生活从拉斯维加斯,re:火星2019

_______________________________
8:02点

什么更好的方法来关闭这个微博的直播博客比吗?再次感谢大家参加,说话的时候,找到了灵感,跟着。

_______________________________
6点14分

更多的照片re:火星党——Furrion Exo-Bionics科学,步伐汽车圈,赛格威,宇航员拍照等等。

_______________________________
上升2点

场景全明星BattleBots挑战在昨晚的re:火星。

_______________________________
12:30

更多的图片和细节,但是我们最后re:火星会话已结束。非常感谢所有与会者,扬声器,和供应商,以及那些跟着一起生活的博客。

_______________________________
火灾是

_______________________________
利比亚是

“这是需要道德的算法,或是人,流程和系统,应该是道德吗?——Prem Natarajan博士

算法并不是道德代理人,但最终人类设计和部署它们几个度分离算法的决策,所以他们可能会无意中引入偏见。”- Dr. Aaron Roth

“这并不好。算法是踢女性的就业体系,关押的人颜色。我们必须想出“负责任的人工智能。”- Dr. Nicol Turner-Lee

_______________________________
41我

“重要的是政府不监管,但同样重要的地方和空间反歧视实验还管辖规模。”

_______________________________
32点

“这是公平的收费青少年男性司机更多的汽车保险,因为他们统计上有更多的事故吗?还是更公平负责青少年女性司机和男性一样,女性补贴成本呢?——公平取决于当事人。”

_______________________________
上午九29

“有时没有一个公平的定义对每个人来说都是公平的。”

_______________________________
东部时间上午9:22

模型,“我们的目标是创建一个毫升最小化分类误差(例如:一群学生可能使用一个坐在导师在考试之前,和另一个人不会在测试前与导师)。设计模型,以适应绝大多数人口,它将引入偏见少数人口,因为拟合模型,人口不会适合绝大多数人口。即使没有种族考虑,介绍了偏见。”

_______________________________
14

“人工智能可以一束光照耀在特定偏见。”

_______________________________
上午9:12

“政府评估是非常重要的——这是一个我们想要自动化,自动化,放置时我们考虑整个生态模型,作为有系统中现有的偏见?”

(参考使用人工智能预测人们是否会出现在法院传票的主要原因——研究表明,个体失去法院由于缺乏育儿或运输,不直接避免传票)

_______________________________
9:06我

面板:AI对每个人来说:促进公平的伦理AI

“需要非营利组织合作,行业、政府和学术界为了让AI对每个人都有效。”

_______________________________
42我

狮子座Jean Baptiste探索re:火星。

_______________________________
19点
06/07/19

再保险的最后一天:2019年火星,我们有几场会议,所以更多的分享,在这里。

_______________________________
十一33点

我们叫它一个晚上。我们明天早上会回来与会话,分享等等。

_______________________________
下午10:06

夜间波表演re:火星。

_______________________________
9:07

再保险:火星党全面展开。目前看BattleBots liverstream抽搐。

_______________________________
21点

_______________________________
下午5:46

杰夫·贝佐斯的炉边谈话珍妮淡水。

_______________________________
41点

在突破会话中,安德鲁Lafranchise——高级软件开发工程师,亚马逊网络服务,和Alejandra Olvera-Novack AWS开发者关系,Amazon Web Services教与会者如何构建一个模拟TurtleBot——低成本、个人机器人与开源软件工具包。使用AWS Robomaker,机器人开发人员可以利用机器学习AWS服务,监控服务,和分析服务,使他们的机器人流数据,沟通,理解,并学会如何适应新的环境。

_______________________________
下午5:22

相关机器学习如何发现情绪在扬声器的声音,主持曹国伟,高级经理,应用科学,亚马逊和维克托•Rozgic高级应用科学家,在亚马逊Alexa讲话。

虽然人类的情感是复杂的,他们可以表示为特征向量映射在一个三维轴。特征向量表示一个对象的特征数量-这允许一个算法来测量对象的属性。检测情感,Alexa机器学习科学家对轴三维映射的话语——价(负—正),激活(情感的强度从低到高)和支配(衡量柔顺)。例如,愤怒将负价规模,积极激活规模和积极的规模优势。

视觉:

_______________________________
下午5点

_______________________________
下午4点45分

为什么我们要与他人分享:

当人们分享的热情和兴奋,可以旅行,参加我们的思想,认为“我可以贡献。

_______________________________
各自点

“在生活和工作中,心态是主要,训练是次要的。”

_______________________________
22点

当授权:“你必须给每个人在一个小带宽完成自主权。当你得到你信任的人,他们的工作是要增加价值。我不生气的人把它错了,我只是继续人。它是一个过程,我仍然在学习。”

_______________________________
17点

在TED”我给了一些,我提醒自己,这只是未来20分钟,“是的,我认为长尾理论影响和我的个人价值观分享,爱,包容性,和作为一个参与者在一个文化”。

_______________________________
下午4:06

平衡技术和创造性思维

”我们说“这是一门艺术,一门科学,“所以我们把它们在不同的光谱——这是一种伤害。形成一个假设是一个创造性的行为。工程是一个创新领域,有很多方法可以解决一个问题,就像一幅画。”
_______________________________
4:03点

如何安静的负面说话

“时间帮助我安静,没有其他的工作或者帮助我阻止我侮辱我。我不知道如何阻止我内心的批评家,但如果我和我的伙伴和朋友谈论它,它带走了它的一些权力,和帮助别人。没有未来的东西变得更容易。”
_______________________________
跑点

“接触边缘化社区是至关重要的,以确保他们获得同样的东西。”
_______________________________
3:58点

”总是添加”“干细胞——一个伟大的想法并不是一个好主意,直到你能交流的人,这是艺术。”
_______________________________
下午3:56

“一切都很好是因为有人对它很着迷。”
_______________________________
小时55分

可以是任何东西。服装制造、焊接、编码。

“这些事情我们不能停止关注卓越,我们发现我们的。”

_______________________________
3:54点

“我们爱奇异的神话的创造者。他们惊人的人类,但他们具备相当罕见。我们必须一起工作。

分享是如此重要。共享信用、快乐、热情、工作。一点点的鼓励对我来说意味着太多。真的很重要,我看到是多么重要的鼓励与他人分享,分享知识,分享。不得因其成本。你分享每一件事,在个人水平会得到巨大的好处。”

_______________________________
3:49点

“科学和艺术是两个不同的方法讲同样的故事。”

