来自拉斯维加斯的直播，这里是re:MARS 2019

_______________________________
8:02点

还有什么比这条推文更好的方式来结束博客直播呢?再次感谢所有出席、发言、找到灵感并跟随的人。

_______________________________
6点14分

更多的照片来自re:火星派对- Furrion外仿生机械，步伐汽车圈，赛格威课程，宇航员的照片，和更多。

_______________________________
上升2点

昨晚re:MARS派对上的全明星BattleBots挑战场景。

_______________________________
12:30

更多的照片和细节来了，但我们最后的re:MARS会议已经结束。非常感谢所有的与会者，演讲者和供应商，以及那些跟随直播博客的人。

_______________________________
火灾是

_______________________________
利比亚是

“是算法需要合乎道德，还是人、流程和系统应该合乎道德?”- Prem Natarajan博士

算法不是道德代理，但最终设计和部署算法的人与算法的决策有好几个程度的分离，所以他们可能会在无意中引入偏见。”——艾伦·罗斯博士

“这并不能说明一切都好。算法把女性踢出了就业系统，禁锢了有色人种。我们必须想出“负责任的人工智能”。-尼科尔·特纳-李博士

_______________________________
41我

“对政府来说，不要过度监管很重要，但有地方和空间进行反偏见实验也很重要。”

_______________________________
32点

“就因为青少年男性司机的车祸次数更多，就向他们收取更高的车险费用，这公平吗?”还是向年轻的女司机和男司机收取同样的费用，让女性来补贴成本更公平?-公平取决于当事人。”

_______________________________
上午九29

“有时候，公平的定义并不对所有人都公平。”

_______________________________
东部时间上午9:22

“我们的目标是创建一个ML模型，最大限度地减少分类错误(例如:一组学生可能在考试前使用SAT导师，而另一组学生在考试前不使用导师)。一个模型被设计为适合大多数人，它会引入对少数人的偏见，因为适合少数人的模型并不适合大多数人。即使不考虑种族因素，偏见也会出现。”

_______________________________
14

“人工智能可以揭示特定的偏见。”

_______________________________
上午9:12

“对政府来说，评估是很重要的——这是我们想要自动化的领域吗?如果我们自动化了，我们在放置模型时是否考虑了整个生态，因为系统中存在偏见?”

(关于使用人工智能预测人们是否会出庭接受传票-研究表明，人们缺席法庭的主要原因是由于缺乏儿童照顾或交通工具，而不是直接逃避传票)

_______________________________
9:06我

小组:人人共享人工智能:促进道德人工智能的公平

“为了让人工智能为每个人服务，需要非营利组织、行业、政府和学术界之间的合作。”

_______________________________
42我

里奥·让·巴蒂斯特和我们一起探索火星。

_______________________________
19点
06/07/19

这是re:MARS 2019的最后一天，我们还有一些突破会议，还有很多东西要分享，就在这里。

_______________________________
十一33点

今晚到此为止吧。我们将在明天早上为您带来会议、回顾和更多内容。

_______________________________
下午10:06

夜波表演在re:MARS。

_______________________________
9:07

火星派对正如火如荼地进行着。目前正在看《BattleBots》，在Twitch上直播。

_______________________________
21点

_______________________________
下午5:46

杰夫·贝佐斯与珍妮·淡水的炉边聊天。

_______________________________
41点

在一次分组讨论中，Amazon Web Services高级软件开发工程师Andrew Lafranchise和AWS开发人员关系Alejandra Olvera-Novack教授与会者如何构建TurtleBot的模拟，TurtleBot是一种使用开源软件的低成本个人机器人套件。使用AWS Robomaker，机器人开发人员可以利用AWS机器学习服务、监控服务和分析服务，使他们的机器人能够流数据、交流、理解和学习如何在新环境中导航。

_______________________________
下午5:22

由亚马逊应用科学高级经理Chao Wang和亚马逊Alexa Speech高级应用科学家Viktor Rozgic主持的关于机器学习如何从演讲者的声音中检测情绪的分组讨论。

虽然人类的情感是复杂的，但它们可以通过在三维轴上映射为特征向量来表示。特征向量是一个对象特征的数字表示-这允许算法测量一个对象的属性。为了检测情绪，Alexa机器学习科学家将话语映射在三维轴上——效价(消极-积极)、激活(情绪从低到高的强度)和支配(顺从的衡量标准)。例如，愤怒在效价量表上是负的，在激活量表上是正的，在支配量表上是正的。

视觉:

_______________________________
下午5点

_______________________________
下午4点45分

为什么我们应该与他人分享:

当人们分享热情和兴奋时，我们可能会想到“我也许能为此做出贡献”。

_______________________________
各自点

在生活和工作中，心态是第一位的，训练是第二位的。”

_______________________________
22点

在委派任务时:“你必须在有限的时间内给每个人完全的自主权。当你有一个你信任的人，他们的工作将会增加价值。我不会对做错的人生气，我只会对做对的人发火。这是一个过程，我还在学习中。”

_______________________________
17点

“我在TED做过一些演讲，我提醒自己‘这只是接下来的20分钟’，但是的，我考虑了长尾影响和我个人的价值观，即分享、爱、包容和成为文化的参与者。”

_______________________________
下午4:06

平衡技术思维和创造性思维

我们说“这是一门艺术，也是一门科学”，所以我们把它们放在了光谱的不同一端——这是一种伤害。形成假设是一种极具创造性的行为。工程是一个极具创造性的领域，有很多方法来解决问题，就像画画一样。”
_______________________________
4:03点

如何消停负面言论

“时间让我平静下来，没有什么能帮助我阻止我的思想侮辱我。我不知道如何阻止我内心的批评，但如果我和我的伴侣和朋友谈论它，它会带走它的一些力量，它也会帮助其他人。未来是不可能变得更容易的。”
_______________________________
跑点

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

“总是在STEM后面加上‘A’——一个伟大的想法在你能和别人交流之前并不是一个伟大的想法，这就是艺术。”
_______________________________
下午3:56

