日前，亚马逊AWS以“所建不凡”为主题在北京举办了“2018北京站技术峰会”，亚马逊AWS全球技术与开发者布道师团队负责人Ian Massingham (伊恩·马幸哈姆，以下简称Ian)解读了AWS在人工智能方面的进展。布道师(Chief evangelist)是亚马逊云设立的特殊职位，向公众进行技术的宣传、讲解。

上图为：AWS全球技术与开发者布道师团队负责人Ian Massingham

事实上，AWS发展迅猛，2018年第二季度的营业额已经增加到61亿美金，同比增长49%，年化收入预计超过240亿美元。仅在2018年第一季度，AWS推了多达400多项的新服务和新功能。活跃客户多为企业客户，分布全球190多个国家，在中国“落地”五年，积累了大量的中国的客户。这其中，人工智能在客户中的应用已然越来越广泛。

一、物流领域

据Ian介绍，仓储物流已经成为机器人应用最大的市场之一,2012年，亚马逊以7.75亿美金收购了Kiva Systems仓储机器人，Kiva机器人随机分布在大型运营中心的不同角落里，昼夜不停地处理客户的海量包裹。它们会自动分拣货物，并在拣出货物之后，通过机器计算选择路径交到最近的人工手里，再由人工贴上具体的标签。Kiva Systems仓储机器人应用人工智能技术，极大提升了输送效率、降低了错误率，并极大降低了成本。

二、互联网领域

AI正在大量应用于互联网的产品推荐上，Ian举例说： “比如你在亚马逊官网上搜索一本书，搜索书籍时下面同时会出现推荐商品，并在页面上显示根据你以往的购买历史记录，再推荐适合你的商品。这类应用除了亚马逊之外，在互联网行业的应用已经越来越普遍。”

Ian同时也指出：“这些看似简单的应用，其实需要一个非常庞大的数据库去解决。因为在美国亚马逊的网站上，存在着两亿种不同的产品，每种产品各有自己的库存数量。如果用传统的excel电子表格的形式去展现这样一个庞大的数据，是无法想象的。”

三、无人机的应用

亚马逊对无人机的AI应用也进行了创新，通过无人机来递送包裹，这一成果目前正在英国剑桥大学进行实验。

据Ian介绍：“亚马逊无人机都不是由人来操控的，而是由一系列的组合算法来完成。比如说基于GPS的路径规划的算法，以及计算机视觉，来避免可能会碰到一些障碍物等等”。亚马逊无人机要求包裹的重量不能超过2.5kg，并在30分钟内实现包裹的交付。

而要实现亚马逊无人机这样一个功能，面临着以下四大技术挑战：

一、断网：无人机途径的区域，可能存在网络连接问题，中途断网时如何保证无人机的飞行?

第二个技术挑战是能源问题，在电力供应上也有着非常大的局限;

第三是无人机本身重量的问题，需要尽量减轻硬件的自重。因此对CPU的处理能力、电池容量等提出了很大的挑战。

第四，是软件维护方面，需要在可控的环境下不断地把新的一些机器学习的模型推送到无人机的系统上。

这些问题随着技术研究的加深，正在逐步得到改善。Ian举例说明了亚马逊是如何对硬件产品智能音箱Echo通过AI技术进行改善。

智能音箱的计算能力相对简单，因为它只有一个MCU，一个微控制单元，也就是其智能化相对比较低。比如只有有限的四个选择等。但智能音箱一旦用户使用了以上四个唤醒的语音之后，其服务便直接从AWS云端进行调用，通过声音转化成文本文档，再去调用自然语言理解NLU的服务，最后解包，完成用户的一系列各种各样服务。

而在自然语言理解NLU方面，需要使用到深度学习。比如“我想坐飞机”，或者“我想从北京飞到上海”这些表达，其实是一个意思，但是用语言表达起来会比较丰富一些，需要通过NLU技术了解说话人的意图。

四 解密三层AWS机器学习堆栈

Ian说：“现在，有大量开发人员和企业客户选择在AWS平台之上使用深度学习和机器学习系统，主要有两个原因：第一，AWS平台上已经积累了大量数据;第二，AWS的机器学习和深度学习服务，可与AWS的其他云服务密切结合。AWS的做法是，将其机器学习和人工智能技术打包成服务，即使用户不是这方面的专家，也可以轻松使用。 为了将人工智能、机器学习的能力交付给每一位开发者，AWS建立了一个三层的AWS机器学习堆栈。”

最下面一层是框架和基础设施，包含机器学习所需的一些基本工具和资源;

中间一层是平台服务，帮助软件开发人员将其在软件开发方面的知识用于机器学习中;

最上面一层是应用服务，集合了AWS预抽取或预训练的一些机器学习的服务和模型，开发人员可以直接使用。

同时，AWS还会在每一层中不断加入新的功能。比如从事自动驾驶系统开发的图森就使用AWS的服务来训练一套定制化的机器学习系统。Ian最后指出：“AWS拥有非常广泛的客户基础，以及多元化的使用场景，开发人员可以针对不同的使用场景选择不同的机器学习框架和工具。AWS期望将机器学习的能力赋予每一位开发者和数据科学家”。