上週四晚間， 亞馬遜公佈了2017年第四季度以及全年業績報表， 財報中諸多華麗的數字遠超華爾街的預測。 也正因為如此， 亞馬遜在週五股價大漲， 盤中一度創下每股1498美元的歷史最高價， 市值也一度突破7000億美元關口。 亞馬遜股價最後報收1429.95美元/股， 漲幅2.87%， 收盤市值為6891億美元。
圖：亞馬遜創始人兼CEO貝索斯圖：亞馬遜創始人兼CEO貝索斯
需要提及的是， 以亞馬遜創始人兼CEO貝索斯持有近7900萬股亞馬遜股票計算， 其擁有的市值超過1100億美元， 遠超長期霸榜全球首富的比爾蓋茨， 穩坐全球新首富（比爾蓋茨的淨資產在900億美元左右）。
亞馬遜成立於1995年， 距今已有23年的歷史。 近年來， 亞馬遜靠什麼一路高歌， 成為全球市值前三的科技巨頭？
4年前的下注2014年初， Srikanth Thirumalai會見了亞馬遜CEO傑夫·貝佐斯。 Srikanth是一名電腦科學家， 于2005年從IBM離職後就領導了亞馬遜的推薦團隊。 他提出了一個全範圍內的新計畫，
他在工作中有一個“六頁文檔”的要求。 很久以前， 貝佐斯就宣佈， 向他進行提議產品和服務的文檔必須限制在這一範圍內， 其中還得包含一個描述產品、服務或計畫的預測性的新聞稿。 現在， 貝佐斯想要靠他的員工們把這家公司變成一個人工智慧重地。 自亞馬遜成立之初， 其產品推薦就已經使用了人工智慧技術， 與產品推薦截然不同的諸如發貨時間安排和揀貨機器人這樣的技術也同樣融入了人工智慧技術。 但近年來， 這一領域出現了一場革命， 機器學習變得更加有效， 尤其是深度學習。 它帶動了電腦視覺、語音和自然語言處理方面取得了巨大進步。
在本世紀初， 亞馬遜還沒有明顯地利用這些優勢， 但它意識到這是一個極為迫切的需求。 這個時代最重要的競爭將會出現在人工智慧領域， 穀歌、Facebook、蘋果和微軟都在此領域投入了巨大的企業資源， 而亞馬遜落在了後面。 亞馬遜的設備和服務副總裁大衛·斯利特說：“我們會向每一位團隊的領導者問一個問題， ‘你如何使用這些技術， 並將它們整合到你自己的業務當中？”
Thirumalai將這一點銘記於心， 他約見了貝佐斯， 探討了他的年度計畫會議。 他提出了如何在機器學習方面更加積極的想法。 但他認為， 徹底重建現有系統的風險可能太大， 但經過20年的調整， 機器學習已經在圖像和語音辨識這兩個不相關的領域發揮了最佳效果。
Thirumalai只是幾年前帶著一份6頁紙的文檔來找貝索斯的高管中的一位。 他們提出的想法涉及到完全不同的產品和不同的客戶群。 但每個人都想到了類似Thirumalai的方法：用先進的機器學習技術改造升級亞馬遜的一部分業務。
這些結果所產生的影響遠遠超出了單個項目的範疇。 Thirumalai說， 他開會的時候， 會把亞馬遜的人工智慧人才分隔開來。 他說：“我們會互相交流， 不論爭論與否， 但我們不會互相分享太多各自項目上的進展， 因為這些經驗並不能簡單或者直接嫁接到其他的項目當中去。 ”他們可以看做是浩瀚的工程海洋中的一些渺小的人工智慧島， 而用機器學習來改進公司的努力改變了這一狀況。
儘管這些高管領導都比較推崇亞馬遜的“單執行緒”團隊文化， 即每一團隊獨家擁有自己所使用的技術。但在發展人工智慧業務的關鍵時期，各個團隊開始了跨項目的合作。各團隊內的科學家們負責解決棘手的問題，並跟其他的團隊分享自己的解決方案。公司內的“人工智慧小島”開始互相聯繫。隨著亞馬遜對人工智慧項目的野心不斷增大，其所面臨的挑戰也越來越複雜，而這也為亞馬遜吸引了頂尖的人工智慧人才，尤其是那些希望看到自己的工作能夠產生直接影響的人。這填補了亞馬遜在純研究工作中的人才缺口。因為亞馬遜一直宣導創新要以客戶服務為導向的這種公司文化。
亞馬遜喜歡用“飛輪”（flywheel）這個詞來形容它龐大業務的各個部分是如何像一個永動機一樣進行運作。它現在有了一個強大的人工智慧飛輪，作為公司的一部分，機器學習的創新推動了其他團隊的工作進程，而其他團隊便可以開發產品或提供服務來影響另外的團隊，甚至是整個公司。此外，將機器學習平臺作為付費服務提供給外部其他公司，讓這項工作本身變得有利可圖，在某些情況下，亞馬遜還可以獲取更多的外部資料來進一步提高其技術水準。
亞馬遜從一個深度學習的追隨者成為了一個主導者，這背後需要大量的“六頁紙文檔”專案的開發。這種轉變的結果在整個公司都隨處可見，包括目前完全在一個全新的機器學習基礎平臺上運行的推薦系統。亞馬遜能夠更加精確地建議你接下來應該閱讀什麼，你應該在購物清單中添加什麼商品，以及你今晚可能會想看什麼電影。今年，Thirumalai開始了一項新的工作——主管亞馬遜搜索，他打算用深度學習來改造這個服務的各個方面。
華盛頓大學電腦科學教授佩德羅·多明斯說：“如果你在七、八年前問我，亞馬遜在人工智慧領域有多麼強大，我可能會說，‘他們沒有多強大’，但他們的確一直在持續努力之中。現在他們正成為人工智慧領域不可小覷的一股力量。”
也許他們已經成了一股勢不可擋的力量。
Echo音箱與Alexa效應亞馬遜進軍人工智慧領域的龍頭產品是其全新開創的智慧音箱Echo，以及背後支撐其運轉的Alexa語音平臺。這些項目也是同樣源於一份六頁紙的文檔，於2011年在一次年度工作計畫安排中提交給貝佐斯。其中一名參與者是一位名叫艾爾·琳賽的高管，他自2004年起加入亞馬遜，他應要求離開當時正在領導的亞馬遜Prime科技團隊, 去幫助進行一些全新的工作。“一種低成本、無處不在的電腦，它的所有‘大腦’都在雲端當中，你可以通過語音與它互動，你跟它說話，它也會跟你說話。”這就是當初他聽到的對這份新工作的描述。