“所有伟大的事情都是因为有人痴迷于它。”
_______________________________
小时55分

制作可以是任何东西。服装制作，焊接，编码。

“那些我们无法停止关注的事情，就是我们发现自己卓越之处的地方。”

_______________________________
3:54点

“我们喜欢独一无二的创造者的神话。他们是了不起的人，但他们非常罕见。我们必须共同努力。

分享是如此重要。分享荣誉、喜悦、热情、工作。一点点的鼓励对我来说意义重大。这真的很重要，我看到了与他人分享鼓励是多么重要——分享知识，只是为了分享。它不会产生任何成本。你在个人层面上分享的每一点都会带来巨大的回报。”

_______________________________
3:49点

“科学和艺术是讲同一个故事的两种不同方式。”

_______________________________
3:49点

"在《流言终结者》的13年里，我学会了工作中的每一项技能"
_______________________________
下午比赛

“我们需要规范迭代，尤其是对孩子们，以表明迭代是过程的一部分。”

_______________________________
3:44点

“我没想到书里会这么有哲理。”

动力:
让我有动力的是执念。这是我需要看到的结果吗。即使我不得不放弃一切，从头开始。

我使用复选框，我喜欢给它们上色。事实上，我创建了其他的盒子，比如“开车上班，吃个三明治”，因为这太令人满足了。

将宽容应用于自我:
我还是会遇到困难，但我能说出来。我不仅会遇到困难，而且我内心的批评也非常严厉。每个月，我内心的批评者都会说:“你没有权利做事情，你现在就应该放弃。”

_______________________________
下午3:41

谈到人类的创造力，他的新书《每一种工具都是一把锤子》。

“你必须完成它。没人需要知道为什么，你只需要去做。

电影行业的截止日期紧得要命。我喜欢这些最后期限帮助你确定你的容忍度，以及你在这件事上投入了多少精力——接受的容忍度。”

_______________________________
3:39点

“我得摆弄触觉臂。每隔一段时间，我就会玩一种感觉像我幻想的技术。就是这样。”

_______________________________
3:33

亚当萨维奇在台上讲话。

“我在探索频道有一个节目，叫《野蛮建筑》——这是一个荒谬的工程节目。”

_______________________________
下午两点半

来自波士顿动力公司首席执行官兼创始人Marc Raibert的re:MARS主题演讲

波士顿动力公司的三个机器人。手柄，这是一个专门设计的机器人，它被设计成只做一组简单的任务。第二个机器人是Spot，它是一个通用机器人。它被设计成一个移动平台，可以为各种各样的应用定制。第三个是Atlas，我们研发的机器人。Atlas就像机器人中的兰博基尼(Lamborghini)或玛莎拉蒂(Maserati):非常昂贵，非常挑剔，需要整个团队来保持工作，但却能提供最高水平的性能。

当身体移动时，人们有很强的能力来稳定他们的手。这意味着你可以进行非常有效的移动操作。这就是我们想要模仿Spot的地方。

人们对机器人的工作方式有一种传统的理解。有一台电脑和软件可以监听机器人的传感器，并告诉机器人该做什么。但这只是故事的一半。另一半是，外面有一个物理世界，它也在告诉机器人该做什么，重力在拉着它，摩擦在阻碍它的运动，能量储存在机器人的运动中。

您确实需要采取全面的方法，并将软件所做的工作与物理机器及其设计结合起来。

_______________________________
1分54秒点

TED翻译中心副主任海伦娜·巴特说:“翻译版本出版的时间越长，我们就会错过其他语言的潜在阅读量，我们就有可能失去那些作品正在等待审批的译者。”

“在翻译人员开始工作之前，我们并没有从头开始制作字幕，而是先测试机器转录。我们衡量了每次谈话节省的时间、机器翻译的质量和准确性。平均而言，志愿者的字幕语速提高了30%(当视频是先由机器翻译的时候)，75%的人认为机器翻译的质量很好。通过人类和人工智能的配对，翻译可能会更快，”TED翻译总监詹妮弗·祖拉韦尔说。

我们的目标是:在视频上线的第一天发布5个翻译。

_______________________________
一下午

由于这些翻译，TED品牌在全球范围内被信任为相关的信息来源。

• 遍布160个国家的3万名志愿者对于帮助思想自由传播至关重要。
• 准确地翻译一篇TED演讲需要5-10个小时，然后需要几个小时的审查，然后才能被批准上线。
• 2019年，TED翻译贡献了18k个字幕。
• 必须翻译说话人的风格，而不仅仅是逐字逐句。

_______________________________
1:40

为了让TED视频在全球范围内传播，TEDTranslate众包志愿者的翻译，使TED演讲有超过100种不同的语言。

_______________________________
一37点

TED移动应用用户:

5%拉丁美洲
20%的欧洲
44%的亚洲

_______________________________
一下午

在一场题为“TED如何利用人工智能更快更远地传播思想”的会议上，TED的使命是“寻找世界上最具灵感的思想家”。

_______________________________
34点

从re:MARS主题与小罗伯特·唐尼。

_______________________________
一17点

从re:火星主题与摩根波普和托尼Dohi的华特迪士尼幻想工程师

迪士尼的想象力工程师演示了人物如何能够不受束缚地动态运动——他们可以任意表演，而不是回放动画。我们在华特迪士尼幻想工程研发中心的座右铭是快速失败，明天犯更好的错误．

在迪士尼，我们的业务不是制造机器人。我们的业务是制作角色。所以我们面临的挑战是开始捕捉表演者的瞬间，让你觉得，哇，这是一个人。

_______________________________
下午12:01

_______________________________
11:49是

现在主题演讲和炉边聊天已经结束，接下来我们要参加和分享会议，然后是拉斯维加斯赛道上的派对。请继续关注更多照片、更新和幕后花絮。

_______________________________
十一17点

詹妮淡水:你对那些想要创业的人有什么建议?

