中国质量新闻网 （通讯员 张雪）近日，在亚马逊AWS举办的“所建不凡”技术峰会上，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)）向记者介绍了AWS在人工智能和机器学习方面的最新进展和探索。

与一般的技术派学者不同的是，伊恩并没有谈一些高深莫测的技术术语和内涵，而是从大众熟悉的日常产品案例开篇，为现场的媒体们徐徐绘出了一幅AWS的技术与产品完美融合的画卷。

伊恩谈到，亚马逊公司自创立以来这20多年的时间，几乎现在运营的每一项业务，都能看到无所不在的技术。而在媒体沟通会上，他着重分享了无人仓库、无人机配送、智能音箱和大数据分析这四大时下最受关注的案例。

作为一家电商起家的企业，亚马逊在全球有多个运营中心，也就是所谓的大型仓库。目前这些运营中心中主要使用自动机器人系统来运营。具体来讲，机器人本身随机分布在运营中心的某些角落，它们会自动去分拣货物，当它们拣出一个货物之后，会选择路径交到人工手里，由人工贴上具体的标签。

而这主要应用的就是机器学习的技术，伊恩介绍称，早在2003年亚马逊就开始使用这个技术了。再对比如今国内电商巨头近来热炒的无人配送站，不难发现，也许国内无人配送站成熟化更高了一筹，但是从前瞻性来看，还是被亚马逊甩在身后的。

那么为什么亚马逊能够较早发力机器学习呢？伊恩解释道，在亚马逊内部，有一个信条，就是一定要花精力做好那些对于客户来说永远不会变的一些事情。从这个包裹的递送来说，我相信没有一个客户说会希望以更慢的速度、以更低的准确率、以更高的价格获得自己的货物。

不过，在无人机配送方面，亚马逊的动作却并没有比国内电商快多少，目前还处于试验和尝试阶段。众所周知，无人机都不是由人来操控的，它们实际上是由一系列的组合算法来进行操控。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。

目前亚马逊试验用的无人机的规格和要求与国内主流的产品并无二致。包裹的重量不能超过五斤，这种情况之下可以通过它在30分钟之内实现包裹的交付。

伊恩也介绍了无人机配送当下存在的一些痛点和难点。

第一个挑战是这些无人机途径的区域，不总是有网络的连接的，所以途中会出现断网的情况。

第二个技术挑战是能源的问题，在电力供应上肯定是有非常大的局限的。

第三是无人机本身重量的问题，要尽量减轻这些硬件的自重。因此在CPU的处理能力方面，以及在电池容量方面，肯定都是有局限的。

第四点是软件维护方面，因为要在比较可控的环境下来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。

而与无人机案例恰恰相反的，则是亚马逊的网红产品—智能音箱Echo。不同于无人机相对复杂的计算程度和学习能力，智能音箱的技术含量要简单许多，智能程度也相对较低。因为它只有一个MCU，一个微控制单元。比如，你只有四种方式唤醒它。

唤醒之后，智能音箱的其他服务都是从AWS云端来调用的。这个时候其实我们所说的声音的文档会被转化成令牌化的文本文档，然后再去调用我们所说的自然语言理解NLU的服务，然后解包一系列各种各样的服务。

事实上，在自然语言理解方面，Echo还是需要使用到深度学习。因为表达一个意思，可以有多种表达方式，Echo需要通过NLU了解说话人的意图。

此外，在当今相对成熟的大数据分析方面，伊恩也做了具体的案例介绍，即亚马逊商城的个性化产品推荐。

比如你搜索了一本书，根据这本书，会列出购买了这本书的客户感兴趣的书籍。同时也亚马逊也会在你登录时，根据你自身的喜好给你推荐相关书籍。

这种操作看似简单而熟悉，其实背后隐含着庞大的数据处理工作。因为在美国亚马逊的网站上，同时有两亿种不同的产品在销售，每个产品还各有自己的库存数量。

如果用一个excel电子表格去展现的话，每个ID号会对应有两亿列，纵横来交错得出来的非零的整数其实就是客户购买这个产品的概率。它的数字排列是非常稀疏的分布，因为大部分电子表格中的这些单元格应该都是空的。

所以亚马逊就专门开发出了一个算法，来计算可能的行和列交叉的单元格里出现一个实际的数字的可能性。这样的算法非常强大，对客户来说也非常有价值。AWS的一个大客户Netflix就是使用了这样的算法，Netflix曾经说过，自己75%的视频流量其实都是通过这样的推荐引擎来达成的。

从伊恩的整体介绍来看，我们不难发现任何技术都是以产品为载体而呈现价值的，而这些产品的成功和认可，也折射出了亚马逊AWS在技术上的领先之处。