但是想要建立這樣的一個系統，也就是說想要真正打造出一台科幻小說《星際迷航》中那種健談的電腦，需要有一定級別的人工智慧技術，而這正是亞馬遜所沒有的。更糟糕的是，能夠建立這樣系統的專家少之又少，而其中又基本上沒有人願意為亞馬遜工作。穀歌和Facebook正在爭搶該領域的頂尖人才。現為亞馬遜副總裁的琳賽說：“我們處於下風地位。”
華盛頓大學教授多明戈斯說：“亞馬遜的形象有點糟，他們公司一直對那些研究型的人才不太友好。”亞馬遜對客戶的高度關注，以及喜歡爭強好勝的公司文化，與學術界的速度和其競爭對手提供的輕鬆待遇並不一致。多明戈斯說：“在穀歌，你是被縱容的。但在亞馬遜並不一樣。”更糟糕的是，亞馬遜還有這樣的一個名聲，創新工作對於它來說沒有企業機密重要。2014年，機器學習領域的頂級專家之一揚·勒丘恩在一次亞馬遜內部會議上向公司的科學家們做了一次演講。
他在被邀請參加這個演講的時候，他也收到了一份領導Facebook研究團隊的工作邀請，但他還是先去了亞馬遜。正如他現在所描述的那樣，他在一個可容納大約600人的禮堂裡演講，然後被領進了一個會議室，一個接一個的小組進去向他提問。但是當他問他們問題時, 他們都沒有做出回答。 這讓勒邱恩對亞馬遜大失所望，因而他選擇了Facebook，部分原因在於Facebook同意開源其人工智慧團隊的大部分工作。
因為亞馬遜缺乏人才，它利用自己雄厚的財力來收購有技術專長的公司。林普說：“在開發Alexa的早期，我們收購了很多公司。”2011年9月，亞馬遜收購了Yap公司，這是一家語音文本公司，在將口語轉化為書面語言方面很出色。2012年1月，亞馬遜收購了英國劍橋的Evi公司，該公司的軟體可以像Siri那樣回應語音請求。2013年1月，亞馬遜收購了一家專門從事文本轉為語音業務的波蘭公司Ivona，該公司提供的技術讓Echo擁有對話能力。
但是亞馬遜的保密文化阻礙了它吸引學術界頂尖人才的努力。它的其中一個潛在招募物件是亞曆克斯·斯莫拉，他是這個領域的超級大碗，曾在雅虎和穀歌工作過。亞馬遜網路服務公司的深度學習和人工智慧的總經理馬特·伍德說：“他確實是深度學習領域的教父之一。”亞馬遜的高管們甚至不會向他或其他候選人透露他們將來的工作計畫。斯莫拉拒絕了這個工作邀請，選擇在卡內基梅隆大學負責建立一個實驗室。
琳賽說：“在我們發佈產品之前，一直都有不看好的聲音。他們會說，‘我為什麼要去亞馬遜工作，我對售賣產品的工作不感興趣！’”
但亞馬遜在一個方面確實有吸引力。因為亞馬遜一直都喜歡先預想好最終產品的樣子再進行開發研究的工作習慣，很多時候這些初步設計稿裡面有很多目前技術尚未解決的問題。這些困難的問題對於一些有野心的科學家來說具有的致命吸引力。特別是想要在語音方面，要有一種對話式的人工智慧技術，比如具備喚醒詞（“嗨，Alexa！”），能夠識別並理解命令，提供合理的答案等等，這些技術在當時都還不存在。
即使亞馬遜沒有公佈太多這個專案的開發細節，也引起了羅希特·普拉薩德的興趣，他是一位受人尊敬的語音辨識科學家，在波士頓一家名為Raytheon BBN的科技公司就職。（亞馬遜讓他在自己的家鄉建立了一個團隊，這對於吸引他來亞馬遜就職有所幫助。）他認為亞馬遜缺乏專業知識是它的一個特徵，而不是缺陷。他說："這裡是一塊尚待開拓的土地。穀歌和微軟多年來一直致力於語音技術的研究。 在亞馬遜，我們可以白手起家，解決難題。”2013年，他入職亞馬遜後便直接加入了Alexa的項目。他表示：“這款設備目前只在硬體階段可行，想要搭載語音技術還為時尚早。”
Echo智慧音響中最棘手的部分是一種被稱為遠場語音辨識的技術，它涉及到識別並理解與麥克風保持一定距離的語音指令，即使這些指令會受到環境噪音或其他聲音的影響。這要求亞馬遜在技術上有新的突破，並且從整體上而言，也提升了亞馬遜在機器學習方面的競爭力。一個很有挑戰性的因素是，這款設備不能浪費太多時間去思考你說的話。它必須把音訊發送到雲端，並迅速給出一個答案，讓人感覺像是正在進行一段對話，而不是反應慢到讓人尷尬得覺得自己在跟一個好像快睡著的人聊天。構建一個能夠在嘈雜的環境中理解指令，並給出回應的機器學習系統需要大量的資料。亞馬遜能從哪裡得到這些資料也是一個問題。
亞馬遜設備及服務高級副總裁林普說，遠場技術以前就存在了。但“它應用於美國三叉戟潛艇的鼻錐部分，造價十億美元。”亞馬遜試圖將其內置在一個可以放在廚房櫃檯上的設備上，而且它必須足夠便宜，讓消費者能夠買得起這樣一款新奇的小產品。普拉薩德說：“我的團隊中有90%的人認為這完全不可能。我們在公司外面有一個技術諮詢委員會，我們沒有告訴他們我們在做什麼，但他們說，‘不管你做什麼，都不要想著研究遠場識別！’”
普拉薩德的經歷給了他信心，讓他相信這是可以實現的。但是，亞馬遜並沒有一個能夠將機器學習應用于產品開發的系統。他說：“我們有一些科學家在研究深度學習，但我們沒有足夠的基礎設施來實現產業化。”好消息是，所有需要的“零部件”亞馬遜都已具備，一個無與倫比的雲服務，裝有圖形處理器的資料中心來處理機器學習演算法，還有那些知道如何像移動“火球”一樣移動資料的工程師。