杰夫·贝佐斯:我经常被问到这个问题。最重要的是以客户为中心。不要满足他们，绝对要取悦他们。

激情。你将和那些充满激情的人竞争。

承担风险。你必须愿意承担风险，如果你有一个没有风险的商业想法，它可能已经被实现了。你必须有一些可能不起作用的东西。从很多方面来说，这将是一次试验。我们一直在冒险，我们谈论失败。我们需要大的失败来改变现状。如果我们不这样做，那就是我们挥得不够。你真的应该努力，你会失败，但没关系。

我列出的所有东西都不需要在初创公司工作。你可以在一家财富500强公司工作。

_______________________________
十一12点

詹妮淡水:为什么是蓝色起源?

杰夫·贝佐斯:我们对月球的了解比以前多得多。(例如)从月球上举起一磅比从地球上举起一磅所需的能量少24倍。

月球离地球很近，只有3天的路程。从逻辑上讲，这是一个非常好的地方。

我们需要把工业搬到月球上去。地球将被划分为居住区。

你不可能在宿舍里创办一家航天公司——基础设施根本不存在。

_______________________________
上午11:07

詹妮淡水:你如何处理不奏效的事情?

杰夫·贝佐斯:你知道什么时候该停下来?当最后一个冠军准备认输时，就该停止了。

_______________________________
上午11:06

詹妮淡水:让你兴奋的是什么?

杰夫·贝佐斯:柯伊伯计划-卫星和宽带无处不在。当你在世界各地发射数千颗卫星时，你最终为整个世界提供了服务。

_______________________________
上午11:03

詹妮淡水:假设你有一个水晶球，你的10年预测是什么?

杰夫·贝佐斯:我认为你可以预见未来10年的一些事情。在我的专业领域之外，我认为我们将看到生物技术的惊人进步，我们将继续看到机器学习和人工智能的进步。

更大的问题是“未来10年什么不会改变?”看看什么在时间上是稳定的，并继续关注那里。确定这些想法，它们通常是客户的需求。如果你的战略是建立在稳定的客户需求(快速交付，低成本)的基础上的，你可以围绕这些问题旋转很多飞轮。它们是如此巨大和基本。

_______________________________
上午10:59

詹妮淡水:你曾经在推进你的想法时遇到过困难吗?

杰夫·贝佐斯:我们有一个领导原则，“不同意并承诺”，很多时候，我会不同意并承诺。通常，你和和你一样有激情的人一起工作，他们有自己的一套想法。如果你是老板，其他人可能比你更了解事实真相。通常情况下，老板应该是那个提出不同意见并做出承诺的人。

_______________________________
上午10:56

詹妮淡水:如果亚马逊没有成功，你会做什么?

杰夫·贝佐斯:如果亚马逊没有成功，我可能会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“经常正确”?

杰夫·贝佐斯:如果你说“经常正确”，那就没什么用了。经常说对的人会经常倾听，也会经常改变主意。那些正确的人在没有大量新数据的情况下会改变主意。他们醒过来，重新分析事情，然后改变主意。如果你不经常改变想法，你就会犯很多错误。经常正确的人想要否定他们的基本偏见。

_______________________________
上午10:53

詹妮淡水:戴夫·林普跟我们说了你的图书馆。你能给我们讲讲建设者和梦想家吗?

杰夫·贝佐斯:梦想家先来，建设者从他们那里得到灵感。他们建立了一个新的基础，让梦想家可以站在上面，梦想更多。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

沃纳·沃格尔斯博士重返舞台，将珍妮·淡水和杰夫·贝佐斯介绍上台。

_______________________________
10点我

“比尔·盖茨将机器人的灵巧性列为今年最重要的进步。”

_______________________________
10点我

一个新的机器人有一个抓手和吸盘，它能够非常快速地拾取物体，它可以处理一组机器人从未见过的物体。

这个机器人每小时能捡起400多个物体。如果机器人无法捡起一个物体，它必须记住它没有使用这种方式，并在下次尝试另一种方式(夹具或吸盘)。

有些东西简直就是噩梦，比如回形针不能用夹子或吸盘拿起。

_______________________________
10点43分

他提到了一个“手臂农场”，在那里，几十个机械臂正在拾取不同形状和大小的物体，24小时不间断地收集抓取数据，将失败率降低到20%。

_______________________________
晚10点

他说的是用柏拉图的理论来衡量把握的可靠性和可预测性。

_______________________________
37点

“把你自己想象成一个机器人。你所有的传感器都有噪声，而且不精确，驱动你手臂的驱动器也不精确。所以机器人笨拙也就不足为奇了。”

_______________________________
大礼堂开幕,我

肯·戈德堡他是加州大学伯克利分校的工程学教授和首席科学家，Ambidextrous Robotics已经走上了舞台。

_______________________________
32点

1971年，尼克松总统向癌症宣战。战争是个错误的比喻——战争是一种恐惧和仇恨的状态。贪婪是可持续的。为什么不给癌症贴上价签，把数据科学和金融工程结合起来呢?”

_______________________________
28我

“数据缺失是问题所在。大多数研究没有报告缺失程度，也没有在医学试验中逐级删除。”
_______________________________
26我

“有了现代人工智能，我们可以做得更好。我们可以将数据科学技术应用于医学试验。”

_______________________________
23点

“为药物开发的早期阶段筹集资金越来越难了。开发一种抗癌药物需要2亿美元，时间超过10年，成功概率为5%。”

_______________________________
10:18我

“挑战在于药物开发的成本。我们越聪明，医学就越复杂。如果说有什么是投资者不喜欢的，那就是复杂性和风险。”

_______________________________
可惜我

“我们正生活在应对疾病的生物医学拐点上。”

_______________________________
13点

Andrew Lo现在在舞台上。

_______________________________
十12点

“我们从头开始设计是为了自动驾驶，而不是为了人类司机。”

_______________________________
11点

“与其生产数百万辆汽车，服务数百万人，不如生产数千辆汽车，服务数百万人。”

_______________________________
10:09我

“我们的车辆被设计成共享车队。这是对资源更好的利用。”

_______________________________
上午10:07

“人类从来都不是在开车，他们只是在许可。”

“车上的每个传感器都可以看到270度，我们有多个视角。如果一个传感器坏了，我们还有360度的视角。我们能看到更多，处理更多，理解更多。这对于自动驾驶汽车来说至关重要。”