_______________________________
3:49点

“13年来我是终结者,我学会了工作上的每一个技能。”
_______________________________
下午比赛

“我们需要规范化迭代,对孩子尤其表明,迭代过程的一部分。”

_______________________________
3:44点

“我没想到会是这么哲学书中。”

动力:
动量是什么帮助我痴迷。这是我需要看到成果。即使我放弃一切,从头开始。

我使用复选框,我喜欢的颜色。事实上我创建其他盒子像“开车上班,吃一个三明治”因为它是如此令人满意的。

自我应用公差:
我仍然面临障碍,但我可以谈论他们。我不仅面临障碍,但我的内心的挑剔是超级严厉。每月,我内心的批评家说:“你没有权利让事情,你现在应该戒烟”

_______________________________
下午3:41

谈论人类的创造力,关于他的新书,“每一个工具是一把锤子。”

“你必须把它做好。没有人需要知道为什么,你只需要做。

电影行业stupid-tight期限。我爱那些期限帮助你确定你的公差,和你投入多少精力的事情——宽容接受。”

_______________________________
3:39点

“我要玩的触觉。每隔一段时间我要玩技术,感觉我的幻想。就是这样。”

_______________________________
3:33

亚当萨维奇是说在舞台上。

“我有一个在探索频道显示出来,称为“野蛮构建”——这是一个荒谬的工程。”

_______________________________
下午两点半

从re:火星与马克·雷伯特介绍主题,创始人和CEO波士顿动力公司

三个机器人在波士顿动力学。处理,这是一个目的建造的机器人,它真的只是做一组简单的任务而设计的。第二个机器人是现货,这是一个通用的机器人。它是被设计为一个移动平台,可以定制各种应用程序。然后第三阿特拉斯,我们研发的机器人。阿特拉斯就像兰博基尼或机器人的玛莎拉蒂:很贵,很挑剔的需要整个团队继续工作,但提供最高水平的性能。

人有一个伟大的能力稳定他们的手当他们的身体动作。这意味着你可以得到非常有效的移动操作。这是我们试图模仿与现货。

有一个传统的了解机器人是如何工作的。有计算机和软件听机器人的传感器,告诉机器人做什么。但这只是故事的一半。另一半是有一个物质世界,这也是告诉机器人做什么,重力牵引,摩擦减速运动,能量存储在合规或机器人的运动。

你真的想要一个全面的方法,结合软件在做什么与物理机及其设计。

_______________________________
1分54秒点

”发布翻译所需的时间越长,我们错过潜在的观点在其他语言中,我们有可能失去译者的工作正在等待批准,”海伦娜棉絮说,副主任,泰德的译者。

”,而不是从头开始字幕,我们测试了机器音标作为第一步,在翻译之前开始他们的工作。我们测量每谈节省时间,机器翻译的质量和精度。平均而言,志愿者副标题会谈快30% (machine-transcribed第一次视频时),75%认为机器翻译质量很好。通过将人类与人工智能,可能是翻译的速度快得多,”珍妮弗Zurawell说,TED的译者。

目标:出版5视频上线第一天翻译。

_______________________________
一下午

因为翻译,TED品牌信任作为一个有关世界各地的信息来源。

• 30 k志愿者在160个国家帮助自由思想传播至关重要。
• 准确地翻译TED演讲需要5 - 10小时,然后回顾了几个小时,在批准之前去生活。
• 2019年TED翻译贡献了18 k字幕。
• 演讲风格必须翻译,不仅仅是一字不差。

_______________________________
1:40

TED视频在全球范围内,TEDTranslate众包翻译的志愿者,使TED演讲访问超过100个不同的语言。

_______________________________
一37点

泰德移动应用用户:

5%的拉丁美洲
20%的欧洲
44%的亚洲

_______________________________
一下午

在一个会话题为“泰德如何使用人工智能思想传播得更远更快”——泰德的使命是“找到世界上最激励的思想家。”

_______________________________
34点

从re:火星与小罗伯特·唐尼主旨。

_______________________________
一17点

从re:火星的主旨与摩根教皇和托尼Dohi迪斯尼迪斯尼

从迪斯尼迪斯尼演示数据如何能够天马行空,动态的运动,而不是播放动画,他们可以任意执行。我们的座右铭在迪斯尼想像工程研究和开发快速失败,明天做出更好的错误。

在迪斯尼,我们不是在业务的机器人。我们的业务角色。所以我们通过工作的挑战开始捕捉演员的时刻让你想,哇,这是一个人。

_______________________________
下午12:01

_______________________________
11:49是

现在主题和炉边谈话有包装,我们有会议要参加,分享,然后在拉斯维加斯赛道上。请继续关注更多照片,更新和幕后。

_______________________________
十一17点

詹妮淡水:你会给什么建议任何人想自己创业?

杰夫·贝佐斯:我被问到这个问题的时候。最重要的是customer-obsessed。不满足他们,绝对喜悦他们。

激情。你会与那些充满激情的竞争。

承担风险。你必须愿意承担风险,如果你有一个经营理念没有风险,它可能已经完成了。你必须有一些可能不工作。这将是,在很多方面,一个实验。我们承担风险,我们谈论失败。我们需要大的失败是为了移动针。如果我们不,我们不够摆动。你真的应该努力摆动,你将会失败,但没关系。

我列出的一切不需要启动。你可以在一个财富500强的公司。

_______________________________
十一12点

詹妮淡水:为什么蓝色起源?

杰夫·贝佐斯:我们更了解比我们之前的月亮。(例如)需要24 x更少的能量将一磅从月球比地球。

月亮接近地球,只有3天了。这在逻辑上是一个很好的去处。

我们需要行业转移到月球。地球将划定的住宅。

你不能从宿舍开始太空公司——不存在的基础设施。

_______________________________
上午11:07

詹妮淡水:你怎么处理那些不工作吗?

杰夫·贝佐斯:当你知道什么时候停止?当最后的冠军是准备认输,是停止的时候了。

_______________________________
上午11:06

詹妮淡水:什么东西你兴奋吗?

杰夫·贝佐斯:项目柯伊伯卫星和宽带无处不在。当你把成千上万的世界各地的卫星——你最终服务整个世界。

_______________________________
上午11:03

詹妮淡水:说你有一个水晶球,你10年的预测是什么?

