其他团队则可以开发产品或提供服务来影响别的的团队,甚至是整个公司。另外,将机器学习平台作为付费服务提供应内部人士,这让这项工作本身变得有益可图——在某些情况下,还可以获得更多的数据来进一步进步技术程度。

亚马逊从一个深度学习的跟随者成了主导者,这背地需要大批的六页纸文档项目。这类改变的成果可以在全部公司中看到——包含今朝在一个全新的机器学习基本上运转的推荐系统。亚马逊能够愈加准确地提议你接上去答该浏览什么,你应当在购物浑单上增加什么商品,以及你古迟可能会想看什么片子。本年,Thirumalai开始了一项新的工作——主管亚马逊搜索,他盘算用深度学习来改革这个服务的各个方里。

“如果你在七八年前问我,亚马逊在人工智能领域的影响力有多大,我可能会说,‘他们什么都不是,’”华盛顿大学计算机科学教授Pedro Domingos说。“但他们一直都在努力发展,现在已经成为了一股弗成疏忽的气力。”

Alexa效应

亚马逊进武士工智能领域的旗舰产品是其自力的智能音箱Echo,以及为其提供动力的Alexa语音平台。这些项目同样来自于一份六页纸文档,在2011年提交给了贝佐斯。个中一名介入者是一位名叫Al Lindsay的高管,他从2004年起就加入了亚马逊,他被请求离开那时正在领导的 Prime tech 团队, 帮助实现一些全新的货色。“一种低本钱、无处不在的计算机,它的所有‘大脑’都在云端,你可以通过语音与它互动——你跟它说话,它会跟你谈话。”这就是现在他对Echo的描述。

然而想要树立如许的一个系统,也便是说念要完成科幻演义《星际迷航》中那台健道的盘算机,须要有野生智能才能,那恰是亚马逊所缺乏的。更蹩脚的是,正在很少可能建破如许体系的专家中,基础上不人乐意为亚马逊任务。谷歌跟Facebook正在争夺应范畴的顶尖人才。“咱们是强者,”当初是副总裁的Lindsay道。

亚马逊Alexa引擎副总裁Al Lindsay表现,亚马逊在试图招募人工智能专家来设想和拆建语音平台时处于优势。

“亚马逊的抽象有点糟糕,他们一曲对那些研究型的人才不太友爱,”华衰顿大学传授Domingos说,亚马逊对客户的下度存眷,以及的文化气氛,与学术界的格协调合作敌手提供的沉紧报酬并纷歧致。“在谷歌,你是被放纵的,”Domingos说。“但在亚马逊其实不一样。”更糟糕的是,亚马逊另有这样的一个名誉——它是一个将翻新工作置于企业秘密之下的地圆。2014年,机器学习领域的顶级专家之一Yann LeCun,在一次外部会议上向亚马逊的科学家们做了一次报告。他在被吆喝加入这个演讲的时辰,他支到了一份领导Facebook研究团队的offer,但他仍是去了。正如他现在所描写的如许,他在一个大概600人的会堂里演讲,然后被领进了一个集会室,一个接一个的小组进去处他发问。但是当他问他们问题时, 他们皆没有答复。 这让LeCun对亚马逊落空了兴致,从而挑选了Facebook,局部起因在于Facebook批准开源其人工智能团队的大部门工作。

因为亚马逊缺累人才,它利用自己薄弱的财力来收购有技术特长的公司。“在开发Alexa的初期,我们出售了很多公司,”Limp说。2011年9月,亚马逊收购了Yap,这是一家语音文本公司,善于将书面语转化为口语行。2012年1月,收购了英国剑桥的Evi公司,该公司的软件可以像Siri那样响应语音恳求。2013年1月,收购了一家专门处置文本转语音业务的波兰公司Ivona,该公司提供的技术可使Echo能够进行对话。

但是亚马逊的失密文化妨碍了它吸收顶尖人才的尽力。个中一个潜在招募工具是Alex Smola,他是这个领域的超级明星,曾在俗虎和谷歌工作过。“他确切是深度学习领域的教女之一,”亚马逊收集服务公司的深度学习和人工智能的总司理Matt Wood说。(谷歌学术上闭于Smola作品的援用有跨越9万次。)亚马逊的高管们乃至不会向他或其余候选人流露他们将会做甚么。Smola拒尽了这个发起,而是选择在卡内基梅隆大学背责建立一个试验室。

Alexa的总监Alexa Sarikaya和亚马逊Alexa引擎的副总裁Al Lindsay,不仅创建了智能音箱的Echo,还努力于为其他公司的产品提供语音服务。

“在我们宣布产品之前,一直都是戗风而止,”Lindsay说。“他们会说,‘我为何要去亚马逊工作——我对那些卖给人们的产品不感兴趣!’”