_______________________________
上午10:05

“我们不只是为旧金山定制，技术需要可扩展。”

_______________________________
上午10:04

“旧金山是一个驾驶复杂的地方。城市中的变数教会我们要比人类更安全。”

_______________________________
帕克

人工智能的基础是感知、计划和行动

“车辆正在计算它的首选路径，并预测其他智能体的行为，例如，多个智能体在四向停车处的优先路权，可能改变主意的行人，双停的汽车。它可以实时调整路径。”

_______________________________
上午9:59

“我们每年要花4000亿小时开车。我们只用4%的时间开车。城市中三分之一的交通实际上是人们在寻找停车位。四分之一的空气污染是由交通造成的。车祸每年夺去140万人的生命。超过90%的事故是由人为错误造成的。”

_______________________________
55我

艾莎•埃文斯，ZOOX已经登上了舞台。

_______________________________
55我

“在技术颠覆的时代，领导力很重要。我们必须投资教育，让政府领导人知情，让每个人都与我们同在。”

_______________________________
上午搭成9:51

“我们需要从大数据转向小数据。人工智能在很大程度上是由软件公司主导的，但许多规模较小的公司并没有那么多数据。100个例子足以支持机器学习吗?”
_______________________________
上午9:46

“通常情况下，首席执行官推荐的首要项目并不值得投资。”
(笑声)
_______________________________
上午9:45

“高管们的首要问题是如何找到正确的用例。”

下面是如何开始的:

1. 从小处着手——我见过很多团队因为做大而失败，而不是做小项目(目标是4-6个月的项目)
2. 自动化任务，而不是工作——作为一个头脑风暴AI想法的框架，看看一份工作，然后分解任务，并确定哪些任务可以让AI进入任务
3. 将AI和主题专业知识结合起来——在AI可以做的事情和对公司有价值的事情的交叉点上选择项目(跨职能团队可以帮助确定优先级)

_______________________________
上午9:40我

“互联网上有海量的思想可供任何人使用(参考学术论文)。人工智能论文以每天100篇的速度发表。”
_______________________________
38我

“人才、创意和工具的兴起，使得人工智能比以往任何时候都更容易获得，甚至对科技行业以外的公司也是如此。”
_______________________________
36我

“现在是把赌注押在科技行业之外的人工智能领域的时候了。”
_______________________________
35点

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

Andrew Ng现在上台了。
_______________________________
32点

“我们已经创建了世界上第一个全球自动赛车联赛深赛车让每个开发人员都能掌握机器学习。”
_______________________________
31我

“每个工程师都可以成为机器学习工程师。我们已经推出了亚马逊机器学习学院，用来培训我们的工程师，现在就可以使用。”
_______________________________
上午九29

“Netflix说他们75%的观看是通过推荐，所以你的推荐最好是好的。”
_______________________________
27是

“你不需要建立推荐模型，我们已经为你做了。”
_______________________________
上午9:26

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

沃纳·沃格尔斯(Werner Vogels)分享了NFL如何通过传感器和机器学习共享实时数据。
_______________________________
23点

“我们有不少客户正在使用Sagemaker构建他们的系统。例如，Intuit建立了一个费用查找工具，可以查看一年的财务数据来确定可扣除的费用。在过去，这种工作需要6个月才能建立一个新模型。而Sagemaker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服务，就像Sagemaker一样，现在每个开发者都是机器学习开发者。”
_______________________________
上午9:17

“85%的云计算是在AWS上进行的。”
_______________________________
上午9:17

“为了用机器学习最好地支持客户，我们需要建立一个全新的堆栈。”
_______________________________
13点

“我们正在将机器学习从数据科学家的手中转移到开发人员的手中。我们正在普及机器学习。”
_______________________________
九11点

“各种规模和行业的公司都在利用机器学习。”
_______________________________
卧辅车我

“AWS现在为你提供165项服务，无论你是想做分析、远程桌面、移动服务、devops、运行ML模型等等。”
_______________________________
楼梯口我

“我们将安全整合到我们所做的一切中，包括机器学习。”
_______________________________
楼梯口我

“AWS在全球范围内推动了如此多的创新。许多成功的公司都说，如果没有云计算，他们就不会存在。”
_______________________________
9:02我

“过去25年，我们一直在亚马逊做机器学习。”

“亚马逊一直是云计算的先驱。我们在2006年推出了第一项服务。我们为自己开发了这些技术。”
_______________________________
上午10:05

主题演讲开始，沃纳·沃格尔斯博士上台。
_______________________________
44我

_______________________________
飞机于8:01我

昨晚，杰夫·贝佐斯会见了李奥，他是第一批见面的人之一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

我们回到了re:MARS的第三天!我们将从亚马逊首席技术官Werner Vogels博士，Landing AI和深度学习创始人兼首席执行官Andrew NG的主题演讲开始。ai、Zoox首席执行官艾莎·埃文斯(Aicha Evans)、安德鲁·罗(Andrew Lo)、麻省理工学院斯隆管理学院查尔斯·e和苏珊·t·哈里斯教授、麻省理工学院金融工程实验室主任，以及加州大学伯克利分校工程学教授、Ambidextrous Robotics首席科学家肯·戈德堡(Ken Goldberg)。然后是我们的炉边聊天，分组讨论，当然还有派对!
_______________________________
27点

这一天充满了机器人、无人机和大量的学习。

我们将在早上带着另一个主题演讲回来，与杰夫·贝佐斯和珍妮·淡水的炉边聊天，以及更多的会议，最后在拉斯维加斯赛道上举行活动。
_______________________________
27点

_______________________________
或其他

_______________________________
5:55到达

全球消费者首席执行官Jeff Wilke继续周三上午的re:MARS主题演讲，讲述了亚马逊是如何探索无人机送货的。

_______________________________
38点

杰夫·威尔克在欢迎亚马逊其他领导人上台之前，开始了今天上午的主题演讲。关注他分享的细节。

_______________________________
下午4时32分

来自亚马逊网络服务的首席执行官兼创始人Astreia和解决方案架构师Koorosh Lohrasbi的re:MARS会议“利用人工智能实现可持续的人类太空生活”