他的團隊利用這些資源創建了一個平臺，這個平臺本身就是一筆寶貴的資產，超出了它用於Echo研發工作的價值。Alexa高級首席科學家Spyros Matsoukas說：“一旦我們將Echo開發成一個遠場語音辨識設備，我們就看到了做更大事情的機會——我們可以將Alexa的應用範圍擴大到語音服務。”Spyros Matsoukas曾與普拉薩德一同在Raytheon BBN公司工作。（他當時的工作包括美國國防部高級研究計畫局一個名為“Hub 4”的的項目，該專案利用廣播電視新聞和攔截的電話來推進語音辨識和自然語言理解的水準，這對於Alexa項目來說簡直就是神助攻。）他們擴展Alexa應用範圍的一種直接方式是允許協力廠商開發者創建他們自己的“語音技術迷你應用程式”。這也被稱為“技能”，能在Echo智慧音響上運行。但這僅僅只是個開始。
為了在Echo智慧音響之外推廣Alexa，亞馬遜開始凝聚起來了一種人工智慧文化。公司的團隊開始意識到，Alexa也可以為其寵物專案提供有用的語音服務。普拉薩德說：“儘管我們對“單執行緒”所有權非常重視，但所有的資料和技術都彙集在一起。”亞馬遜的其他產品也開始整合到了Alexa中：當你使用Alexa的設備時，你可以訪問亞馬遜音樂、Prime視頻和其他服務等等。然後，這項技術開始應用于亞馬遜的其他產品領域。琳賽說：“一旦我們擁有了基本的語音能力，我們就可以將加入到非Alexa的產品中，比如Fire TV、語音購物、亞馬遜生鮮立達，最終加入到亞馬遜網路服務之中。”
亞馬遜內部的“人工智慧島嶼”之間的距離越來越近了。
一旦有數百萬客戶（亞馬遜不願透露具體數量）開始使用Echo音箱，或者是使用其他基於Alexa助手的設備，亞馬遜轉型的另一個關鍵環節就開始了。亞馬遜開始積累大量的資料，這很可能是所有談話驅動設備所能收集的最大的交互集合。這些資料對於那些潛在的受雇員工來說是一個強大的誘惑。突然間，亞馬遜迅速成了那些各方爭搶的機器學習專家們想要工作的地方。去年加入亞馬遜的機器學習副總裁Ravi Jain說: "讓Alexa對我如此有吸引力的原因之一是, 一旦你在市場上有了一個設備, 你就有了回饋的資源，不僅是使用者的回饋資料，還有那些對改善一切都至關重要的實際資料——尤其是支撐這一切的平臺。”
因此，隨著越來越多的人使用Alexa，亞馬遜獲得的資訊不僅能夠使系統性能更好，而且還強化了它自己的機器學習工具和平臺, 並使其成為機器學習科學家的一個熱門工作地點。
飛輪開始旋轉。
亞馬遜AWS：更聰明的雲端2014年，亞馬遜開始向Prime客戶銷售Echo智慧音箱。也是那一年,當時負責管理亞馬遜網路服務資料庫和分析業務的Swami Sivasubramanian開始對機器學習感興趣。他14年攜家人正在印度旅行時, 由於時差的問題，再加上他出生不久的女兒不時大哭，他發現自己深夜在電腦前擺弄穀歌的 Tensorflow 和Caffé等工具, 這是 Facebook 和許多學術界專家青睞的機器學習框架。 他得出了一個結論，那就是將這些工具與亞馬遜的雲服務結合起來可能產生巨大的價值。他認為，通過使雲計算中的機器學習演算法變得更容易，公司可能會挖掘出潛在的一系列需求。他說：“我們每個月都會為數百萬的開發者提供服務。其中大多數人不是麻省理工學院的教授，而是沒有機器學習背景的開發者。”
在他下一次與傑夫·貝佐斯的進行工作回饋中，他提交了具有重大意義的六頁紙文檔。在某種程度上來說，這份文檔是一張為亞馬遜網路服務增加機器學習服務的藍圖。但是，Sivasubramanian認為這具有更廣闊的前景：AWS將會成為整個技術領域機器學習活動的中心。
從某種意義上來說，向成千上萬的亞馬遜雲用戶提供機器學習是大勢所趨。AWS的機器學習經理伍德說：“當我們第一次整合AWS最初的商業計畫時，我們的任務是採用只有少數資金背景雄厚的組織才能獲得的技術，並盡可能擴散這些技術。我們在計算、存儲、分析和資料庫方面已經成功地做到了這一點，現在，我們在機器學習方面也採取了同樣的方法。”使之更簡單的是，AWS團隊可以借鑒公司其他團隊積累的經驗。
AWS在2015年首次推出“亞馬遜機器學習”，允許像C-Span這樣的客戶建立一個私人的面部圖片清單，伍德說。Zillow用這一功能來估算房價。Pinterest將其用於視覺搜索。幾家自動駕駛創業公司正在利用AWS機器學習技術，通過數百萬英里的類比道路測試來改進產品。
2016年，AWS發佈了新的機器學習服務，該服務更直接地借鑒了Alexa的創新，即一個名為Polly的文本到語音的元件，以及一個名為Lex的自然語言處理引擎。這些產品讓AWS的客戶，不論是Pinterest和Netflix這樣的巨頭，還是小型創業公司，均可以使用該服務建立自己的迷你“Alexa”助理。第三個涉及視覺的服務Rekognition，借鑒了Prime Photos所做的工作，這是亞馬遜一個相對不太有名的項目，其試圖和穀歌、Facebook和蘋果等照片產品一樣，在照片識別領域實現同樣的深度學習水準。
這些機器學習服務既是強大的收入來源，也是亞馬遜的人工智慧“飛輪”的關鍵，因為像美國國家航空航天局和美國橄欖球聯盟這樣截然不同的客戶都在花錢讓他們的機器從亞馬遜上學習。隨著企業在AWS中建立起重要的機器學習工具，他們最後轉向與亞馬遜競爭的雲計算業務的可能性變得微乎其微。
比如Infor這家為企業客戶創建商業應用程式的公司，其估值已經達到了數十億美元。它最近發佈了一款名為Coleman的新應用（以電影《NASA無名英雌》中一位數學家的名字命名），允許客戶自動處理各種流程，分析性能，並通過對話介面與資料交互。它沒有從零開始構建自己的機器人，而是使用AWS的Lex技術。Infor的高級副總裁Massimo Capoccia說：“不管怎樣，亞馬遜已經做出來了，我們為什麼要花時間在這上面呢？我們瞭解我們的客戶，我們可以使亞馬遜機器人適用于他們。”