但亚马逊在一个方面确实有吸引力。因为亚马逊一直都遵循着先写新闻稿再开发产品的喜欢,许多时候这些新闻稿外面有很多难题的问题,这些艰苦的问题对一些有家心的科学家来说,是具备致命吸引力的。特殊是想要在语音领域有所建树,必需要有一种对话式的人工智能技术,比如具有幻想词(“嗨,Alexa!”),能够识别并理解敕令,提供公道的答案等等,这些技术在其时都还不存在。

即使这个项目没有太多的开发细节,也引发了Rohit Prasad的兴趣,他是一位受人尊重的语音识别科学家。(亚马逊让他在自己的故乡建立了一个团队,这也对他有帮助。)他认为亚马逊缺少专业知识是一个特点,而不是缺点。 "这里是一起待开辟的地盘,"他说。 "谷歌和微软多年来一直致力于语音技术的研究。 在亚马逊,我们可以自食其力,解决困难。”2013年,他减入了Alexa的项目。“这款设备还处于一种硬件阶段,想要在语音方面有所建立还为时髦早,”他表示。

Echo中最棘手的部分是一种被称为远场语音识其余技术,它跋及到识别并懂得与麦克风坚持必定间隔的语音指令,即使这些指令会遭到情况乐音或其他声响的影响。一个很有挑战性的身分是,这款设备不能挥霍太多时光去思考你说的话。它必须把音频发送到云端,并迅速给出一个谜底,让人感到像是在谈话。构建一个能够在喧闹的情况中理解指令,并给出呼应的机器学习系统需要大量的数据。亚马逊从那里失掉这些数据也是一个非常棘脚的事情。

现在,林林总总的亚马逊设备和第三方产品都使用了Alexa语音服务。通过Alexa搜集的数占有助于改进系统。

远场技术以前就存在了,Limp 说。但“它在三叉戟潜艇的鼻锥上,要破费十亿美圆。”亚马逊试图将其装置在一个可以放在厨房柜台上的设备上,而且它必须足够廉价,让花费者能够动手起这样一款离奇的小玩意,世界杯波胆。“我的团队中有90%的人认为这是不行能的,”Prasad说。“在亚马逊中,我们有一个技术征询委员会——我们没有告诉他们我们在做什么,但他们说,‘不论你做什么,都不要去碰远场识别!‘”

Prasad的阅历给了他信心,让他信任这是可以实现的。但是,亚马逊并没有一个能够将机器学习应用于产品开发的系统。“我们有一些科学家在研究深度学习,但我们没有充足的基础举措措施来出产,”他说。好新闻是,贪图的整部件都在亚马逊系统内——一个无可比拟的云服务,装有GPU的数据中心来处理机器学习算法,还有那些晓得如何像“水球”一样挪动数据的工程师。

他的团队利用这些整机创建了一个平台,这个平台自身就是一笔可贵的资产,超出了它为Echo提供动力的价值。“一旦我们将 Echo 开发成一个远场语音识别设备,我们就看到了做更大事件的机遇——我们可以将Alexa的规模扩展到语音服务,”Alexa高等首席科学家Spyros Matsoukas说。他们扩大Alexa的一种直接方式是允许第三方开发者创建他们自己的“语音技术迷你应用法式”——被称为“技能”,能在Echo上运行。但这仅仅只是个开始。