细节:
在火星上最具挑战性的方面之一就是与世隔绝。这是从火星上看到的景象。

如果火星上出了什么问题，在目前的轨道位置以光速发送的通信将需要20分钟才能到达地球。我们不能像现在这样运作。人工智能(AI)成为必须。

数字栖息地将必须反映我们的物理世界，并将成为维持火星生命的必要条件。

_______________________________
下午14点

在re:MARS周三主题演讲期间，领导在舞台上。

听到

• 迪利普·库马尔，亚马逊Go副总裁
• Jenny Freshwater，预报员
• Brad Porter，机器人副总裁兼杰出工程师
• Rohit Prasad, Alexa副总裁兼首席科学家

_______________________________
3:49点

CYMI: Marc Raibert在re:MARS第一晚的主题演讲。他谈到了波士顿动力公司的机器人，并演示了两只机器狗。

_______________________________
2:48

我们在科技展上看到的另一个机器人，这个机器人的工作原理是尽量减少流程中重复(但重要)的任务。

_______________________________
下午2:41

在科技展上，这个机器人根据颜色对物品进行分类，并将物品放在一个罐子里。我们要和机器人赛跑，(毫无意外)我们没有赢。

_______________________________
下午12:55

在科技展示会上，机器人手臂上的屏幕向与会者致意。

_______________________________
>我

主题演讲结束。我们将很快从研讨会和会议中转移到细节。
_______________________________
11:20我

“iRobots吸尘器专注于解决一个问题。

承诺是你把它们放在家里，你再也不用吸尘了。但他们会被流苏地毯缠住。你得按"开"键。

我们设计了一种让它能看到泥土并足够聪明地完成这项工作的方法。他们为Roomba(一个家庭基地)添加了一个功能，一旦使用完毕，Roomba就会被清空，所以用户可以一两年不清空Roomba。每一项进步都让机器人更加自主。”

_______________________________
上午11:13

柯林·安格尔，iRobot的首席执行官和创始人现在站在台上。
_______________________________
上午11

_______________________________
上午10:58

凯特·达林，麻省理工学院媒体实验室的研究专家和哈佛伯克曼中心的附属机构，现在站在台上。

她讲的是机器人技术，以及人们如何有意识或潜意识地把机器人当成有生命的东西。例如，超过80%的roomba都有名字。
_______________________________
10点43分

Insitro的首席执行官兼创始人达芙妮·科勒上台了。

“在过去的十年里，ML取得了令人难以置信的进步。”

2019年，计算机能够用自然语言为照片贴上标签，但就在2005年，它们可能只能对图像中的特定物体给出是/否的回答。
_______________________________
32点

他谈到了新的卫星技术，火星探测器，包括将于2020年推出的火星直升机探测器。

我们如何让火星探测器大众化?参与进来。

_______________________________
21点

自动化智能总是在我们的指尖。

我们如何让IT变得无限?

利用物联网、编程、分析、智能数据、云和人工智能，它们可以以不同的节奏发展。通过api利用来自云的数据，这样我们就可以更快地做出更好的决策。应用AI和ML，让它一直更好更快。
_______________________________
因

喷气推进实验室IT首席技术和创新官Tom Soderstrom上台。
_______________________________
十12点

科技行业充斥着各种各样的无人机。但并非所有的无人机都是一样的。有些是遥控无人机。一些无人机是自主的，但依赖地面通信系统进行态势感知，这意味着它们无法对意外情况做出反应。还有像亚马逊这样的系统——独立安全。

使用先进的、行业领先的感知和规避系统有助于确保我们的无人机安全自主地运行。如果环境发生变化，而无人机的任务命令它接触一个之前不存在的物体——它会拒绝。建立这样的安全水平不是一项容易的任务。但从一开始，选择就很明确。为了在亚马逊的规模上有所作为，一架安全、真正自主的无人机是我们唯一的选择。

在我结束之前，我想让大家对亚马逊的未来有一个粗略的了解。这是我们最新的无人机。

_______________________________
上午10:05

去年，我们推出了亚马逊未来工程师(Amazon Future Engineer)项目，旨在确保所有学生——尤其是来自弱势群体的学生——都能获得计算机科学教育，以便有一天他们可能会选择在人工智能领域从事职业。

我们有一个雄心勃勃的目标:通过编程营和在线课程，每年激励1000多万儿童探索计算机科学。我们将为全美2000所低收入高中的10万多名年轻人提供计算机科学的入门课程和进阶先修课程。今年春天，我们为100名攻读计算机科学学位的学生提供了4年每年1万美元的奖学金。其中一些学生已经开始在亚马逊实习。

里奥·让·巴蒂斯特是获得首届亚马逊未来工程师奖学金的100名学生之一，他今天也来到了我们这里。

_______________________________
帕克

我们通过以下几种方式平衡了人工智能的好处和潜在风险:
我们与美国国家科学基金会(National Science Foundation)合作，承诺在未来三年每年提供高达1000万美元的研究资助，重点关注人工智能领域的公平性。我们还与微软、苹果、艾伦人工智能研究所、OpenAI等公司和组织成立了人工智能伙伴关系。我们与学术界和政府机构合作，如美国国家标准与技术研究所，以确保我们的技术能够得到公平和准确的测试和评估。
_______________________________
早上10点

所有这些发明的背后是亚马逊网络服务提供的计算和人工智能能力。

AWS看到了让每个人都能使用人工智能的重要性。不仅适用于数据科学家，也适用于开发人员和任何想要获得这项技术的人。因此，在支持海量数据和处理能力的云的价值之上，AWS为客户提供了最广泛的工具选择，无论他们对人工智能的使用有多新或多复杂。

我们希望让企业和公司能够以广泛的方式使用机器学习，这就是为什么AWS推出了像Amazon SageMaker这样的服务，这是一种托管的ML服务，它需要采取一些必要的步骤，比如:
-收集和准备培训数据
-选择和优化您的ML算法
-建立和管理培训环境
-训练和调整模型
-将ML部署到生产环境
-扩展和管理生产环境
使开发人员和科学家更容易解决这个过程。

