Swami Sivasubramanian，亚马逊机器学习副总裁，与家人住在西雅图熊出没的郊区。
尽管妻子强烈要求他熬夜抓熊，但作为一名科技工作者，Sivasubramanian 仍然向亚马逊 AWS 云服务的新型视频摄像系统 DeepLens 寻求帮助。
该系统可以基于深度学习和编程代码自动完成各种任务，例如当检测到熊时自动向手机发送警报。
此外，DeepLens还可以识别食物类型、转换图片和视频等，在优化公司内部工作流程的同时进一步改善消费者体验。
事实上，说到人工智能技术，亚马逊首先利用它为消费者提供个性化的商品推荐服务。
后来，随着机器学习技术的出现，那些推荐系统背后的算法也随之发生了变化，变得更加灵活和准确。
用亚马逊全球消费者业务首席执行官杰夫·威尔克的话说：“过去，我们使用的算法需要很长时间才能解读消费者的偏好。
但现在，有了新技术的帮助，数据收集和分析的效率提高了很多。
“具体来说，人工智能和机器学习不仅为亚马逊智能语音助手Alexa提供了技术基础，也为云计算服务AWS的广大用户提供了高效的工具。
而且，其线下无人值守的顺利运行零售店Amazon Go以及遍布全球的仓储物流中心都离不开这两项技术的大力支持，总之，亚马逊对新兴技术的重视不仅仅是说说而已，而是会真正落到实处，并充分灵活地落实。
显然，这是它成为全球第一家市值突破万亿美元大关的关键原因之一，毕竟在亚马逊，“每一天都是第一天”是一句好话。
——众所周知的工作座右铭。
它始终对新知识和新技术保持着一颗好奇和渴望的心。
如果你去过亚马逊位于华盛顿州肯特郡的仓储物流中心，你就会看到无数的橙色机器人。
当消费者在亚马逊下订单时，这些配备货架和商品的机器人会在人工智能技术的支持下自动对商品进行分类，然后将其放在传送带上由员工进行包装和包装。
对于亚马逊这样的大型在线电商公司来说，订单处理和产品分拣的速度和效率必须足够高。
因为即使每个订单只节省一两秒，但聚合起来的效果将是意想不到的和显着的。
而且，公司还将利用机器学习技术预测消费者网购行为趋势，从而提前将仓储中心的货物运输并放置到正确的位置，从而更快、更快捷地将货物送到终端消费者手中。
改善整条生产线。
线上购物和线下配送流程的效率。
近期，该公司充分发挥人工智能技术带来的优势，简化了产品扫描流程。
过去，如果想要电子输入产品的位置信息，必须先手动将其从包装箱中取出，然后用条码扫描仪扫描并放到货架上，最后扫描货架。
但现在，借助先进的计算机视觉技术和机器学习技术，物流中心员工只需将货物从包装箱中取出，滑到预装的扫描仪下方进行自动扫描，然后放入特定的箱子中即可。
由于该系统的高度智能化，员工不再需要一一扫描产品和货架。
因为系统已经自动记录了所有产品的原始摆放位置，方便以后需要时准确定位。
用亚马逊物流机器人公司Amazon Robotics工程副总裁布拉德·波特的话说：“能够将员工的双手从不间断的机械扫描中解放出来，无疑是提高工作效率的绝佳方式。
”具体来说，这套耗时一年半开发的新系统主要利用计算机视觉和机器学习算法来评估员工与产品之间的交互，同时记录产品被放入特定盒子的时间。
波特表示，这些算法是亚马逊目前使用的最先进、最复杂的技术。
它们不仅可以在各种不同亮度的环境下正常运行，而且不会受到箱内产品数量的影响。
也就是说，即使存放货物的箱子已满，也不会影响整个流程的运行。
毕竟一年中的12个月里，工作日和节假日的订单数量和产品数量都会有很大的变化。
最近几周，亚马逊已开始在其位于威斯康星州密尔沃基的仓储物流中心实施新系统，并预计将其推广到其他十个城市的仓储物流中心。
至于公司未来是否会在旗下所有仓储物流中心普及该系统，我们目前还无法确定。
即使会发生，我们也不知道什么时候会发生。