杰夫·贝佐斯:我认为你可以预见一些事情在10年的时间框架。外我想把握会解决,我的领域的专业知识,我想我们会看到神奇的生物技术的进步,我们将继续看到机器学习和人工智能的发展。

更大的问题是“什么是不会改变在未来10年?”Look at what's stable in time, and continue to focus there. Identify those ideas, they're usually customer needs. If you're basing a strategy on customer needs that are stable in time (fast delivery, low cost), you can spin up a lot of flywheels around those questions. They're so big and fundamental.

_______________________________
上午10:59

詹妮淡水:你有没有你的想法前进困难?

杰夫·贝佐斯:我们有一个领导原则”,不同意和承诺”,很多时候,我不同意,提交。通常,您正在使用你一样热情的人,他们有自己的想法。如果你是老板,别人可能比你进入地面实况。通常老板应该同意和承诺。

_______________________________
上午10:56

詹妮淡水:如果亚马逊没有工作,你会做什么?

杰夫·贝佐斯:如果亚马逊没有了,我可能是一个非常快乐的软件工程师。

_______________________________
上午10:56

詹妮淡水:我们如何“是对的吗?”

杰夫·贝佐斯:如果你说“是正确的”,不是很有帮助。对很多听很多的人,和他们改变他们的想法。对很多人改变他们的想法没有大量的新数据。他们醒来,再分析事物和改变他们的想法。如果你不经常改变你的想法,你是错的人很多。很多想驳斥他们基本的偏见。

_______________________________
上午10:53

詹妮淡水:戴夫一瘸一拐地告诉我们关于你的图书馆。你能告诉我们关于建筑商和梦想家吗?

杰夫·贝佐斯:梦想家是第一,建筑商得到启发。他们建立一个新的基础所以做梦的人可以站在上面,多梦。每个人都是建设者和梦想家。他们站在彼此的肩膀上。

_______________________________
上午10:51

Werner Vogels博士重返舞台,介绍珍妮淡水和杰夫·贝佐斯的阶段。

_______________________________
10点我

“比尔•盖茨采摘机器人灵巧数量今年将提前的一件事。”

_______________________________
10点我

使用一组对象一个机器人从来没有见过的,一个新的机器人抓手和吸盘,它能很快拿起对象。

这种机器人可以接超过每小时400个对象。如果机器人不能接一个对象,它必须记住不工作模式,并尝试另一个下次(爪或吸盘)。

一些对象是一个噩梦,例如无法被纸夹爪或吸盘。

_______________________________
10点43分

他引用一个“手臂农场”,数十名机械手臂拾起不同形状和大小的对象,把握24/7收集数据,降低20%的失败率。

_______________________________
晚10点

他说的是测量的可靠性和可预测性的掌握运用柏拉图的理论。

_______________________________
37点

“把自己的位置被一个机器人。你所有的传感器是嘈杂和不精确的,你的驱动器驱动你的手臂是不精确的。所以毫不奇怪,机器人是笨手笨脚。”

_______________________________
大礼堂开幕,我

肯·戈德堡工程学教授,加州大学伯克利分校和首席科学家,双手灵巧的机器人技术的舞台。

_______________________________
32点

“1971年,尼克松总统宣布向癌症宣战。战争是错误的隐喻——战争的恐惧和仇恨。贪婪是可持续的。为什么不把价格标签的头的癌症和把数据科学与金融工程呢?”

_______________________________
28我

“丢失数据的问题。大多数研究没有报告missingness程度或listwise删除用于医疗试验。”
_______________________________
26我

“与现代人工智能,我们可以做得更好。我们可以应用数据科学技术医学试验。”

_______________________________
23点

“这是越来越难的早期药物开发筹集资金。需要2亿美元开发抗癌药物超过10年,成功的可能性为5%。”

_______________________________
10:18我

“挑战是药物开发的成本。我们得到的更聪明,更复杂的医学科学。如果有一些投资者不喜欢,它的复杂性和风险。”

_______________________________
可惜我

“我们生活在一个生物医学拐点在如何处理疾病。”

_______________________________
13点

Andrew Lo现在是在舞台上。

_______________________________
十12点

“我们正在设计的自治,而不是为人类司机。”

_______________________________
11点

”,而不是让数以百万计的汽车和提供数以百万计的人,成千上万的汽车可以提供数以百万计的人。”

_______________________________
10:09我

“我们的汽车设计在一个共享的舰队。这是一个更好的利用资源。”

_______________________________
上午10:07

“人类不会开车,他们给许可。”

“每个传感器的车辆可以看到270度,我们有多个视图。如果一个传感器失败,我们仍然有360度视图。我们可以看到更多,我们的过程,我们可以了解更多。这是一辆criticial为自主设计的。”

_______________________________
上午10:05

“我们不是定制仅为旧金山,需要可扩展的技术。”

_______________________________
上午10:04

“旧金山是一个复杂的地方开车。城市中的变量教我们甚至比人类更安全。”

_______________________________
帕克

“基础的人工智能传感、规划和行动”

“车辆计算它的首选路径,并预测其他代理的行为,例如,对多个代理在一个4路站,行人可能改变他们的想法,一辆停着的车中。它可以调整它在实时的道路。”

_______________________________
上午9:59

“我们每年花费4000亿个小时开车。我们只使用我们的汽车4%的时间。1/3的城市交通是人们寻找停车。1/4的空气污染是由运输造成的。车祸每年把140万人的生命。超过90%的事故是由人为错误造成的。”

_______________________________
55我

首席执行官艾莎埃文斯ZOOX了舞台。

_______________________________
55我

“科技时代的混乱,领导很重要。我们必须在教育上投资,明智的政府领导人,把每个人都伴随着我们。”

_______________________________
上午搭成9:51

“我们需要从大数据移动到小数据。人工智能已经由软件公司,但许多规模较小的公司没有奢侈的所有数据。可能100例子足以支持机器学习?”
_______________________________
上午9:46

“经常项目# 1 CEO建议不是一个投资。”
(笑声)
_______________________________
上午9:45

“高管# 1问题是如何找到合适的用例。”

下面是如何开始:

1. 从小做起,我看到更多的团队失败的大,比要小(4 - 6月的目标项目)
2. 自动化任务,而不是工作——作为一个框架来头脑风暴AI的想法,看一份工作,然后分解任务,识别那些可能AI进入任务
3. 结合人工智能和专业技能——选择项目的交集AI能做什么事情对你的公司很有价值的(跨职能团队可以帮助优先考虑)