AWS在乙太網上的主導地位，也給予了其戰略優勢以打敗競爭對手，尤其是谷歌，後者曾希望利用其機器學習的領導地位，在雲計算領域趕上AWS。的確，穀歌可能會在其伺服器上為客戶提供超快速、機器學習優化的晶片。但是，在AWS上的公司可以更容易地與使用相同服務的公司進行交互，並向它們銷售產品。DigitalGlobe的首席技術官Walter Scott談及他的公司為什麼使用亞馬遜的技術時說：“這就像威利·薩頓所說的，他之所以搶劫銀行，是因為那裡有錢。我們使用AWS進行機器學習，因為我們的客戶也在這裡。”
去年11月，在AWS Invent大會上，亞馬遜為其客戶推出了一個更全面的機器學習產品：SageMaker，一個成熟且超級易用的平臺。它的創造者之一就是亞曆克斯·斯莫拉，這位學術文章被引次數達9萬次的機器學習領域的超級大腕，在五年前拒絕了亞馬遜的工作邀請。當斯莫拉決定重返業界時，他想要幫助創建強大的工具，讓日常軟體發展人員能夠使用機器學習。所以他去了一個他覺得他會產生最大影響的地方。他說：“亞馬遜好到不容錯過。你可以寫一篇關於某物的論文，但如果你不將它構建出來，就沒有人會使用你的漂亮演算法。”
當斯莫拉告訴Sivasubramanian，將機器學習傳播給數百萬人的工具比再發表一篇論文更重要的時候，他收到了一個驚喜。Sivasubramanian說：“你還是可以發表你的論文！” 沒錯，亞馬遜現在在允許科學家發表文章方面的限制更少。幫助亞馬遜制定了更為開放的指導方針Spyros Matsoukas說： “這不僅有助於招募頂尖人才，也為亞馬遜的研究提供了可見性。”
現在還不知道AWS的數百萬用戶是否會開始使用SageMaker，以在他們的產品中嵌入機器學習。不過，只要是使用了SageMaker的客戶都會發現，自己在作為機器學習服務提供者的亞馬遜身上投入了大量資金。此外，該平臺也是精打細算，甚至包括Alexa團隊在內的亞馬遜內部的人工智慧團隊也表示，他們打算使用提供給外部公司的同樣的工具集來使用SageMaker。他們相信，通過為他們的項目打下基礎，可以讓他們專注於更複雜的演算法任務，從而為他們節省大量的工作。
即使只有AWS的一部分客戶使用了SageMaker，亞馬遜也會發現自己擁有大量關於其系統運行情況的資料（當然，不包括客戶自己保留的保密資訊）。這將帶來更好的演算法、更好的平臺、更多的客戶。“飛輪”在高速運轉。
無處不在的人工智慧隨著機器學習的改革升級到了一定階段，亞馬遜的人工智慧技術現在已經應用到了公司的許多團隊當中，這讓貝佐斯感到非常滿意。雖然亞馬遜沒有人工智慧中心，但有一個部門專門負責機器學習的普及和支持，公司還進行了一些應用研究，將新科學加入到公司的項目中。
核心機器學習小組由拉爾夫·赫布裡希領導，他曾在微軟的必應團隊工作過，之後在Facebook工作了一年，2012年時被亞馬遜挖走。他說：“在公司內部有一個擁有這樣的一個社區的地方是很重要的。”（當然，這個專案也來自于貝索斯批准的一個六頁紙文檔。）
他的部分職責包括培育亞馬遜快速增長的機器學習文化。由於該公司以客戶為中心的運營方法——解決問題而不是進行那些毫無價值的研究——亞馬遜的高管們確實承認，他們在招聘時總是傾向於那些對勇於開拓新事物感興趣的人，而不是那些追求科學突破的人。Facebook的勒邱恩則用另一種方式說："不領導知識份子先鋒, 你也可以做得很好。"
不過，亞馬遜也在效仿Facebook和穀歌，他們帶頭培訓員工讓其變得更適應人工智慧。該公司在機器學習方面開展了內部課程，並讓公司內部的專家舉辦了一系列的講座。從2013年開始，該公司每年春天都會在其總部舉辦一次水準一流的內部機器學習會議。
赫布裡希說：“剛開始的時候，亞馬遜機器學習會議只有幾百人參加，現在已經有幾千人了。西雅圖亞馬遜總部最大的會議室已經容納不下這麼多人了，所以我們的舉辦場所從一變成了六。”亞馬遜的一位高管表示，如果會議規模變得更大，就不應該將其稱為“亞馬遜機器學習大會”，它就應該被稱為“亞馬遜”。
赫布裡希的團隊繼續嘗試著將機器學習推廣到公司的每一個角落。例如，打包團隊希望想要更好地預測，八種盒子大小，他們應當選擇哪一種適配客戶訂單，所以他們向赫布裡希的團隊尋求幫助。他說：“這個團隊不需要自己的科學家團隊，但它需要這些演算法，並且需要能夠很容易地使用它們。”
儘管如此，赫布裡希的團隊有時也會將尖端科學應用到一個問題上。該公司的食品雜貨配送服務Amazon Fresh已經運營了10年，但它需要一種更好的方式來評估水果和蔬菜的品質，因為人類的評估速度太慢，而且還會前後不一致。他在柏林的團隊建立了感測器裝載的硬體和新的演算法，彌補了系統無法觸摸食物和聞食物氣味的能力。他說：“三年後，我們將會做出一個原型，可以比以前更可靠地判斷果蔬品質。”
當然，這樣的進步可以滲透到亞馬遜的整個生態系統中。就拿亞馬遜最近向公眾開放的亞馬遜Go無人超市來說，它是一家基於深度學習的無人雜貨店。亞馬遜Go的技術副總裁迪力普·庫馬爾說：“作為AWS的客戶，我們從中受益良多。但AWS反之也受益於我們。”他舉了一個例子，亞馬遜Go有一個獨特的系統，有數百台攝像頭來收集資料，追蹤顧客的購物活動。他的團隊的在工作中的創新也影響了AWS一項名為Kinesis的服務，該服務允許使用者將多個設備的視頻傳輸到亞馬遜雲端，在那裡他們可以對視頻進行處理和分析，並使用視頻來進一步改進他們的機器學習演算法。