我们的人工智能服务可以粗略地模仿人类的认知，使开发人员能够将预先构建的人工智能功能插入到他们的应用程序中，而不必担心为这些服务提供动力的机器学习模型。
_______________________________
9:56)是

这不仅仅是一个愿景。我很兴奋地宣布，我们很快就会向顾客推出这种夜间活动体验。我想感谢我们早期的开发人员与我们一起踏上这段旅程，并期待着共同努力，为我们的客户带来更多这样神奇的体验。
_______________________________
9:56)是

每个通过Alexa对话能力构建的技能都有一个深度循环神经网络来预测技能中的不同对话动作。我们现在有了另一个循环神经网络，它可以作为一个跨技能预测器。在任何给定的回合中，这个跨技能动作预测器决定是否应该将对话控制权交给另一个技能，还是保留当前技能的控制权。跨技能动作预测器也像技能内对话动作预测器一样在模拟对话中进行训练。
_______________________________
上午9:52

这种发展允许用户体验诸如“Alexa，附近正在放什么电影?”，然后Alexa将多个提供商的功能一次性拼接在一起——在这种情况下，是电影推荐和订票;餐厅推荐及预定;还有拼车。

这种方法与其他对话系统的不同之处在于，它对整个系统进行了端到端的建模:系统将语音文本作为输入，并将动作作为输出。

我们必须用这种方法克服一个重大的科学挑战:为一个复杂对话体验的大规模系统状态空间建模——在给定实体值、上下文和对话状态的所有可能排列的情况下采取的一系列行动。

我们通过允许运行时系统直接预测下一个操作来解决这个问题，该操作可以是特定于服务的API调用，也可以是Alexa响应。动作预测是基于一个机器学习的会话模型，该模型考虑了整个对话历史。
_______________________________
上午搭成9:51

现在，我们有了先进的机器学习能力，Alexa可以从对话的方向预测客户的真正目标，并主动实现跨技能的对话流程
_______________________________
上午搭成9:51

在技能中自动化对话流程是对话式AI的一大飞跃。但是客户不会把他们的谈话限制在一个话题或一种技能上。想象一下，一位客户通过向Alexa询问电影放映时间和门票来开始对话，但她的真实意图是计划和家人一起出去玩一晚。有了今天的人工智能助手，她可以通过将任务组织成独立的、离散的技能来实现她的目标。在这种情况下，所有的认知负担都在客户身上。
_______________________________
50点

今天，我很兴奋地宣布Alexa对话的私人预览，这是一种基于深度学习的方法，可以在Alexa上创建自然的语音体验，比以往更少的努力，更少的代码行，更少的训练数据。对话流的手工编码被循环神经网络所取代，该神经网络根据开发人员提供的输入自动对对话流建模。使用Alexa Conversations，开发人员更容易根据自己的技能构建对话流程。
_______________________________
利比亚是

为了提供更多的实用性，我们设想了这样一个世界:客户将自然地与Alexa交谈:在话题之间无缝转换，提出问题，做出选择，并以与朋友或家人交谈的方式说话。
_______________________________
9:48我

我们专注于人工智能的进步，通过四大支柱转化为更好的客户体验。

信任:客户的信任是我们最重要的。我们的指导原则是透明，并为客户提供与Alexa共享信息的控制权。

通过自我学习变得更聪明:为了减少我们对人类标签的依赖，并使Alexa学习得更快，我们不断发明半监督和无监督学习功能。

主动:我们通过整合“谁”、“什么”、“何时”和“何地”的上下文，让Alexa更加主动和有帮助。
自然:让Alexa对我们的客户有用的关键是让它更自然地发现和使用她的功能。
_______________________________
愚人节是

通过机器学习的几项进步，我们在过去的12个月里让Alexa的准确率提高了20%。
_______________________________
上午9:46

我们设计Alexa的灵感来自《星际迷航》(Star Trek)电脑——客户可以通过语音与各种各样的服务和设备进行交互。为了实现这种“环境计算”的愿景，我们必须为远场语音识别、自然语言理解和文本到语音合成发明新的技术。

_______________________________
上午9:45

下一位是Alexa的副总裁兼首席科学家罗希特·普拉萨德。
_______________________________
上午9:43

我们还将能够将这种驱动与自动驾驶结合起来

这将使我们有能力创造完全自主的驱动器，可以与机器人领域之外的人类合作。这些创新将使我们能够更快地为我们的流程带来更多的机器人自动化。

了解更多最前沿的机会，交付了．
_______________________________
41我

但我们还没有结束。随着飞马分拣系统的推出，我们意识到我们有机会重新考虑我们的驱动器设计完全。让我第一次向你们展示，我们的新山药驱动器，我们全新的山药家族的基础。

这个家族的第一辆车是我们的x排序驱动器。
_______________________________
41我

它的工作效果更好，与我们其他的分类方案相比，这项技术可以减少50%的失分次数。
_______________________________
39我

我们今天很高兴与您分享我们新的飞马驱动器分拣解决方案。Pegasus解决方案利用亚马逊机器人存储层的核心技术，将单个包裹运输到数百个目的地之一。

我们的Pegasus驱动器接收单个包裹到其桌面传送带上，穿过高架夹层，并将包裹喷射到与目的地排序点相关的所需斜槽中。

_______________________________
37点

我们还增加了更多的驱动单元到我们的建筑。我们的机器人码垛机已经堆放了超过20亿个托特袋。

在我们的机器人设计中，安全是最重要的，我们的新机器人技术背心使员工能够走进机器人领域，相信驱动器将远离机器人。

但我们不能就此止步。随着Prime One Day等新福利的出现，速度变得至关重要，我们意识到我们需要在机器人技术方面进行另一步功能改变……但这一次是在我们的中距离物流方面。
_______________________________
36我

我们运营的核心是我们所说的“人类和机器人的交响乐”，共同履行和交付客户订单。我们的机器人项目始于2012年亚马逊收购Kiva Systems。

自七年前收购以来，我们已经部署了超过20万个机器人驱动器，使工作更容易和更安全。，同时还将建筑存储容量增加40%。

虽然这些机器人在我们的建筑中发挥了关键作用，但我们并没有将所有的工作都自动化。在同一时间内，我们在全球增加了超过30万个全职工作岗位。

_______________________________
36我

Brad Porter，副总裁和杰出的机器人工程师上台了。
_______________________________
35点

在主题演讲期间展示了一段视频，展示了人工智能如何帮助亚马逊送货。

_______________________________
33我

这一切意味着什么?

