不止Alexa和AWS，揭秘亚马逊人工智能发展史

2014 年，顶尖的机器学习专家延恩·勒昆(Yann LeCun)在内部会议上为亚马逊的科学家们做了一次讲座。在他被邀请参加此次活动以及活动举行之间，勒昆接受了Facebook的职位邀请，但他还是来到了亚马逊的活动现场。勒昆回忆，在一个大约可容纳 600 人的礼堂里，他发表了演讲。随后他被领进一间会议室，不同的小组一个接一个进来，向他提问。然而当勒昆向他们提问时，这些人的反应都很迟钝。这让他感觉不好。他最终选择Facebook的职位部分也是因为，Facebook同意将人工智能团队的很大一部分工作开源。

由于缺乏内部人才，亚马逊动用强大的财力去收购具有这方面专业性的公司。利普表示：“在Alexa的发展早期，我们收购了许多公司。” 2011 年 9 月，亚马逊收购了语音转文本技术公司Yap。该公司擅长于将语音转换为文字。 2012 年，亚马逊又将来自英国剑桥的Evi收入麾下。该公司的软件可以像Siri一样对语音命令做出响应。 2013 年 1 月，亚马逊再次收购一家语音转文本技术公司，即来自波兰的Ivona。该公司的技术可以让Echo获得交谈能力。

然而，亚马逊的保密文化仍然不利于顶尖人才的加盟。埃里克斯·斯莫拉(Alex Smola)曾是亚马逊的招聘候选人之一。他是行业明星，曾供职于雅虎和谷歌。AWS深度学习和人工智能总经理马特·伍德(Matt Wood)表示：“他实际上是深度学习的教父之一。”(谷歌学术搜索上列出了 9 万多篇引用斯莫拉成果的论文。)亚马逊高管甚至不愿向候选人透露他们未来的工作内容。斯莫拉拒绝了亚马逊的邀请，选择去带领卡耐基梅隆大学的一所实验室。

林赛说：“甚至是在我们即将启动之前，还是有许多阻力。他们会说，‘为什么我要去亚马逊工作?我对卖别人东西不感兴趣。’”

亚马逊也有自己的办法。由于该公司从想象中的最终产品去反推，所以蓝图中包括许多尚未发明出来的功能。这些棘手的问题对雄心勃勃的科学家极具吸引力。语音功能需要一定水平的会话式人工智能，包括“唤醒词”(嘿，Alexa!)、监听和解释命令，给出合理的答案。这一切都不存在。

即使亚马逊没有给出任何细节，这个项目也吸引了罗希特·普拉萨德(Rohit Prasad)。普拉萨德是一名受到广泛认可的语音识别科学家，来自波士顿的技术承包商雷神BBN。(亚马逊也因此让他在自己老家组建一支团队。)他认为，亚马逊相关专业能力的缺乏是系统性问题，而不仅仅是小缺陷。他指出：“这里是一片空白。谷歌和微软开发语音技术已经有几年时间。在亚马逊，我们从头开始去开发，去解决困难的问题。”在 2013 年加入之后，他就被分配至Alexa项目。他表示：“设备用硬件来实现，但语音技术在很早就已经起步。”

Echo项目中最棘手的部分在于远距离语音识别。为了解决这个问题，亚马逊被迫涉足新领域，并推动了机器学习整体的发展。远距离语音识别是指在一定距离远处识别语音，这样的语音命令可能被淹没在环境噪声中。挑战之一是，设备不能浪费一丁点时间去思考你究竟说的是什么。它必须把音频内容即时发送至云端，并迅速获得答案，给用户的感觉就是实时对话，而不会出现令人尴尬的冷场。开发机器学习系统，在嘈杂环境中理解并响应用户的语音命令，这需要大量数据，即用户与Echo互动的大量此类案例。当时并不清楚，亚马逊要从何处获得这样的数据。

作为亚马逊设备和服务副总裁的利普表示，远距离技术此前已经被实现，但当时是用在三叉戟潜艇的鼻锥上，研发耗资达到 10 亿美元。亚马逊希望将这种技术集成至一个可以放在厨房台面上的设备中，而价格必须足够便宜，从而吸引用户的购买。普拉萨德表示：“在我的团队中，90%的人都认为这根本做不到。在亚马逊以外，我们也有技术咨询委员会。我们没有告诉他们具体要做什么。但他们总是对我们提起，‘不管做什么，都不要碰远距离识别技术。’”

然而，普拉萨德的经历给他带来了信心。他认为这是可实现的。然而，亚马逊并不具备工业级系统，将机器学习技术应用于产品开发。“我们有少数科学家正在研究深度学习，但我们缺乏基础设施将这些技术应用于生产。”他说。好消息在于，亚马逊已经掌握了全部模块：无与伦比的云计算服务，可运行机器学习算法、安装了大量GPU的数据中心，以及熟悉如何移动数据的工程师。

他的团队利用这些模块开发了平台，而除了用于Echo项目之外，这个平台本身就是宝贵的资产。Alexa高级科学家斯派罗斯·马特索卡斯(Spyros Matsoukas)表示：“当我们在Echo上实现远距离语音识别之后，就发现这里的机会原来有这么大，我们可以将Alexa发展成为语音服务。”他此前曾在雷神BBN与普拉萨德共事，当时的工作包括从事美国国防部高级研究计划局(DARPA)的项目Hub4，利用广播新闻节目和窃听的电话通话来发展语音识别和自然语言理解技术，这对Alexa项目来说也很有用。推动Alexa发展的最直接方式是向第三方开放，让开发者开发基于语音技术的迷你应用，即“技能”，并在Echo平台上运行。然而，这才只是开始。

在Alexa突破Echo音箱的限制之后，亚马逊的人工智能文化开始形成合力。公司内的不同团队都开始意识到，Alexa可以为他们各自项目提供有用的语音服务。普拉萨德表示：“尽管我们的单线程所有权模式已经很成熟，但仍然可以将所有数据和技术融合在一起。”

最开始，亚马逊的其他产品开始集成Alexa：通过对Alexa设备的语音命令，你可以访问亚马逊音乐、Prime视频、获得亚马逊主站的商品推荐信息，以及使用其他服务。随后，这项技术开始推广至亚马逊的其他业务。林赛表示：“一旦我们掌握了最基本的语音能力，就可以将其集成至非Alexa产品，例如Fire TV、语音购物、亚马逊生鲜的Dash按钮，以及AWS。”

在这个过程中，亚马逊内部的人工智能孤岛开始逐渐靠近。

亚马逊转型的另一大关键在于，一旦数百万客户(亚马逊拒绝透露具体数字)开始使用Echo和其他Alexa设备，亚马逊就能掌握丰富的数据。这或许是任何会话式设备所能积累的规模最庞大的数据集。对人才招聘来说，这样的数据集也是极具吸引力的资源。突然之间，亚马逊就成了那些机器学习专家梦寐以求的雇主。去年加入亚马逊的Alexa机器学习副总裁拉威·简恩(Ravi Jain)表示：“Alexa对我的最大吸引力之一在于，一旦你在市场上推出了一款设备，那么就掌握了获得信息反馈的来源。不仅仅是用户反馈，这些实际数据是优化所有一切，尤其是底层平台的基础。”

因此，随着越来越多用户使用Alexa，亚马逊获得的信息不仅能让系统性能变得更好，也有利于自主机器学习工具和平台的加速发展，并成为该公司吸引机器学习科学家的重要武器。

“飞轮”终于开始旋转起来。

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!