即使有還沒有使用自家公司的機器學習平臺的亞馬遜 服務，它也可以成為亞馬遜的Prime Air無人機送貨服務的積極參與者，這一服務目前仍處於原型階段，它必須單獨構建人工智慧，因為無人駕駛飛機無法依靠雲端連接。但它仍然從“飛輪”中獲益良多，既能從公司的其他團隊汲取知識，又能搞清楚該使用什麼工具。
Prime Air的副總裁Gur Kimchi 說：“我們認為這是一個功能表——每個人都在分享他們的菜肴。”他預計，他的團隊最終將擁有自己的美味功能表。他說：“我們正在學習的課程以及我們在Prime Air項目中解決的問題，肯定會引起亞馬遜其他團隊的興趣。”
事實上，這似乎正在發生。亞馬遜機器人團隊的首席科學家貝斯·馬庫斯說：“如果有人在公司的某個部門看到一張圖片，比如Prime Air或亞馬遜Go，然後他們因此學到一些東西並創建了一個演算法，他們會和公司裡的其他人談論這個問題。所以我的團隊中有人可以利用這種演算法，來完成一些事情。
圖：亞馬遜機器人首席科學家貝斯·馬庫斯
一個以產品為中心的公司是否有可能超越那些擁有深度學習領域的頂尖人才的競爭對手？亞馬遜正在為此做準備。艾倫人工智慧研究所的首席執行官Oren Etzioni說：“儘管亞馬遜正在追趕，但他們發佈的產品發佈非常令人難以置信。亞馬遜是一家世界級的公司，它創造了世界級的人工智慧產品。”
“飛輪”一直在旋轉，還有許多的六頁紙的文檔仍在醞釀之中。這將會為亞馬遜帶來更多的資料，更多的客戶，更好的平臺，以及更多的人才。
如果你問Alexa，“亞馬遜在人工智慧領域的表現如何？”
你猜它會回答什麼？傑夫·貝佐斯的笑聲也許能告訴你答案。
（選自：Wired）
即每一團隊獨家擁有自己所使用的技術。但在發展人工智慧業務的關鍵時期，各個團隊開始了跨項目的合作。各團隊內的科學家們負責解決棘手的問題，並跟其他的團隊分享自己的解決方案。公司內的“人工智慧小島”開始互相聯繫。隨著亞馬遜對人工智慧項目的野心不斷增大，其所面臨的挑戰也越來越複雜，而這也為亞馬遜吸引了頂尖的人工智慧人才，尤其是那些希望看到自己的工作能夠產生直接影響的人。這填補了亞馬遜在純研究工作中的人才缺口。因為亞馬遜一直宣導創新要以客戶服務為導向的這種公司文化。亞馬遜喜歡用“飛輪”（flywheel）這個詞來形容它龐大業務的各個部分是如何像一個永動機一樣進行運作。它現在有了一個強大的人工智慧飛輪，作為公司的一部分，機器學習的創新推動了其他團隊的工作進程，而其他團隊便可以開發產品或提供服務來影響另外的團隊，甚至是整個公司。此外，將機器學習平臺作為付費服務提供給外部其他公司，讓這項工作本身變得有利可圖，在某些情況下，亞馬遜還可以獲取更多的外部資料來進一步提高其技術水準。
亞馬遜從一個深度學習的追隨者成為了一個主導者，這背後需要大量的“六頁紙文檔”專案的開發。這種轉變的結果在整個公司都隨處可見，包括目前完全在一個全新的機器學習基礎平臺上運行的推薦系統。亞馬遜能夠更加精確地建議你接下來應該閱讀什麼，你應該在購物清單中添加什麼商品，以及你今晚可能會想看什麼電影。今年，Thirumalai開始了一項新的工作——主管亞馬遜搜索，他打算用深度學習來改造這個服務的各個方面。
華盛頓大學電腦科學教授佩德羅·多明斯說：“如果你在七、八年前問我，亞馬遜在人工智慧領域有多麼強大，我可能會說，‘他們沒有多強大’，但他們的確一直在持續努力之中。現在他們正成為人工智慧領域不可小覷的一股力量。”
也許他們已經成了一股勢不可擋的力量。
Echo音箱與Alexa效應亞馬遜進軍人工智慧領域的龍頭產品是其全新開創的智慧音箱Echo，以及背後支撐其運轉的Alexa語音平臺。這些項目也是同樣源於一份六頁紙的文檔，於2011年在一次年度工作計畫安排中提交給貝佐斯。其中一名參與者是一位名叫艾爾·琳賽的高管，他自2004年起加入亞馬遜，他應要求離開當時正在領導的亞馬遜Prime科技團隊, 去幫助進行一些全新的工作。“一種低成本、無處不在的電腦，它的所有‘大腦’都在雲端當中，你可以通過語音與它互動，你跟它說話，它也會跟你說話。”這就是當初他聽到的對這份新工作的描述。
但是想要建立這樣的一個系統，也就是說想要真正打造出一台科幻小說《星際迷航》中那種健談的電腦，需要有一定級別的人工智慧技術，而這正是亞馬遜所沒有的。更糟糕的是，能夠建立這樣系統的專家少之又少，而其中又基本上沒有人願意為亞馬遜工作。穀歌和Facebook正在爭搶該領域的頂尖人才。現為亞馬遜副總裁的琳賽說：“我們處於下風地位。”
華盛頓大學教授多明戈斯說：“亞馬遜的形象有點糟，他們公司一直對那些研究型的人才不太友好。”亞馬遜對客戶的高度關注，以及喜歡爭強好勝的公司文化，與學術界的速度和其競爭對手提供的輕鬆待遇並不一致。多明戈斯說：“在穀歌，你是被縱容的。但在亞馬遜並不一樣。”更糟糕的是，亞馬遜還有這樣的一個名聲，創新工作對於它來說沒有企業機密重要。2014年，機器學習領域的頂級專家之一揚·勒丘恩在一次亞馬遜內部會議上向公司的科學家們做了一次演講。
他在被邀請參加這個演講的時候，他也收到了一份領導Facebook研究團隊的工作邀請，但他還是先去了亞馬遜。正如他現在所描述的那樣，他在一個可容納大約600人的禮堂裡演講，然後被領進了一個會議室，一個接一個的小組進去向他提問。但是當他問他們問題時, 他們都沒有做出回答。 這讓勒邱恩對亞馬遜大失所望，因而他選擇了Facebook，部分原因在於Facebook同意開源其人工智慧團隊的大部分工作。