如果我们需要预测4亿种商品的需求，一个人或一个团队显然不可能对这些商品做出独特的预测。这些神经网络使我们能够为亚马逊运营的世界上每个国家建立单独的预测，不同国家对同一产品的需求模式可能不同，而不需要人为输入每件商品，甚至是一组商品。

以一个小众产品为例(尼古拉斯·凯奇设计的翻盖亮片枕头)。我们不会花时间预测这种产品的需求。但是，经过适当损失函数训练的神经网络可以访问1000个类似产品的过去需求历史，从而为我们提供对晦涩产品的足够准确的需求概念，并且很有可能当拉斯维加斯的客户点击购买该产品时，我们可以在两天内将其送到她的家门口。
_______________________________
上午9:30

这些新型号都是用最先进的技术制造的卷积神经网络(CNN)与自动化特征工程．他们直接获取预测所需的历史需求。CNN框架的通用性也允许我们这样做借用统计数据优势来自跨域的海量数据。该模型可以使用常用的动力学从历史悠久的产品中学习有助于预测新产品，反之亦然。

例如，当一款新型号的数码相机推出市场时，模型会使用旧版本的数据来预测未来对新相机的需求。

而且，当我们正在构建自动化和自主学习的模型时，我们的球队的规模还是增加了两倍．
_______________________________
上午九29

2016年，我们建立了一个新的前馈神经网络(FNN)模型。

我们能够通过输出多个预测开始日期的分位数和最多一年的计划期组合来预测数亿个产品的分布。

虽然FNN架构是成功的，但它需要在时间序列特征工程上付出大量的努力。换句话说，为我们推出的每个型号和国家进行了数月的手工培训。手动过程意味着更慢的模型构建和新用例的部署。为了解决这些问题，我们开发了替代的神经网络架构。
_______________________________
28我

深度学习模型(神经网络)自20世纪80年代以来就已经出现了。

最近，深度学习在计算上的突破已经在现实世界中取得了成功，现在机器学习的这个子领域被广泛用于预测建模和图像、文本和语音的处理。

亚马逊从2015年开始部署深度学习模型来预测商品需求。每年，我们都会通过各种精度测量来衡量我们预测算法的成功程度。在使用深度学习作为我们预测系统的一部分之前，我们每年都会取得小的增量改进。在我们推出深度学习的那一年，我们实现了高达是前几年的15倍．预测精度的提高直接转化为客户所需产品的更高可用性，更快的运输速度和更低的成本。
_______________________________
28我

开发了我们的第一个ML模型，稀疏分位数随机福勒斯特(SQRF)，这代表了机器学习中预测的重大技术创新。

是基于流行的随机森林算法，它支持决策树。我们使用map-reduce从头开始实现这个算法，使其扩展到数十亿个训练示例。

这种在处理缺少输入值的稀疏数值、类别和基于文本的特征方面的创新，使我们的预测系统除了需求时间序列之外，还可以使用产品描述和标题等信息。

它还能够生成预测的完整概率分布，直接表示为预测范围内每个时间点的需求实现样本。

虽然SQRF在利用属性挖掘训练样本之间的相似性方面很有用，但这些决策树模型无法从具有时间序列数据的样本中“借用强度”。
_______________________________
27是

早在2007年，我们就开始将机器学习方法添加到我们的预测中，以解决我们面临的两个最困难的问题——预测新产品的需求，以及估计对万圣节服装等季节性强的产品的正确需求。

它们是季节性的，你永远不知道哪些服装的需求会激增。
_______________________________
27是

对于需求可预测或线性的产品，承诺两天交货相对容易。

洗衣皂饼干垃圾袋季节性商品——羊毛袜子、防晒霜——有足够可预测的需求模式，可以把这些商品放在正确的配送中心，数量正确，距离客户足够近，可以合理地保证两天发货。

没有任何一家公司能像我们亚马逊一样，尝试每天都在进行的复杂物流工作。考虑一下我们是否储存物品以及物品在库存中的位置所涉及的一些变量:

• 我们需要考虑价格弹性并进行调整需求飙升当价格下跌时，比如电视。
• 我们需要了解如何区分a滞销产品和根本卖不出去的产品——比如咸味润唇膏，信不信由你，并不是最畅销的产品……
• 我们需要预测地区需求这样我们就可以在10000个邮政编码和大约12种运输方式中分发全国预测。

_______________________________
上午9:26

管理这种规模的复杂性令人费解，尤其是考虑到这些供应商中有些是大型制造商，有些是车库创业公司。而且，一家夫妻店的卖家已经开始期望自己的产品能得到与世界上一些大品牌产品相同的待遇。与此同时，客户通常不知道——或者不想知道——哪个产品来自哪个供应商。当我们使用Prime服务时必须在两天或更短时间内送货，而在我们现在运营Prime服务的城市则必须在一个小时或更短时间内送货时，这就变得越来越复杂。
_______________________________
25点

当你想到人工智能和供应链时，你可能会想到机器人和自动卡车的测试运行。但人工智能对亚马逊客户的影响远远超出了硬件方面。想想在亚马逊的背景下预测需求，亚马逊是一家全球公司，每年运送数十亿个包裹，有数亿种产品可供选择，在我们服务的每个国家都有数百万个供应商。
_______________________________
23点