亚马逊公司的资深尾席迷信家Spyros Matsoukas将Alexa酿成了一股力气,它可以增强亚马逊的人工智能文明。

经过在Echo除外推出Alexa,亚马逊开始凝集起来了一种人工智能文化。公司的团队开初意想到,Alexa也能够为其辱物名目供给有效的语音办事。

“尽管我们对“单线程”所有权上异常器重,但所有的数据和技术都会集在一路。”Prasad说。亚马逊的其他产品也开始整合到了Alexa中:当你使用Alexa的设备时,你可以拜访亚马逊音乐、Prime视频和其他服务等等。然后,这项技术开始在亚马逊其他领域传播开来。“一旦我们拥有了基本的语音能力,我们就能够将它带到非Alexa的产品中,比如Fire TV、语音购物、以及最末的AWS中,”Lindsay说讲。

亚马逊内部的人工岛之间的距离越来越远了。

增进亚马逊转型的另外一个要害环顾是,一旦有数百万客户(亚马逊不肯泄漏详细数目)开始使用Echo,或是使用其他基于Alexa设备,就象征着它已经进进了这个领域。亚马逊开始积聚大量的数据——极可能是所有谈话驱动设备中最大的交互聚集。这些数据对潜在的雇佣者来说是一个强大的引诱。忽然间,亚马逊敏捷成为了那些令人垂涎的机器学习专家们想要工作的地方。"让 Alexa 对我如此有吸引力的原因之一是, 一旦你在市场上有了一个设备, 你就有了反馈的姿势,不仅是用户的反应数据,还有那些对改良一切都相当重要的实践数据——尤其是底层平台。”客岁参加亚马逊的机器学习副总裁 Ravi Jain 说。

因而,随着愈来愈多的人使用Alexa,亚马逊取得的疑息不但能够使系统机能更好,并且还强化了它自己的机器学习工具战争台——并使其成为机器学习科学家的一个热点目的地。

飞轮开始扭转。

更聪慧的云

2014年,亚马逊开始向Prime客户发卖Echo。同庚,Swami Sivasubramanian开始入神于机器学习。

事先担任治理 AWS 数据库和剖析营业的 Sivasubramanian 其时正在印度进内行庭观光, 因为时好总是症,他发明自己深夜在电脑前玩弄谷歌的 Tensorflow 和Café等工具, 这是 Facebook 和很多学术界专家青眼的机器学习框架。 他的论断是,将这些对象取亚马逊的云效劳联合起来可能产死宏大的驾驶。他认为,经由过程使云计算中的机器学习算法变得更轻易,公司可能会发掘出潜伏的需要头绪。“我们每月都邑为数百万的开收者提供办事,”他说。“大多半人不是亮省理工学院的教学,而是没无机器学习配景的开发者。”

亚马逊人工智能副总裁斯Swami Sivasubramanian,是首批认识到将人工智能工具散成到公司云服务中,将会产生商业价值的人之一。

他带着史诗般的六页纸文档去找到了杰夫·贝佐斯。在某种水平上,它是为 AWS 增添机器学习服务的蓝图。但是,Sivasubramanian认为这存在更辽阔的远景:AWS将会成为整个技术领域机器学习运动的核心。

从某种意思下去说,向不计其数的亚马逊云用户提供机器学习是不成防止的。“当我们第一次整合AWS最后的贸易规划时,我们的义务是采取只有多数本钱充分的构造才干获得的技术,并使之尽量普遍地散布,”AWS机器学习司理Wood说。“我们在计算、存储、分析和数据库方面已经胜利地做到了这一点——我们在机器学习方面也采用了一样的办法。”更简单的是,AWS团队可以借鉴公司其他团队积乏的经验。

AWS在2015年初次推出“亚马逊机器学习”,容许像C-Span这样的客户建立一个私家的脸部列表,Wood说。Zillow用它来预算房价。Pinterest将其用于视觉搜寻。多少家自立驾驶创业公司正在利用AWS机器学习技巧,经由过程数百万英里的模仿途径测试来改进产物。

2016年,AWS发布了新的机器学习服务,更直接地借鉴了Alexa的创新——一种名为Polly的文本到语音的组件,以及一种名为Lex的天然说话处理引擎。这些产品让AWS的客户——从Pinterest和Netflix这样的巨子到小型创业公司——都可以建立自己的迷你“Alexas”。

第三个波及视觉的服务Rekognition,鉴戒了Prime Photos所做的工作,这是亚马逊一个绝对不太闻名的群体,他们试图和谷歌、Facebook和苹果等相片产品一样,在照片识别领域真现异样的深度学习邪术。