_______________________________
上午9:40我

“大量的想法都是在互联网上的任何人使用(引用学术论文)。AI的论文被发表以每天100的速度。”
_______________________________
38我

“人才的崛起,想法和工具让艾比以往任何时候都更容易,甚至技术以外的公司。”
_______________________________
36我

“这是时间赌AI之外的科技行业。”
_______________________________
35点

“人工智能是新的电力。”
_______________________________
35点

Andrew Ng现在的舞台。
_______________________________
32点

“我们创造了世界上第一个全球自主赛车联盟深赛车,将机器学习的每个开发人员”。
_______________________________
31我

“每个工程师机器学习可以成为一个工程师。我们推出了亚马逊机器学习学院,这就是我们用来训练我们的工程师,和现在可用。”
_______________________________
上午九29

Netflix说75%的观看是建议,你的建议好是好。”
_______________________________
27是

“你不需要构建推荐模型,我们已经为你做过。”
_______________________________
上午9:26

“您的数据的质量越来越重要。”
_______________________________
24点

Werner Vogels股票NFL能够如何共享实时数据由于传感器和机器学习。
_______________________________
23点

“我们有不少客户使用Sagemaker组建他们自己的系统。例如,Intuit建造一个费用仪工具,看一年的财务数据来确定扣除费用。在过去,这种工作需要6个月到建立一个新的模型。Sagemaker,它只需要一个星期。”
_______________________________
东部时间上午9:22

“我们开始提供机器学习作为一种服务,像Sagemaker,现在每一个开发人员是一个机器学习开发人员。”
_______________________________
上午9:17

“云计算的85%发生在AWS。”
_______________________________
上午9:17

“与机器学习最好的支持客户,我们需要构建一个全新的堆栈。”
_______________________________
13点

“我们正在做机器学习的数据科学家的手中,到开发人员的手中。我们机器学习民主化。”
_______________________________
九11点

”公司的规模和行业是利用机器学习。”
_______________________________
卧辅车我

“AWS现在有165为您服务,您是否想要做分析,远程桌面、移动服务,devops, ML模式运行,等。”
_______________________________
楼梯口我

“我们将安全集成到我们所做的一切,包括机器学习。”
_______________________________
楼梯口我

“AWS推动创新在世界各地。许多成功的公司说他们不会存在没有云计算。”
_______________________________
9:02我

“我们已经在亚马逊做机器学习在过去的25年。”

“亚马逊云计算的先锋。在2006年我们推出了我们的第一个服务。我们为自己建造这些技术。”
_______________________________
上午10:05

主题开始,Werner Vogels博士阶段。
_______________________________
44我

_______________________________
飞机于8:01我

昨晚,杰夫•贝佐斯会见了狮子座的第一个亚马逊未来工程师奖学金获得者再保险:火星。

_______________________________
7点50分
06/06/19

我们用第三天在re:火星!我们将从一个主题开始Werner Vogels博士,首席技术官的亚马逊的创始人兼首席执行官Andrew NG AI和deeplearning着陆。ai,艾莎Evans Zoox首席执行官Andrew Lo和查尔斯·e·苏珊·哈里斯在麻省理工学院斯隆管理学院的教授和主任麻省理工学院金融工程实验室,加州大学伯克利分校和肯•戈德堡工程教授、首席科学家双手灵巧的机器人。然后我们的炉边谈话,分组会议,当然,党!
_______________________________
27点

这一天充满了机器人、无人机、和大量的学习。

我们将在早上回来另一个主题,杰夫·贝佐斯和珍妮淡水的炉边谈话,和更多的会议,结束与一个事件,在美国拉斯维加斯赛道上。
_______________________________
27点

_______________________________
或其他

_______________________________
5:55到达

全球首席执行官杰夫Wilke消费者,周三上午继续re:火星主旨,亚马逊一直在探索如何无人驾驶飞机交付。

_______________________________
38点

杰夫Wilke开了今天早上的主题之前欢迎亚马逊其他领导人舞台。看有关他所共享。

_______________________________
下午4时32分

从re:火星会话”使可持续的人类生活在太空使用人工智能”娜塔莉任正非,首席执行官和创始人Astreia和Koorosh Lohrasbi,解决方案架构师,亚马逊网络服务

细节:
最具挑战性的方面之一就是火星上的隔离。这是来自火星。

如果火星上出错,一个通信发送以光速在当前轨道位置需要20分钟到达地球。今天我们不能操作方式。人工智能(AI)成为必须。

数字栖息地将镜子我们物理世界,并将成为能够维持基本生活在火星上。

_______________________________
下午14点

领导在台上在re:火星周三主旨。

听到

• 亚马逊副总裁Dilip Kumar走
• 珍妮淡水、导演、预测
• 副总裁布拉德波特&杰出工程师,机器人技术
• 副总裁&罗希特•普拉萨德头科学家,Alexa

_______________________________
3:49点

CYMI:马克·雷伯特介绍的主题讲话re:火星的第一个夜晚。他谈到了波士顿动力公司机器人,机器人演示两个狗。

_______________________________
2:48

科技展示我们看到另一个机器人,这个机器人可以减少重复的(但重要的)任务的过程。

_______________________________
下午2:41

的科技展示,这个机器人各种物品的颜色和地方的物品在一个罐子里。我们要对机器人竞赛,和我们没有赢得(毫无疑问)。

_______________________________
下午12:55

在科技展示,屏幕机器手臂欢迎与会者。

_______________________________
>我

主题是结局。我们将继续从研讨会和会议细节,不久。
_______________________________
11:20我

“irobot真空吸尘器都集中在解决问题。

承诺是你把它们放在你的家,你不会再次真空。但是他们会陷入边缘地毯。你必须把一个“on”按钮。

我们建立了它,它将泥土和足够聪明,他能够做这项工作。他们增加了一个特性来Roomba(基地),空Roomba一旦完成,所以客户可以没有清空Roomba一年或两年。每个进步使机器人更自主。”

_______________________________
上午11:13

iRobot公司的创始人兼首席执行官科林角现在在舞台上。
_______________________________
上午11

_______________________________
上午10:58

凯特亲爱的,麻省理工学院媒体实验室的研究专家和附属在哈佛大学伯克曼中心现在在舞台上。

她谈到机器人和人们有意识或潜意识地对待机器人就像生物。例如,超过80%的roomba有个名字。
_______________________________
10点43分

达芙妮科勒的创始人兼首席执行官Insitro舞台。

“在过去十年毫升已经取得了难以置信的进展。”

2019年,计算机能够与自然语言标签的照片,但最近的2005年,他们可能已经无法分享更多比是的/不响应特定的对象在一个图像。
_______________________________
32点

他谈到新卫星技术,火星探测器,包括直升机火星探测器在2020年到来。

我们如何民主化火星探测器?参与进来。

_______________________________
21点

自动化智能总是在我们的指尖。

我们如何让它无限的?