因為亞馬遜缺乏人才，它利用自己雄厚的財力來收購有技術專長的公司。林普說：“在開發Alexa的早期，我們收購了很多公司。”2011年9月，亞馬遜收購了Yap公司，這是一家語音文本公司，在將口語轉化為書面語言方面很出色。2012年1月，亞馬遜收購了英國劍橋的Evi公司，該公司的軟體可以像Siri那樣回應語音請求。2013年1月，亞馬遜收購了一家專門從事文本轉為語音業務的波蘭公司Ivona，該公司提供的技術讓Echo擁有對話能力。
但是亞馬遜的保密文化阻礙了它吸引學術界頂尖人才的努力。它的其中一個潛在招募物件是亞曆克斯·斯莫拉，他是這個領域的超級大碗，曾在雅虎和穀歌工作過。亞馬遜網路服務公司的深度學習和人工智慧的總經理馬特·伍德說：“他確實是深度學習領域的教父之一。”亞馬遜的高管們甚至不會向他或其他候選人透露他們將來的工作計畫。斯莫拉拒絕了這個工作邀請，選擇在卡內基梅隆大學負責建立一個實驗室。
琳賽說：“在我們發佈產品之前，一直都有不看好的聲音。他們會說，‘我為什麼要去亞馬遜工作，我對售賣產品的工作不感興趣！’”
但亞馬遜在一個方面確實有吸引力。因為亞馬遜一直都喜歡先預想好最終產品的樣子再進行開發研究的工作習慣，很多時候這些初步設計稿裡面有很多目前技術尚未解決的問題。這些困難的問題對於一些有野心的科學家來說具有的致命吸引力。特別是想要在語音方面，要有一種對話式的人工智慧技術，比如具備喚醒詞（“嗨，Alexa！”），能夠識別並理解命令，提供合理的答案等等，這些技術在當時都還不存在。
即使亞馬遜沒有公佈太多這個專案的開發細節，也引起了羅希特·普拉薩德的興趣，他是一位受人尊敬的語音辨識科學家，在波士頓一家名為Raytheon BBN的科技公司就職。（亞馬遜讓他在自己的家鄉建立了一個團隊，這對於吸引他來亞馬遜就職有所幫助。）他認為亞馬遜缺乏專業知識是它的一個特徵，而不是缺陷。他說："這裡是一塊尚待開拓的土地。穀歌和微軟多年來一直致力於語音技術的研究。 在亞馬遜，我們可以白手起家，解決難題。”2013年，他入職亞馬遜後便直接加入了Alexa的項目。他表示：“這款設備目前只在硬體階段可行，想要搭載語音技術還為時尚早。”
Echo智慧音響中最棘手的部分是一種被稱為遠場語音辨識的技術，它涉及到識別並理解與麥克風保持一定距離的語音指令，即使這些指令會受到環境噪音或其他聲音的影響。這要求亞馬遜在技術上有新的突破，並且從整體上而言，也提升了亞馬遜在機器學習方面的競爭力。一個很有挑戰性的因素是，這款設備不能浪費太多時間去思考你說的話。它必須把音訊發送到雲端，並迅速給出一個答案，讓人感覺像是正在進行一段對話，而不是反應慢到讓人尷尬得覺得自己在跟一個好像快睡著的人聊天。構建一個能夠在嘈雜的環境中理解指令，並給出回應的機器學習系統需要大量的資料。亞馬遜能從哪裡得到這些資料也是一個問題。
亞馬遜設備及服務高級副總裁林普說，遠場技術以前就存在了。但“它應用於美國三叉戟潛艇的鼻錐部分，造價十億美元。”亞馬遜試圖將其內置在一個可以放在廚房櫃檯上的設備上，而且它必須足夠便宜，讓消費者能夠買得起這樣一款新奇的小產品。普拉薩德說：“我的團隊中有90%的人認為這完全不可能。我們在公司外面有一個技術諮詢委員會，我們沒有告訴他們我們在做什麼，但他們說，‘不管你做什麼，都不要想著研究遠場識別！’”
普拉薩德的經歷給了他信心，讓他相信這是可以實現的。但是，亞馬遜並沒有一個能夠將機器學習應用于產品開發的系統。他說：“我們有一些科學家在研究深度學習，但我們沒有足夠的基礎設施來實現產業化。”好消息是，所有需要的“零部件”亞馬遜都已具備，一個無與倫比的雲服務，裝有圖形處理器的資料中心來處理機器學習演算法，還有那些知道如何像移動“火球”一樣移動資料的工程師。
他的團隊利用這些資源創建了一個平臺，這個平臺本身就是一筆寶貴的資產，超出了它用於Echo研發工作的價值。Alexa高級首席科學家Spyros Matsoukas說：“一旦我們將Echo開發成一個遠場語音辨識設備，我們就看到了做更大事情的機會——我們可以將Alexa的應用範圍擴大到語音服務。”Spyros Matsoukas曾與普拉薩德一同在Raytheon BBN公司工作。（他當時的工作包括美國國防部高級研究計畫局一個名為“Hub 4”的的項目，該專案利用廣播電視新聞和攔截的電話來推進語音辨識和自然語言理解的水準，這對於Alexa項目來說簡直就是神助攻。）他們擴展Alexa應用範圍的一種直接方式是允許協力廠商開發者創建他們自己的“語音技術迷你應用程式”。這也被稱為“技能”，能在Echo智慧音響上運行。但這僅僅只是個開始。
為了在Echo智慧音響之外推廣Alexa，亞馬遜開始凝聚起來了一種人工智慧文化。公司的團隊開始意識到，Alexa也可以為其寵物專案提供有用的語音服務。普拉薩德說：“儘管我們對“單執行緒”所有權非常重視，但所有的資料和技術都彙集在一起。”亞馬遜的其他產品也開始整合到了Alexa中：當你使用Alexa的設備時，你可以訪問亞馬遜音樂、Prime視頻和其他服務等等。然後，這項技術開始應用于亞馬遜的其他產品領域。琳賽說：“一旦我們擁有了基本的語音能力，我們就可以將加入到非Alexa的產品中，比如Fire TV、語音購物、亞馬遜生鮮立達，最終加入到亞馬遜網路服務之中。”
亞馬遜內部的“人工智慧島嶼”之間的距離越來越近了。