这些机器学习服务既是强大的支出来源,也是亚马逊的人工智能飞轮的症结,因为像米国国度航空航天局和好国橄榄球同盟这样不同的客户都在费钱让他们的机器从亚马逊上学习。随着企业在AWS中建立起重要的机器学习工具,他们最后转向与亚马逊竞争的云计算业务的可能性变得微不足道。(对不起,谷歌、微软或IBM。)

比如Infor,这家为企业客户创建商业应用顺序的公司估值已经到达了数十亿美元。它比来发布了一款名为Coleman的新应用,它允许客户主动处理各类历程,分析性能,并通过对话界面与数据交互。它没有重新开始构建自己的机器人,而是使用AWS的Lex技术。“无论怎么,亚马逊都已经做出来了,我们为什么要花时间在这下面呢?我们懂得我们的客户,我们可以使之实用于他们,”Infor的高级副总裁Massimo Capoccia说。

AWS在以太网上的主导地位,也使其在策略上比竞争对手更有劣势,尤其是谷歌,后者曾生机利用其机器学习的领导位置,在云计算领域遇上AWS。是的,谷歌可能会在其服务器上为客户提供超快的、机器学习优化的芯片。但是,在AWS上的公司可以更容易地与使用相同服务的公司进行交互,并向它们发卖产品。“这就像Willie Sutton所说的,他之所以掳掠银行,是因为那是钱的来源,”DigitalGlobe的首席技术官Walter Scott谈到了他的公司为什么使用亚马逊的技术。“我们使用AWS进行机器学习,因为这是我们的客户地点的地方。”

客岁11月,在AWS re:Invent年夜会上,亚马逊为其宾户推出了一个更周全的机器进修产物:SageMaker,一个成生且超等易用的仄台。它的生产者之一就是Alex Smola,这位机械进修发域的超等巨星,在五年前谢绝了亚马逊。当Smola决议重返业界时,他想要辅助创立强盛的对象,让平常硬件开辟职员可以使用机械教习。以是他往了一个他感到他会发生最年夜硬套的处所。“亚马逊太好了,不克不及错过,”他说。“您能够写一篇对于某件事的论文,当心假如你没有构建它,就出有人会应用你的美丽算法。”

当Smola告知Sivasubramanian,将机器学习传布给数百万人的工具比再颁发一篇论文更主要的时候,他获得了一个欣喜的回问。“你也可以揭橥你的论文!”Sivasubramanian说。是的,亚马逊现在在许可科学家宣布作品方面加倍自在。 “这不只有助于招募顶尖人才,也为亚马逊的研究提供了可睹性。”Spyros Matsoukas说,他赞助制订了更加开放的领导目标。

现在还不知道AWS的数百万用户是不是会开始使用SageMaker,来将机器学习植入到他们的产品中。但是,每个客户都邑发现,自己在亚马逊的机器学习服务提供商身上投入了大量资金。此外,该平台还非常成熟,甚至包括Alexa团队在内的亚马逊内部的人工智能团队也表示,他们打算使用与外部人士雷同的工具集——成为SageMaker的客户。他们相信,通过为他们的项目挨下基础,可让他们专一于更复杂的算法任务,从而为他们节俭大量的工作。

即便只有AWS的一部分客户使用了SageMaker,亚马逊也会发现自己占有大量关于其系统运行情形的数据(当然,不包括客户对自己的保稀信息)。这将带来更好的算法。更好的平台。更多的客户。飞轮在高速运行。

人工智能无处不在

跟着机器学习的片面到位,亚马逊的人工智能技术现在已经遍及了它的许多团队——这让贝佐斯觉得无比满足。固然亚马逊没有人工智能中央,但有一个部门特地负责机器学习的遍及和支撑,还有一些应用研究将新科学引进到公司的项目中。中心机器学习小组由 Ralf Herbrich 领导,他曾在微软的必应团队工作过,以后在Facebook工作了一年,在2012年被亚马逊挖行。“在公司内部有一个领有这个社区的地方是很重要的。”他说。(当然,这个项目也来自于贝索斯同意的六页纸文档项目。)