但尽管如此，波特一直在思考如何改进这个体系。
说白了，就是如何利用摄像头技术和机器视觉技术，进一步加快各个流程的运行速度。
在他看来，如果系统中能够配置更多数量的摄像头，未来可能会完全省去手动将货物滑到扫描仪下的过程，更不用说识别包裹上的条形码了。
届时，即使每件商品只能节省半秒，但基于亚马逊庞大的规模，无疑会产生相当大的积极影响。
酷炫的线下无人商店Amazon Go。
在亚马逊无人商店中，消费者选择想要的商品后可以直接离开，因为所有付款扣款都会自动直接关联到他们的亚马逊账户，无需现场付款。
或者排队。
店内使用的彩色和深度相机、重量传感器和算法完全自主开发，与仓储物流中心的系统无关。
目前，该公司仅在西雅图和芝加哥两个城市开设了四家线下无人店。
Amazon Go副总裁Dilip Kumar表示：“事实上，准确识别消费者拿走商品的行为非常困难。
因为如果消费者拿走某种商品，相关信息就会被屏蔽，所以摄像头是无法准确捕捉关键信息进行识别，更不用说多个消费者同时拿走某种商品，或者同一时间穿着相似衣服的消费者出现在商店中，而且在照明条件下，产品识别的准确性也会有所不同。
都会受到影响。
”为了解决这些问题，库马尔带领团队开发了多套算法来精确分析摄像头拍摄的角度和内容，同时观察消费者与产品之间的互动，尽管他无法保证无人商店系统的效率如何。
显然，如果测试时的准确率太低，公司绝对不会向公众推广，而且，为了检修系统，公司会定期对外界关闭无人商店，只对外界开放。
内部员工检查系统运行流程，提高速度和效率 接下来，库马尔的主要任务是带领团队改进算法，提高各个单元的计算能力，并充分利用成本相对较低的传感器，从而提高。
系统自动识别商品的速度和准确度毕竟库存商品的更新率一般都会维持在20%到30%，确实需要系统的识别能力跟上。
幸运的是，机器学习是一项不断进步的技术，因此亚马逊可以不断优化其在各个领域的消费者体验，例如甜点和生鲜等生活必需品。
而且，据彭博社近日报道，亚马逊目前正计划在未来几年内开设多达几家线下无人商店。
万能的语音助手ALEXA 当然，说了这么多，我们还没有介绍亚马逊的人工智能旗舰产品——语音助手Alexa。
迄今为止，该公司已售出数百万台支持语音的设备。
此外，开发人员还专门为 Alexa 设计了多种基于语音命令的应用程序。
亚马逊本身已经与多家第三方硬件制造商达成合作，将Alexa集成到其他各种类型的产品中。
接下来，亚马逊将给予消费者更大的自由度，让他们根据自己的真实需求创建相应的功能。
借助Blueprints，消费者无需具备任何软件开发专业知识背景，即可定制语音助手的个性化功能。
无处不在的亚马逊人工智能当然，最终亚马逊最大的贡献者其实是云计算服务AWS。
可以说，它已经成为其他同行业企业的典范和参考标准。
用 Sivasubramanian 的话说：“亚马逊 AWS 的目的是将机器学习技术的所有便利性交到每个开发人员和数据科学家的手中。
”他表示，说到机器学习，几乎没有哪个行业不提供它。
兴奋的。
但尽管这项技术给很多企业的业务发展和企业管理带来了好处，但它仍处于起步阶段。
到目前为止，选择使用亚马逊基于AWS的机器学习服务的客户数量已达到数十万甚至数百万，涵盖零售、房地产、时尚、娱乐、医疗保健等多个领域。
这些客户在人工智能方面的能力也参差不齐。
虽然大师级别的玩家不少，但新手级别的玩家也随处可见。
对此，亚马逊调整了其提供的人工智能和机器学习服务，希望能够同时满足不同类型和规模的客户的不同需求。
相关数据显示，过去一年，亚马逊AWS机器学习工具的使用增长率达到了%。
最后，自去年 11 月以来，AWS 增加了多种新功能和服务，希望进一步完善其机器学习工具库。
其中之一就是文章开头提到的 DeepLens。