利用物联网、编程分析,智能数据,云计算和人工智能可以发展在不同的韵律。利用云的数据通过api,所以我们可以更快更好的做出决定。应用人工智能和毫升以使它更好和更快。
_______________________________
因

汤姆Soderstrom,喷气推进实验室的技术和创新总监走上舞台。
_______________________________
十12点

科技行业与all-things-drones嗡嗡的。但并不是所有的无人机都是平等的。有些是遥控无人驾驶飞机。一些无人机自主但依靠地面通信系统态势感知,这意味着他们无法应对意料之外的情况。还有独立系统像亚马逊的,安全的。

使用复杂,行业领先的感受并避免系统有助于确保我们的无人机自主安全运作。如果环境变化,无人机的任务命令它接触到的对象没有以前——它会拒绝。建立这种级别的安全并不是一个容易的任务。但从一开始,这个选择是明确的。为了使这个改变在亚马逊的规模,安全,真正为我们自主飞行的无人驾驶飞机是唯一的选择。

在我结束之前,我想留给你们一个亚马逊的未来。这是我们最新的无人驾驶飞机。

_______________________________
上午10:05

去年,我们推出了亚马逊未来的工程师,设计一个程序,以确保所有学生,特别是弱势群体的学生,获得计算机科学教育,这样总有一天,他们可能会选择从事人工智能。

我们有一个雄心勃勃的目标:激发每年有超过1000万个孩子探索计算机科学通过编码营地和在线课程。我们将基金介绍和计算机科学的进阶先修课程超过100000 2000低收入的年轻人高中在美国今年春天,我们寻求与四年计算机科学学位授予100名学生,每年10000美元的奖学金。一些学生已经开始他们的亚马逊实习。

狮子座Jean Baptiste亚马逊的100名学生收到了首届未来工程师奖学金,已加入我们今天在这里。

_______________________________
帕克

某些方面我们平衡的人工智能与任何潜在风险的好处:
我们与美国国家科学基金会合作,投入1000万美元在未来三年在人工智能研究资助关注公平。我们与公司和组织,如微软、苹果、艾伦人工智能研究所、OpenAI等形成人工智能上的伙伴关系。我们与学术界和政府组织国家标准与技术研究所,以确保我们的技术可以为公平和准确性进行测试和评估。
_______________________________
早上10点

这项发明的背后是计算和人工智能马力由Amazon Web服务提供的。

AWS将使每个人都可以利用人工智能的重要性。不仅对数据科学家,也为开发人员和那些想要访问技术。所以在云的价值——支持大量数据和处理能力,AWS为客户建造了最广泛的选择的工具使用,无论如何新的或复杂的他们与人工智能的使用。

我们想使企业和公司能够使用机器学习的方法,这就是为什么AWS启动服务,比如亚马逊SageMaker毫升管理服务需要大量的所需的步骤:
——收集和准备训练数据
——选择和优化你的ML算法
——设置和管理环境进行训练
——培训和优化模型
- ML部署到生产
——规模和管理生产环境
…,使过程更加可寻址日常开发人员和科学家。

我们有人工智能服务松散模拟人类认知和启用插件开发人员预先构建的人工智能功能到他们的应用程序,而不必担心权利这些服务的机器学习模型。
_______________________________
9:56)是

这不仅仅是一个视觉。我兴奋地宣布,我们很快就会推出这晚上出去体验给客户。我想感谢我们早期的开发人员与我们这趟旅程,期待合作在很多这样的神奇的经历给我们的客户。
_______________________________
9:56)是

每个技能是建立在Alexa的对话能力深度递归神经网络来预测不同的对话框操作在一个技能。我们现在有另一个递归神经网络,充当cross-skill预测。在任何给定的,这个cross-skill动作预测决定是否应该移交的对话控制另一个技能或保持与当前的技能。cross-skill动作预测也训练模拟对话就像within-skill对话行为预测。
_______________________________
上午9:52

这种发展使得经验如“Alexa,电影是附近玩吗?’,然后Alexa针一起多个提供者的能力——在这种情况下电影推荐和机票预订;餐厅推荐和预定;和一个rideshare。

方法是不同于其他对话系统,整个系统模型的端到端:系统以口头文本为输入,并交付行为是其输出。

我们必须克服这种方法一个重要的科学挑战:建模大规模系统状态空间的一个复杂的对话经验——的行为给出所有可能的排列的实体值,背景,和对话的状态。

我们解决了这个通过启用运行时系统直接预测接下来的行动,可以是一个特定于服务的API调用或一个Alexa的回应。行动的预测是基于machine-learned会话模型,考虑了整个对话的历史。
_______________________________
上午搭成9:51

现在,我们拥有先进的机器学习功能,Alexa可以预测客户的真正目标方向的对话,在技能和主动使对话流
_______________________________
上午搭成9:51

对话框自动流在会话AI的技能是一个巨大的飞跃。但是客户不限制他们的谈话,一个主题或一个技能。想象一个客户开始问Alexa谈论电影场次和门票,但她的真实目的是计划和她的家人晚上出去。与今天的AI助理,她会实现她的目标通过组织在独立的任务,离散的技能。在这种环境下所有的与客户的认知负担。
_______________________________
50点

今天,我兴奋地宣布的私人预览Alexa对话,基于深度学习方法用于创建自然声音经验Alexa用更少的努力,更少的代码,比以往更少的训练数据。手工编码的对话流被递归神经网络模型自动流从开发人员提供输入的对话框。Alexa的对话,更容易为开发人员构建对话流的能力。
_______________________________
利比亚是

提供更多的实用工具,我们想象一个世界,顾客自然会交谈Alexa:天衣无缝的话题,问问题,做出选择,和口语一样,你会和一个朋友,或家庭成员。
_______________________________
9:48我