一旦有數百萬客戶（亞馬遜不願透露具體數量）開始使用Echo音箱，或者是使用其他基於Alexa助手的設備，亞馬遜轉型的另一個關鍵環節就開始了。亞馬遜開始積累大量的資料，這很可能是所有談話驅動設備所能收集的最大的交互集合。這些資料對於那些潛在的受雇員工來說是一個強大的誘惑。突然間，亞馬遜迅速成了那些各方爭搶的機器學習專家們想要工作的地方。去年加入亞馬遜的機器學習副總裁Ravi Jain說: "讓Alexa對我如此有吸引力的原因之一是, 一旦你在市場上有了一個設備, 你就有了回饋的資源，不僅是使用者的回饋資料，還有那些對改善一切都至關重要的實際資料——尤其是支撐這一切的平臺。”
因此，隨著越來越多的人使用Alexa，亞馬遜獲得的資訊不僅能夠使系統性能更好，而且還強化了它自己的機器學習工具和平臺, 並使其成為機器學習科學家的一個熱門工作地點。
飛輪開始旋轉。
亞馬遜AWS：更聰明的雲端2014年，亞馬遜開始向Prime客戶銷售Echo智慧音箱。也是那一年,當時負責管理亞馬遜網路服務資料庫和分析業務的Swami Sivasubramanian開始對機器學習感興趣。他14年攜家人正在印度旅行時, 由於時差的問題，再加上他出生不久的女兒不時大哭，他發現自己深夜在電腦前擺弄穀歌的 Tensorflow 和Caffé等工具, 這是 Facebook 和許多學術界專家青睞的機器學習框架。 他得出了一個結論，那就是將這些工具與亞馬遜的雲服務結合起來可能產生巨大的價值。他認為，通過使雲計算中的機器學習演算法變得更容易，公司可能會挖掘出潛在的一系列需求。他說：“我們每個月都會為數百萬的開發者提供服務。其中大多數人不是麻省理工學院的教授，而是沒有機器學習背景的開發者。”
在他下一次與傑夫·貝佐斯的進行工作回饋中，他提交了具有重大意義的六頁紙文檔。在某種程度上來說，這份文檔是一張為亞馬遜網路服務增加機器學習服務的藍圖。但是，Sivasubramanian認為這具有更廣闊的前景：AWS將會成為整個技術領域機器學習活動的中心。
從某種意義上來說，向成千上萬的亞馬遜雲用戶提供機器學習是大勢所趨。AWS的機器學習經理伍德說：“當我們第一次整合AWS最初的商業計畫時，我們的任務是採用只有少數資金背景雄厚的組織才能獲得的技術，並盡可能擴散這些技術。我們在計算、存儲、分析和資料庫方面已經成功地做到了這一點，現在，我們在機器學習方面也採取了同樣的方法。”使之更簡單的是，AWS團隊可以借鑒公司其他團隊積累的經驗。
AWS在2015年首次推出“亞馬遜機器學習”，允許像C-Span這樣的客戶建立一個私人的面部圖片清單，伍德說。Zillow用這一功能來估算房價。Pinterest將其用於視覺搜索。幾家自動駕駛創業公司正在利用AWS機器學習技術，通過數百萬英里的類比道路測試來改進產品。
2016年，AWS發佈了新的機器學習服務，該服務更直接地借鑒了Alexa的創新，即一個名為Polly的文本到語音的元件，以及一個名為Lex的自然語言處理引擎。這些產品讓AWS的客戶，不論是Pinterest和Netflix這樣的巨頭，還是小型創業公司，均可以使用該服務建立自己的迷你“Alexa”助理。第三個涉及視覺的服務Rekognition，借鑒了Prime Photos所做的工作，這是亞馬遜一個相對不太有名的項目，其試圖和穀歌、Facebook和蘋果等照片產品一樣，在照片識別領域實現同樣的深度學習水準。
這些機器學習服務既是強大的收入來源，也是亞馬遜的人工智慧“飛輪”的關鍵，因為像美國國家航空航天局和美國橄欖球聯盟這樣截然不同的客戶都在花錢讓他們的機器從亞馬遜上學習。隨著企業在AWS中建立起重要的機器學習工具，他們最後轉向與亞馬遜競爭的雲計算業務的可能性變得微乎其微。
比如Infor這家為企業客戶創建商業應用程式的公司，其估值已經達到了數十億美元。它最近發佈了一款名為Coleman的新應用（以電影《NASA無名英雌》中一位數學家的名字命名），允許客戶自動處理各種流程，分析性能，並通過對話介面與資料交互。它沒有從零開始構建自己的機器人，而是使用AWS的Lex技術。Infor的高級副總裁Massimo Capoccia說：“不管怎樣，亞馬遜已經做出來了，我們為什麼要花時間在這上面呢？我們瞭解我們的客戶，我們可以使亞馬遜機器人適用于他們。”
AWS在乙太網上的主導地位，也給予了其戰略優勢以打敗競爭對手，尤其是谷歌，後者曾希望利用其機器學習的領導地位，在雲計算領域趕上AWS。的確，穀歌可能會在其伺服器上為客戶提供超快速、機器學習優化的晶片。但是，在AWS上的公司可以更容易地與使用相同服務的公司進行交互，並向它們銷售產品。DigitalGlobe的首席技術官Walter Scott談及他的公司為什麼使用亞馬遜的技術時說：“這就像威利·薩頓所說的，他之所以搶劫銀行，是因為那裡有錢。我們使用AWS進行機器學習，因為我們的客戶也在這裡。”
去年11月，在AWS Invent大會上，亞馬遜為其客戶推出了一個更全面的機器學習產品：SageMaker，一個成熟且超級易用的平臺。它的創造者之一就是亞曆克斯·斯莫拉，這位學術文章被引次數達9萬次的機器學習領域的超級大腕，在五年前拒絕了亞馬遜的工作邀請。當斯莫拉決定重返業界時，他想要幫助創建強大的工具，讓日常軟體發展人員能夠使用機器學習。所以他去了一個他覺得他會產生最大影響的地方。他說：“亞馬遜好到不容錯過。你可以寫一篇關於某物的論文，但如果你不將它構建出來，就沒有人會使用你的漂亮演算法。”
當斯莫拉告訴Sivasubramanian，將機器學習傳播給數百萬人的工具比再發表一篇論文更重要的時候，他收到了一個驚喜。Sivasubramanian說：“你還是可以發表你的論文！” 沒錯，亞馬遜現在在允許科學家發表文章方面的限制更少。幫助亞馬遜制定了更為開放的指導方針Spyros Matsoukas說： “這不僅有助於招募頂尖人才，也為亞馬遜的研究提供了可見性。”