他的部分职责包括培养亚马逊疾速增加的机器学习文化。因为该公司以客户为中心的方法——解决问题而不是进行“蓝天研究”——亚马逊的高管们确实否认,他们的应聘工作将老是偏向于那些对扶植事物感兴趣的人,而不是那些寻求科学冲破的人。Facebook的LeCun则用另一种方式说:"不领导知识份子前锋, 你可以做得很好。"

不外,亚马逊正在效仿Facebook和谷歌,培训职工顺应人工智能。它开设了关于机器学习差别的内部课程。主办了一系列内部专家的座谈会。从2013年开始,该公司每一年4月城市在其总部举行一次内部机器学习会议。“刚开始的时候,亚马逊机器学习会议只要几百人,现在已经有几千人了,”Herbrich说。亚马逊的一名高管表示,如果它变得更大,就不该该将其称为“亚马逊机器学习事宜”,那末它应该被称为“亚马逊”。

Herbrich的团队持续测验考试着将机器学习推动到公司的每个角降。比方,履约团队愿望想要更好地猜测八个可能的盒子巨细中的哪个应该与客户定单一同使用,所以他们向 Herbrich 的团队追求帮助。

“这个团队不需要自己的科学家团队,但它需要这些算法,而且需要能够很容易地使用它们,”他说。在另一个例子中, David Limp 指出了亚马逊预测若干客户可能购置新产品的转变。 “我已经在消费电子领域工作了30年,其中有25%是通过人类的判定、电子表格和一些把戏揭球和飞镖来完成的,”他说。“自从我们在预测中开始使用机器学习以来,我们的过错率明显降落。”

只管如斯, Herbrich 的团队偶然也会将尖端科学运用到一个问题上。该公司的食物杂货配收服务Amazon Fresh已经营了10年,但它需要一种更好的方式来评价生果和蔬菜的度度——人类的速率太缓,并且前后抵触。他在柏林的团队建立了传感器拆载的硬件和新的算法,补充了系统无奈触摸和嗅出食品的能力。“三年后,我们将会出一个本型,我们可以比之前更牢靠地断定品质。”他说。

固然,这样的提高可以浸透到亚马逊的整个生态系统中。就拿亚马逊比来向大众开放的亚马逊Go来讲,它是一家以深度学习为能源的无收银员纯货店。“作为AWS的客户,我们从中受害很多,”亚马逊Go技术副总裁Dilip Kumar说。“但AWS也是一个受益者。”他举了一个例子,亚马逊Go有一个奇特的系统,稀有百台摄像头来搜集数据,逃踪主顾的购物活动。他团队的立异为AWS服务Kinesis提供了帮助,该服务答应用户将多个装备的视频传输到Amazon云,在那边他们可以处置它,分析它,并使用它来进一步改进他们的机器学习算法。

即使亚马逊的服务还没有使用自家公司的机器学习平台,它也可以成为这个过程的积极参加者。亚马逊的Prime Air无人机送货服务仍处于原型阶段,它必需独自构建人工智能,因为无人驾驶飞机无法依附云端来禁止衔接。但它依然从飞轮中失掉伟大收益,既从公司的其他团队吸取常识,又能弄明白该使用什么工具。“我们认为这是一个菜单——每团体都在分享他们的菜肴,”Prime Air的副总裁Gur Kimchi 说。他估计,他的团队终极将拥有自己的厚味菜单。“我们正在学习的课程以及我们在Prime Air项目中解决的问题,确定会惹起亚马逊其他团队的兴趣,”他说。

现实上,它仿佛已经在产生了。“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,他们会学到一些东西并创建了一个算法,他们会和公司里的其别人念叨这个问题,”亚马逊机器人公司的首席科学家Beth Marcus说。“所以我的团队中有人可以用它来完成一些事情。”

亚马逊机器人公司的首席科学家Beth Marcus看到了与公司日趋强大的人工智能专家协作的利益。

一个以产品为中央的公司能否有可能超出那些拥有“深度学习”超级明星的竞争敌手?亚马逊正在为此做预备。“尽管他们在追逐,但他们发布的产品发布使人易以相信,”艾伦人工智能研究所的首席履行卒Oren Etzioni说。“他们是一门第界级的公司,他们创造了天下级的人工智能产品。”

飞轮一直在扭转,还有许多的六页纸文档仍在酝酿当中。这将会为其带来更多的数据,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示若何?”

你猜答案是什么?杰夫·贝佐斯的笑声。