我们专注于人工智能的进步转化为更好的客户体验在4大支柱。

信任:客户信任是最重要的给我们。我们的指导原则是透明度和提供控制他们和Alexa分享客户信息。

通过自学习智能:减少对人的依赖标签,使Alexa学习更快,我们不断地发明semi-supervised和无监督学习能力。

积极主动:我们已经结合上下文Alexa更加积极主动、乐于助人的人,什么,何时,何地。
自然:让客户Alexa有用的关键是使它更自然的发现和使用功能。
_______________________________
愚人节是

我们通过几个机器学习的进步,Alexa 20%更准确的在过去的12个月。
_______________________________
上午9:46

我们的Alexa的灵感是《星际迷航》的电脑,客户可以与广泛的服务和设备的声音。把这个“环境计算”愿景实现,我们必须发明新的技术远场语音识别,自然语言理解,语音合成。

_______________________________
上午9:45

接下来是罗希特•普拉萨德Alexa的副总裁和科学家。
_______________________________
上午9:43

我们也可以把这个驱动自主机动性

这将使我们能够创建能与人类合作的全自动驱动器在机器人领域。这些创新将使我们能够为我们带来更多的机器人自动化过程更快。

了解更多关于前沿的机会,交付。
_______________________________
41我

但是我们没有完成。飞马分类系统的推出,我们意识到我们有机会重新考虑完全驱动的设计。让我给你第一次新克桑托斯开车,我们的品牌新克桑托斯家庭的基础。

第一汽车在这个家庭是我们X-Sort开车。
_______________________________
41我

只是效果更好,这种技术可以减少各种小姐50%我们其他分类的解决方案。
_______________________________
39我

今天我们非常高兴与你分享我们的新飞马驱动分类的解决方案。飞马座的解决方案利用亚马逊的核心技术机器人存储层运输个人包一个数以百计的目的地。

我们的飞马驱动器接收个人包到他们的桌面式输送机,穿越高架夹层,放出包成所需的与目的地相关的槽点。

_______________________________
37点

我们还增加了更多的不仅仅是单位开车到我们的建筑。我们的机器人堆垛工已经堆放超过二十亿个手提袋。

和安全是最重要的在我们的机器人设计和我们的新机器人科技背心让同事走到机器人领域自信驱动器将保持遥远。

但是我们不能就此止步。以新的福利,比如'一天,速度是至关重要的,我们认识到我们需要另一个阶跃函数改变机器人…但这一次我们middle-mile物流。
_______________________________
36我

我们业务的核心是我们喜欢称之为“人类和机器人的交响乐”共同努力完成并交付客户的订单。我们的机器人项目从2012年开始与亚马逊收购Kiva的系统。

部署以来,测取七年前,我们有超过200000个机器人驱动器,使工作更容易和安全。,同时也构建存储容量增加40%。

虽然这些机器人提供一个关键的功能在我们的建筑,我们不是自动化所有的工作。在同样的时间内,我们增加了超过300000个世界各地的全职工作。

_______________________________
36我

副总裁布拉德波特和杰出工程师的机器人正在舞台。
_______________________________
35点

视频显示在主题,展示了AI亚马逊提供帮助。

_______________________________
33我

这一切是什么意思?

如果我们有4亿件,我们需要预测需求,这显然是不可能一个人或团队的人来创造独特的预估这些物品。这些神经网络使我们能够构建个人预测亚马逊经营着世界上每一个国家,可能同样的产品不同的需求模式通过为每一项国家无需人工输入或甚至是一群项目。

取一个利基产品(倒装片绣花枕头,尼古拉斯凯奇)为例。我们不会花时间预测对这种产品的需求。但是神经网络训练与适当的损失函数可以访问1000年的类似产品过去的历史给我们一个准确的需求足够对无名的产品的需求,和一个高概率,当一个客户在拉斯维加斯点击购买物品,我们可以在两天之内她的家门口。
_______________________________
上午9:30

这些新模型是建立在先进的卷积神经网络(CNN)工程与自动化功能。他们直接访问所需的历史需求预测。CNN的一般性框架还允许我们借统计优势跨域的大规模数据。可以使用常见的动力学模型从历史悠久的产品来帮助预测新产品,反之亦然。

例如,当一个新版本介绍了数码相机市场,该模型使用以前版本的数据来预测未来的需求的新相机。

虽然我们正在建设模型,自动化和自己学习,我们团队还增加了两倍大小。
_______________________________
上午九29

在2016年,我们建立了一个新的前馈神经网络(FNN)模型。

我们能够预测数以亿计的产品输出分布分位数为多个预测开始日期和计划周期组合提前一年。

而模糊神经网络结构是成功的,它需要大量的努力时间序列特性工程。换句话说,几个月的每个模型和国家我们推出了手册培训。手动过程意味着较慢的模型构建和部署新用例。为了解决这些问题,我们开发了可供选择的神经网络架构。
_______________________________
28我

深度学习模型(神经网络)自1980年代以来已经存在。

最近的计算与深度学习突破了现实世界的成功,现在这分场的机器学习被广泛用于预测建模和处理图像、文本和演讲。

亚马逊开始部署深度学习模型预测2015年项目需求。每年,我们衡量成功的预测算法通过各种精度测量。之前使用深度学习作为我们的预测系统的一部分,我们将实现每年小改进。今年我们推出了深度学习,实现精度的改进15 x我们已经完成了前几年的。提高预测的准确性将直接向更高的可用性的产品我们的客户想要的,更快的发货速度和降低成本。
_______________________________
28我

开发了我们的第一个毫升模型、稀疏分位数随机福勒斯特简称SQRF,代表一个重要的技术创新预测在机器学习。

是基于流行的随机森林算法使决策树。我们从头开始实现这个算法使用使用映射-规约模式,使其规模数十亿美元的训练例子。

这种创新在处理稀疏数值,分类和基于文本的特性与失踪的输入值允许我们预测系统消费信息,如产品描述和标题,除了需求时间序列。

也能够产生一个完整的概率分布的预测直接表示为样品需求的实现为每个时间点的预测地平线。

虽然SQRF是有用的在训练样本使用属性,利用相似性这些决策树模型不能够“借力量”与时间序列样本数据。
_______________________________
27是

我们开始添加机器学习方法预测在2007年应对我们面临两个最困难的问题,对新产品的需求预测和估计正确的产品高度季节性需求,如万圣节服装。

它们季节性,你永远不知道哪个服装将需求高峰。
_______________________________
27是

是相对容易的承诺两天交货产品的需求预测或线性的。

洗衣皂、饼干、垃圾袋。和季节性物品——羊毛袜,防晒霜——有足够可预见的需求模式将这些物品在正确的数量,在正确的实现中心接近客户进行为期两天的航运一个合理的承诺。

没有其他公司接近尝试后勤复杂性的壮举,我们每日在亚马逊。参与我们是否考虑一些变量的股票一个项目,一个项目在库存:

• 我们需要考虑价格弹性和调整需求飙升当价格下跌时,例如电视。
• 我们需要了解如何区分缓慢移动的产品和产品不会卖,像pickle-flavored唇膏,信不信由你,并不是一个真正的卖得最好…
• 我们需要预测地区需求这样我们可以分配国家预测在10000年邮政编码和十几个航运选项。

_______________________________
上午9:26

管理的复杂性,规模是令人费解的,尤其是当你考虑到一些大型制造商和供应商有些车库创业。,一个卖小期待其产品将得到同样的治疗产品从世界上一些最大的品牌。客户,与此同时,经常不知道或者想知道哪个产品来自哪个供应商。这变得越来越复杂时我们必须在两天内交付物品或少',或一个小时或更少的城市我们现在操作'。
_______________________________
25点

当你想到人工智能和供应链,你可能会思考的机器人与自动化测试运行卡车。但艾未未的影响在亚马逊的客户远比硬件方面的更广泛的方程。考虑预测需求在亚马逊的背景下,全球公司船只每年数十亿美元的包,有成千上万的产品可供选择,数以百万计的供应商,在每一个我们所服务的国家。
_______________________________
23点

移动到下一个话题,珍妮淡水是关于讨论我们如何使用人工智能预测,亚马逊的供应链的基础。

_______________________________
东部时间上午9:22

但这都不是最难的部分——确保技术消退到商店所以客户有一个无缝的背景和神奇的经历是最难的部分。客户只使用一个应用程序,像正常购物,并得到收据后离开商店。

它应该是无缝的和不可思议的。
_______________________________
东部时间上午9:22

产品标识的另一个挑战是产品外观不同的各种情况下或有非常相似的变异。

机器学习算法旨在提高更多的数据,但是当你有一个高度精确的系统,很少有错误或负面例子训练算法。所以团队构建合成数据来训练我们的算法,但没有确保工件从合成数据不正确训练我们的深层网络。

定制算法没有得到展示自己没有正确的团队还建造的基础设施。我们解决许多问题难以解决,但基本达到我们的高精度酒吧的客户体验。
_______________________________
上午9点

有几个技术团队必须克服的挑战。首先,确定客户帐户位置生成准确的收据。容易做到当有几人在店里,但是商店很忙。

Dilip显示匿名的观众一段三维点云代表计算机视觉算法的输出预测客户帐户的位置。团队必须建立几个算法,利用几何和深度学习准确预测客户帐户位置和准确地把交互来正确的客户帐户和非常低的延迟。

_______________________________
上午9:17

亚马逊的技术目标是确定”了什么?“我们可以准确地收取客户账户的产品。

_______________________________
上午9:17

我们考虑很多不同的技术选择,但有很强的假设计算机视觉会提供完美的调色板创建无缝亚马逊客户体验。
_______________________________
上午9:16

今天有12个亚马逊去商店在西雅图、芝加哥、旧金山和纽约,我们利用刚刚走出技术。

_______________________________
上午9:16

亚马逊是checkout-free商店,让客户把他们想要的东西,然后走出来。

这个想法是如何起源的?几年前,一个小组来决定如何使形成物理零售经验更好。他们意识到,没有人喜欢排队,所以我们打算创建一个体验,顾客可以进来,把他们想要的东西,只是走出来。
_______________________________
上午9:15

亚马逊副总裁Dilip库马尔,走上舞台背后的创新只是走出技术细节亚马逊。
_______________________________
上午9:15

StyleSnap使用图像识别和深度学习身份证一个服装项目,推荐类似项目,深度学习支持目标检测识别图像中的各种服装产品和分类成类,如fit-and-flair礼服或法兰绒衬衫。我们使用深嵌入模型来定义视觉相似,甚至模型忽略了目录和生活方式的图像之间的差异,而是focusus独特的颜色,图案,风格元素,客户正在寻找。得到深入探讨了StyleSnap是如何工作的。
_______________________________
13点

介绍StyleSnap,亚马逊应用程序功能,让客户购买服装通过截图看起来或自己喜欢的风格。
_______________________________
上午9:12

人不购物时亚马逊始于1995年,甚至2015年。我们开始作为一个书店。我们现在亚马逊商店的集合。
_______________________________
九11点

我们将重点关注三个领域我们部署AI塑造客户的购物经验,交付,和声音。
_______________________________
九11点

随着我们开发了人工智能技术在亚马逊,我们并没有削减人工智能科学家在自己的小组。相反,我们放在我们的企业,集科学家与人建立产品、与客户和我们开始向后工作。
_______________________________
上午9:10

在为客户改善算法,团队介绍了一个两层神经网络称为神经网络分类器。

使用'视频作为一个例子,“这个模型是完全专注于预测下周客户想看什么。我们把历史的电影,一个客户看电影然后问模型来预测客户将在下周看。”
_______________________________
卧辅车我

在产品的发现

该团队使用“协同过滤”(亚马逊)发明的机器学习模型来推动我们的产品在早期推荐引擎。然后结合启发式开发个人建议。
_______________________________
9:02我

_______________________________
上午9:01

杰夫Wilke了舞台,欢迎的人群和打开AI的谈话。在他的角色,他的团队包括'机器人技术,实现,亚马逊业务,亚马逊,Whole Foods, '空气,,当然,Amazon.com, Amazon.de, Amazon.co.jp等等。在一起,这些群体占近600000亚马逊。
_______________________________
57分我

我们几乎准备好了主题,现在后台。

_______________________________
跑完我
6/5/2019

我们回来的第二天re:火星。未来会在9点的主旨杰夫,威尔克,CEO全球消费者,Dilip Kumar亚马逊副总裁,詹妮淡水,预测主任布拉德•波特VP和机器人的杰出工程师,副总裁和头部的科学家,Alexa罗希特•普拉萨德。我们会分享的细节。

