穆罕默德汗在过去十年在亚马逊完成中心建立一个职业,帮助把一切从书籍到书架运往客户。现在作为一个总经理助理的特雷西履行中心,加利福尼亚,汗知道如何挑选,排序,并把每天成千上万的包。汗,知道如何确保产品完好无损的到达。
“当我加入亚马逊,我一开始为客户挑选产品订单和获得实际的了解进入正确的产品给我们的客户,”汗说。
汗解释说,作为一个产品经过实践操作中心,五个不同的员工使用六点目视检查来评估产品是否损坏。他说这是一项非常耗时的任务,通常是很难记住的,因为员工很少在亚马逊找到损坏的商品库存。
这就是为什么一个科学家团队在亚马逊实现技术在柏林,德国、汗和他的同事们正在努力帮助。研究人员正在开发先进的人工智能(AI)功能,可以发现异常和旗船之前就有缺陷的产品。
像其他复杂的人工智能工具,检测技术依赖于软件和大量的数据。但损坏的产品是非常罕见的,这使得所需的数据训练AI稀缺。那就是稀缺的大规模数据和亚马逊的多样化的库存,现在challenging-until AI-driven损伤检测。去年,研究小组认为他们可以提供一个机器学习模型与参考图片来教它如何比较产品的“看”的形象产品应该是什么样子的。为此,他们使用计算机视觉扫描每一件产品都经过德国首都郊外的仓库。接下来,机器学习模型分析了扫描来发现隐藏的模式,不断提高系统的探测能力的损害。这机器学习和计算机视觉方法给人工智能的能力做出主观的类型决定破坏,人类让所有的时间。
“我们开始训练我们的机器学习者构建自己的心智模型项外观通过观察数百万示例图像的受损,未损坏的项目,”杰里米·怀亚特说,亚马逊机器人应用科学主任。“然后,在操作,我们表现出来的具体的形象“查询”项和前一个“画廊”形象相同的产品和AI模型比较了图像。这是几种方法之一我们打开一个大的性能提升。”
Christoph Schwerdtfeger亚马逊实现技术、应用科学经理说,人工智能系统比手工三倍有效识别损坏产品。由于成功,他们计划把系统转移到其他设施。
“当然,这种技术只专注于这个任务,虽然我们的操作员工如此多的每一天。我们计划扩大该技术的使用超出我们的测试网站,”Schwerdtfeger说。“我们希望部署我们的损伤诊断软件在北美和欧洲十几个操作在假期之前。一旦到位,技术将帮助扫描损害每个月超过4000万个客户的产品,而且它将如何确保人们的一部分这个假期的礼物。”
而机器学习模型将继续改善的数据增长,Schwerdtfeger很快指出,真正的力量的技术帮助人类的工作方式。
“这些模型是有用的,但有时,他们愚弄,“Schwerdtfeger补充道。“如果发生这种情况,我们收到操作员工在亚马逊的即时反馈实现网络。我们直接损害专家教AI在未来做出更好的决策。这是人类和机器之间的合作为客户带来更好的结果。”
汗希望看到这项技术将有助于实现中心的效率。
“这个工具有可能简化任务,帮助我们管理成本和交付时间为我们的客户,”汗说。“也很激动人心,因为它可以帮助释放操作员工专注于其他核心任务和活动,特别是重要责任的安全。”
除了安装系统更多的位置,亚马逊实现技术团队计划扩展系统的功能。
“展望未来的应用这项技术,一种可能性是超越损伤的检测在我们船订单之前,“怀亚特说。“例如,我们可以确定何时何地的破坏发生在第一个地方。”
与亚马逊和人工智能,未来将抵达比以往更好的条件。阅读更多关于人工智能在亚马逊。