現在還不知道AWS的數百萬用戶是否會開始使用SageMaker，以在他們的產品中嵌入機器學習。不過，只要是使用了SageMaker的客戶都會發現，自己在作為機器學習服務提供者的亞馬遜身上投入了大量資金。此外，該平臺也是精打細算，甚至包括Alexa團隊在內的亞馬遜內部的人工智慧團隊也表示，他們打算使用提供給外部公司的同樣的工具集來使用SageMaker。他們相信，通過為他們的項目打下基礎，可以讓他們專注於更複雜的演算法任務，從而為他們節省大量的工作。
即使只有AWS的一部分客戶使用了SageMaker，亞馬遜也會發現自己擁有大量關於其系統運行情況的資料（當然，不包括客戶自己保留的保密資訊）。這將帶來更好的演算法、更好的平臺、更多的客戶。“飛輪”在高速運轉。
無處不在的人工智慧隨著機器學習的改革升級到了一定階段，亞馬遜的人工智慧技術現在已經應用到了公司的許多團隊當中，這讓貝佐斯感到非常滿意。雖然亞馬遜沒有人工智慧中心，但有一個部門專門負責機器學習的普及和支持，公司還進行了一些應用研究，將新科學加入到公司的項目中。
核心機器學習小組由拉爾夫·赫布裡希領導，他曾在微軟的必應團隊工作過，之後在Facebook工作了一年，2012年時被亞馬遜挖走。他說：“在公司內部有一個擁有這樣的一個社區的地方是很重要的。”（當然，這個專案也來自于貝索斯批准的一個六頁紙文檔。）
他的部分職責包括培育亞馬遜快速增長的機器學習文化。由於該公司以客戶為中心的運營方法——解決問題而不是進行那些毫無價值的研究——亞馬遜的高管們確實承認，他們在招聘時總是傾向於那些對勇於開拓新事物感興趣的人，而不是那些追求科學突破的人。Facebook的勒邱恩則用另一種方式說："不領導知識份子先鋒, 你也可以做得很好。"
不過，亞馬遜也在效仿Facebook和穀歌，他們帶頭培訓員工讓其變得更適應人工智慧。該公司在機器學習方面開展了內部課程，並讓公司內部的專家舉辦了一系列的講座。從2013年開始，該公司每年春天都會在其總部舉辦一次水準一流的內部機器學習會議。
赫布裡希說：“剛開始的時候，亞馬遜機器學習會議只有幾百人參加，現在已經有幾千人了。西雅圖亞馬遜總部最大的會議室已經容納不下這麼多人了，所以我們的舉辦場所從一變成了六。”亞馬遜的一位高管表示，如果會議規模變得更大，就不應該將其稱為“亞馬遜機器學習大會”，它就應該被稱為“亞馬遜”。
赫布裡希的團隊繼續嘗試著將機器學習推廣到公司的每一個角落。例如，打包團隊希望想要更好地預測，八種盒子大小，他們應當選擇哪一種適配客戶訂單，所以他們向赫布裡希的團隊尋求幫助。他說：“這個團隊不需要自己的科學家團隊，但它需要這些演算法，並且需要能夠很容易地使用它們。”
儘管如此，赫布裡希的團隊有時也會將尖端科學應用到一個問題上。該公司的食品雜貨配送服務Amazon Fresh已經運營了10年，但它需要一種更好的方式來評估水果和蔬菜的品質，因為人類的評估速度太慢，而且還會前後不一致。他在柏林的團隊建立了感測器裝載的硬體和新的演算法，彌補了系統無法觸摸食物和聞食物氣味的能力。他說：“三年後，我們將會做出一個原型，可以比以前更可靠地判斷果蔬品質。”
當然，這樣的進步可以滲透到亞馬遜的整個生態系統中。就拿亞馬遜最近向公眾開放的亞馬遜Go無人超市來說，它是一家基於深度學習的無人雜貨店。亞馬遜Go的技術副總裁迪力普·庫馬爾說：“作為AWS的客戶，我們從中受益良多。但AWS反之也受益於我們。”他舉了一個例子，亞馬遜Go有一個獨特的系統，有數百台攝像頭來收集資料，追蹤顧客的購物活動。他的團隊的在工作中的創新也影響了AWS一項名為Kinesis的服務，該服務允許使用者將多個設備的視頻傳輸到亞馬遜雲端，在那裡他們可以對視頻進行處理和分析，並使用視頻來進一步改進他們的機器學習演算法。
即使有還沒有使用自家公司的機器學習平臺的亞馬遜 服務，它也可以成為亞馬遜的Prime Air無人機送貨服務的積極參與者，這一服務目前仍處於原型階段，它必須單獨構建人工智慧，因為無人駕駛飛機無法依靠雲端連接。但它仍然從“飛輪”中獲益良多，既能從公司的其他團隊汲取知識，又能搞清楚該使用什麼工具。
Prime Air的副總裁Gur Kimchi 說：“我們認為這是一個功能表——每個人都在分享他們的菜肴。”他預計，他的團隊最終將擁有自己的美味功能表。他說：“我們正在學習的課程以及我們在Prime Air項目中解決的問題，肯定會引起亞馬遜其他團隊的興趣。”
事實上，這似乎正在發生。亞馬遜機器人團隊的首席科學家貝斯·馬庫斯說：“如果有人在公司的某個部門看到一張圖片，比如Prime Air或亞馬遜Go，然後他們因此學到一些東西並創建了一個演算法，他們會和公司裡的其他人談論這個問題。所以我的團隊中有人可以利用這種演算法，來完成一些事情。
圖：亞馬遜機器人首席科學家貝斯·馬庫斯
一個以產品為中心的公司是否有可能超越那些擁有深度學習領域的頂尖人才的競爭對手？亞馬遜正在為此做準備。艾倫人工智慧研究所的首席執行官Oren Etzioni說：“儘管亞馬遜正在追趕，但他們發佈的產品發佈非常令人難以置信。亞馬遜是一家世界級的公司，它創造了世界級的人工智慧產品。”
“飛輪”一直在旋轉，還有許多的六頁紙的文檔仍在醞釀之中。這將會為亞馬遜帶來更多的資料，更多的客戶，更好的平臺，以及更多的人才。
如果你問Alexa，“亞馬遜在人工智慧領域的表現如何？”
你猜它會回答什麼？傑夫·貝佐斯的笑聲也許能告訴你答案。
（選自：Wired）