_______________________________
上午9点

结束第一天的re:火星,我们早上就回来可以错过主旨,细节等分组会议主题“打击人口贩卖使用机器学习,”“故意技术”“开启人类的创造力,和更多。

找到更多关于扬声器和事件发生在re:火星。
_______________________________
下午9:16

景点和活动从第一天re:火星。

_______________________________
9:06点

看到戴夫一瘸一拐的开场白,在亚马逊高级设备。

_______________________________
七53点

_______________________________
46点

_______________________________
6:39点

_______________________________
21点

小罗伯特·唐尼走在舞台上。
_______________________________
上午10:05

_______________________________
下午17点

当我们学习机器人从迪斯尼想像工程,看看在亚马逊和下一代机器人发展背后的过程。

_______________________________
6:09点

_______________________________
下午6:05

波士顿动态现货机器人去散步后台re:火星。
_______________________________
6:03点

副研究员摩根教皇和托尼Dohi,主要研发幻想工程师,从迪斯尼想像工程,舞台。
_______________________________
6:02点

_______________________________
下午5:56

_______________________________
53秒点

团队展示在舞台上两种不同的机器人。机器人将在科技展示后,我们会有机会近距离地看到它们。
_______________________________
下午5:51

雷伯特今天讨论三种不同的机器人,处理,和阿特拉斯。
_______________________________
5:43点

首席执行官马克·雷伯特介绍波士顿动力公司了舞台。
_______________________________
下午5:37发生

“这是背景re:火星——我们想把火星的精神——建筑商和梦想家——一个大集团的领导人在这个房间。我们汇集了来自不同背景的创新思维——从商业领袖技术建筑商创业者,风险资本家,艺术家、宇航员和更多。我们的目标与re:火星是汇集正确的内容,学习机会,领导人帮助您更快地扰乱和创新,将最新的前瞻性的科学与实际应用相结合,今天将开始改变。我们相信,我们可以一起解决一些世界上最有趣的和具有挑战性的问题使用的人工智能。”
_______________________________
下午5:34

“火星的遗产——四年前,我们举办了第一个火星年会关注机器学习,自动化,机器人,和空间。火星是一个亲密的事件旨在汇集创新思想分享新想法在这些迅速发展的领域。

在第一个火星事件的第一个晚上,我正在与杰夫说话事件的灵感,我们开始讨论图书馆在他家里。在杰夫的图书馆,有两个面对面的壁炉。一边的图书馆,壁炉,他这个词建筑商,在他所有的书由建筑商的集合。而在另一边的图书馆,他书了梦想家。这是一个很好的表示,我们正试图做的——汇集建筑商和梦想家——如我们预想的未来。”
_______________________________
33点

“我们这里有一个令人难以置信的形形色色。我们的与会者包括宇航员,ceo、艺术家、企业家、博士、政客、工程师、企业领导人和许多更多。

我们有来自46个国家的与会者加入我们,尤其是大部队与美国、加拿大、中国、澳大利亚、巴西、德国、日本、韩国、和英国。

这里有一些有趣的关于我们的一些与会者的事实,他们……

花了562天的空间相结合,其中包括美国宇航局纪录保持者连续天在空间和最总天在太空中。

人发明了早期的应用互联网和机器人技术,包括第一个机器人启用了一个web界面,通过互联网远程游客给花园浇水生活1994年

成立公司,包括Coursera, iRobot Insitro, SmugMug, Humatics,戒指,和更多

甚至赢得金球奖,奥运金牌和5个NBA冠军”

_______________________________
31点

戴夫一瘸一拐的舞台。

”在re:火星,我们兴奋的与会者在车间度过即将到来的几天,训练一个神经网络在模拟计算机视觉赢得Blackjack,构建Martian-detecting机器人应用程序等等。”

_______________________________
下午5点

DJ展台前的主旨。

_______________________________
31点

一个小时以后,戴夫一瘸一拐地将打开主题,与马克·雷伯特介绍会谈焦点,波士顿动力公司的CEO,摩根教皇和托尼Dohi迪斯尼想像工程,和小罗伯特·唐尼。

_______________________________
下午4:10

再保险:火星21点的挑战

团队使用计算机视觉和机器学习来构建和训练一个神经网络计算机视觉使用亚马逊SageMaker,然后开发一个algoithm试图战胜。每个团队的参与将有机会尝试他们的算法。

_______________________________
3:39点

DJ旋转胜在登记大厅外。

_______________________________
曾点

_______________________________
13点

在“智能城市是未来会议”在re:火星,与会者使用拉斯维加斯城市开放支票簿数据门户Alexa构建一个语音应用程序,要求Alexa回答这样的问题,“哪个部门我们最在2019年花了多少钱吗?“我们城市的未来是互动的,未来就是现在。

_______________________________
第1章点

艾伦难以估量,AWS解决方案架构师领导“发现火星人与AWS RoboMaker和喷气推进实验室开放源码蔓延”。

_______________________________
1:01点

接下来:实践研讨会开始了。我们挖掘”发现火星人与AWS RoboMaker和喷气推进实验室开放源码罗孚,”“智能城市未来”和“re:拉斯维加斯21点”。了解更多。
_______________________________
37点

我们有没有提到BattleBots,周四吗?

_______________________________
12:14点

小罗伯特·唐尼,马克·雷伯特介绍——CEO,波士顿动力公司,摩根教皇——副研究员,迪斯尼想像工程,托尼Dohi -沃特迪斯尼想像工程研发原则,会说今天晚些时候。请继续关注报价、产品新闻,未来的思考,和更多。

_______________________________
上午10:45

明显走向注册,我们在re:火星。在弯曲的墙是蓝色的起源胶囊(见下面的视频)。超出登记的队列,赃物。

_______________________________
上午9:40我

当然我们有一个蓝色的起源胶囊现场。看一看里面。

_______________________________
9:19我
6/4/19

这是第一次正式的一天再保险:火星上——我们将共享一个幕后peek从事件——从酷炫的新产品和公告,在机器学习思想领导,机器人技术,人工智能,空间等等。
_______________________________
41点

它不会在拉斯维加斯的一次会议上没有一点21点。我们做的事情有所不同,具有挑战性的团队使用计算机视觉和机器学习来构建和训练一个神经网络。

_______________________________
下午1:25

明天车间从9点开始,报名将在7点开始。看到一些你的经验,现在。
_______________________________
29我
6/3/19

参加re:火星?这就是来自# reMARS党的期望,还有更多。

在家看吗?我们将分享细节,主题演讲,会议,扬声器,,在这里。

_______________________________
19点
6/2/19

re:火星在不到36小时,正式开始,我们已经准备好它。请继续关注实时更新,幕后peek,机器人、无人机、突发新闻,等等。