亚马逊的“6页备忘录”早就名声在外。高管们必须每年用备忘录而不是PPT来撰写一个商业计划，开会时提交团队阅读，然后陈述并接受提问。有一个鲜为人知的细节是，在这个“6页备忘录”的计划陈述中，主管们必须特别回答一个问题：你打算怎样利用机器学习？如果答案是“很少”，大家就都觉得不大满意。

机器学习作为AI的一种形式，现在被用于处理大规模数据，并以此对未来做出预测。1999年，Jeff Wilke加入亚马逊后，AI开始成为亚马逊的根基之一。Jeff Wilke组建了一个科学家小组研究亚马逊的内部流程，目标是提高运行效率。他把研究员安排到各个业务单元里，构建了一套“自我评估和促进循环”体系，不久之后，这套体系应用了机器学习算法，首先用于预测亚马逊网站上的书籍推荐系统（猜你喜欢）。随着亚马逊业务的扩展，这套自动化见解系统的重要价值日益彰显。

当其他科技巨头纷纷向公众炫耀自己的AI武器库时，亚马逊却选择了一种低调得多的方式。对亚马逊来说，AI不仅仅驱动着面向消费者的Alexa智能语音系统，更重要的是，它驱动着公司自身的运转，而且渗透到各个环节。和面向消费者的AI系统一样，基于机器学习的内部反馈系统在公司各个运行环节中搜集数据，然后交给机器去学习，最后获得想要的结果。这种大规模的数据处理是人类无法做到的。

亚马逊物流中心（Amazon fulfilment centres）的那些巨大的仓库是其价值2070亿美元在线业务的核心，存储、发送和管理着亚马逊销售的商品。在这里你会看到这样的景象：包裹沿着传送带快速流动不息。在一个围栏围起来的足球场大小的区域中，摆放着数以千计的黄色长方形搁架单元，每个单元高达1.8米，亚马逊称其为pods。数百个机器人在货架下方穿梭，拖曳着货架来来去去。这些货架看似随机摆放着，实际上它们经由监测镜头记录行踪，在中心AI系统控制下，秩序井然。

人类工人——亚马逊内部称他们为“associates”，他们的工位在机器人区域之外的特定位置上（亚马逊称之为gap——间歇），他们的职责是，从机器人拖过来的pods上捡出包裹，或把其他包裹放进pods的空档中去。每次操作，他们都要扫描一下包裹的条码，以便让机器记录该包裹的行踪。

AI控制下的亚马逊仓库

在亚马逊，Brad Porter主管着这套系统的算法开发。他关注的焦点是工人处理包裹的那段时间，即所谓间歇（gap）。间歇越短，意味着分拣包裹的效率越高——这取决于机器人工作的效率，如果机器人遇到“交通拥堵”那就麻烦了。通过AI控制，解决机器人塞车现象，也就减少了工人等待货架过来的时间，提升了中心仓库的存储和分发效率，最终让消费者可以更快拿到自己订购的商品。

亚马逊云服务（AWS）是公司的另一项核心基础设施，它支撑着亚马逊价值260亿美元的云计算业务，为各类大大小小的公司提供网站和应用程序托管服务。AWS也在使用机器学习，主要应用集中于在一个方面：对纷繁复杂的各类计算需求做出预测，以便更有效地调配系统资源。当客户的web请求大量集中涌现时，一定会出现计算能力不足的现象，这会导致各种错误，比如网页无法访问，或是电商网站的某样商品显示缺货（事实上可能不缺）。AWS的任务是通过监控每个客户的流量状况，将所有这些数据交由机器去学习，然后预测出未来的流量行为，从而让AWS可以预先做好资源管理方案，在峰值出现前就做好充分的准备，最大限度避免各种宕机风险。

毫无疑问，AWS最大的客户之一，就是亚马逊自己。作为电商巨头，亚马逊商业行为的主要内容之一就是要做出预测。AWS特别设计了一款名为Inferentia的芯片来处理这些任务，来支持亚马逊网站要求极高的业务需求。Inferentia为亚马逊的机器学习运算节省了大笔开支，而且吸引了其他客户使用其云服务。

亚马逊在机器学习应用上的最新的挑战，来自其无人值守商店Amazon Go。通过遍布商店顶部的摄像头阵列，顾客的每一个行为都被录制为视频，这些视频信号被转化为3D轮廓数据，通过它们来跟踪用户的手臂动作。根据这些动作，系统会知道购物者离开商店时拿了那些商品，然后将账单自动计入该顾客的亚马逊账户。Amazon Go的总经理Dilip Kumar强调，这套系统只追踪客人的肢体动作，不采用面部识别技术去辨认客户。客人在扫码进门后，相当于推走了一辆虚拟的购物车，机器学习会根据3D动作记录数据来自动追踪虚拟购物车的内容变化。没有人可以欺骗机器，想偷走商品是不可能的。

Amazon Go采用的肢体动作追踪系统证明非常有价值，这套系统也将应用于亚马逊的中心仓库。亚马逊启动了一项代号为Nike Intent Detection的实验系统，将应用于Amazon Go的肢体追踪方法应用到中心仓库工人的动作追踪上：当他们拣出包裹或放入包裹的时候，无需再进行手动扫码记录，所有的记录都通过这套系统来自动完成。很明显，这将进一步提高工人工作的工作效率。

在人工智能处理大数据方面，亚马逊显然比Facebook或Google们谨慎得多。亚马逊的方式是，只针对特定的、单一的目标去搜集特定客户数据，开发针对性的AI工具，来提升工作效率和优化体验。当然，相比谷歌们的广告业务，融IT服务和电商为一体的亚马逊有足够的理由这么做。

不论如何，机器学习正在帮助亚马逊变得更加强大，而这种强大并没有任何减弱的迹象。