进入下一个话题，Jenny Freshwater将谈论我们如何使用人工智能来推动预测，这是亚马逊供应链的基础。

_______________________________
东部时间上午9:22

但这还不是最难的部分，最难的部分是确保这项技术退到商店的背景中，让顾客拥有无缝的神奇体验。顾客只需使用应用程序进入，像往常一样购物，离开商店后获得收据。

它应该是无缝的和神奇的。
_______________________________
东部时间上午9:22

产品识别是另一个挑战，因为产品在各种情况下看起来不同，或者具有非常相似的变体。

机器学习算法的设计目的是通过更多的数据来改进，但当你有一个高度精确的系统时，很少有错误或负例来训练算法。因此，该团队构建了合成数据来训练我们的算法，但必须确保合成数据中的任何工件都没有错误地训练我们的深度网络。

如果没有团队也构建的正确的基础设施，定制的算法就无法展示自己。我们解决了许多很难解决的问题，但对于达到客户体验的高精度标准至关重要。
_______________________________
上午9点

该团队必须克服几个技术挑战。首先，确定客户账户位置以生成准确的收据。当商店里只有几个人的时候很容易做到，但商店要繁忙得多。

迪利普向观众展示了一段匿名的3-D点云剪辑，这些点云代表计算机视觉算法预测顾客在商店中的账户位置的输出。该团队必须构建几个算法，利用几何和深度学习来准确预测客户帐户的位置，并以非常低的延迟将交互准确地关联到正确的客户帐户。

_______________________________
上午9:17

亚马逊Go的技术旨在确定“谁拿了什么?”“这样我们就可以准确地从客户账户中收取被盗产品的费用。

_______________________________
上午9:17

我们考虑了很多不同的技术选择，但有一个强烈的假设，即计算机视觉将提供完美的调色板，以创建无缝的Amazon Go客户体验。
_______________________________
上午9:16

今天，在西雅图、芝加哥、旧金山和纽约有12家亚马逊自动商店，都使用了我们的“走出去”技术。

_______________________________
上午9:16

Amazon Go是一家免结账的商店，顾客可以拿他们想要的东西，然后直接离开。

这个想法是如何产生的?几年前，成立了一个小组，研究如何让实体零售体验更好。他们意识到没有人喜欢排队，所以我们开始创造一种体验，顾客可以进来，拿他们想要的东西，然后离开。
_______________________________
上午9:15

Amazon Go副总裁迪利普·库马尔上台详细介绍了Amazon Go背后的创新“Just Walk Out”技术。
_______________________________
上午9:15

StyleSnap使用图像识别和深度学习来识别服装项目并推荐类似的项目，深度学习支持对象检测来识别图像中的各种服装项目并将其分类，例如合身的连衣裙或法兰绒衬衫。我们使用深度嵌入模型来定义视觉相似性，该模型甚至忽略了目录和生活方式图像之间的差异，而是专注于客户正在寻找的独特颜色、图案和风格元素。深入了解StyleSnap的工作原理。
_______________________________
13点

介绍StyleSnap亚马逊应用程序上的这一功能可以让顾客通过截屏来购买他们喜欢的服装外观或风格。
_______________________________
上午9:12

人们不再像1995年亚马逊成立时那样购物，甚至不再像2015年那样购物。我们以书店起家。我们现在是亚马逊商店的集合。
_______________________________
九11点

我们将重点关注三个领域，我们将在购物、送货和语音方面部署人工智能来塑造客户体验。
_______________________________
九11点

当我们在亚马逊开发人工智能技术时，我们并没有将我们的人工智能科学家隔离在他们自己的团队中。相反，我们把他们放在我们的业务中，把科学家和制造产品的人结合起来，我们从客户开始，然后向后推。
_______________________________
上午9:10

为了为客户改进算法，团队引入了一个叫做神经网络分类器的两层神经网络。

以Prime Video为例，“这个模型完全专注于预测客户下周想看什么。我们选取顾客看过的历史电影，然后让模型预测顾客下周会看哪部电影。”
_______________________________
卧辅车我

关于产品发现

团队在早期使用“协同过滤”(亚马逊发明的一种机器学习模型)来驱动我们的产品推荐引擎。然后将其与启发式相结合，形成个人建议。
_______________________________
9:02我

_______________________________
上午9:01

杰夫·威尔克上台，欢迎观众，并以人工智能对话开场。他的团队包括Prime、Robotics、Fulfillment、Amazon Business、Amazon Go、Whole Foods、Prime Air，当然还有Amazon.com、Amazon.de、Amazon.co.jp等。这些族群加起来占了近60万亚马逊人的人口。
_______________________________
57分我

我们快准备好主题演讲了，现在在后台。

_______________________________
跑完我
6/5/2019

今天是re:MARS的第二天。上午9点将有全球消费者首席执行官Jeff Wilke、Amazon Go副总裁Dilip Kumar、预测总监Jenny Freshwater、机器人副总裁兼杰出工程师Brad Porter、Alexa副总裁兼首席科学家Rohit Prasad的主题演讲。我们会在事件发生时分享细节。

_______________________________
上午9点

这是re:MARS第一天的总结，我们将在早上回来，带来不可错过的主题演讲，以及关于“使用机器学习打击人口贩运”、“有意识的技术”、“释放人类创造力”等主题的小组讨论的细节。

在re:MARS上了解更多有关演讲者和活动的信息。
_______________________________
下午9:16

景点和活动从第一天在re:MARS。

_______________________________
9:06点

请参阅亚马逊设备高级副总裁戴夫•林普(Dave Limp)的开场白。

_______________________________
七53点

_______________________________
46点

_______________________________
6:39点

_______________________________
21点

小罗伯特·唐尼登上了舞台。
_______________________________
上午10:05

_______________________________
下午17点

当我们在迪士尼幻想工程学习机器人的时候，我们来看看亚马逊的下一代机器人及其开发过程。

_______________________________
6:09点

_______________________________
下午6:05

波士顿动力公司的Spot机器人在re:MARS的后台散步。
_______________________________
6:03点

来自迪士尼幻想工程的副研究科学家Morgan Pope和首席研发幻想工程师Tony Dohi走上了舞台。
_______________________________
6:02点

_______________________________
下午5:56

_______________________________
53秒点

该团队正在台上演示两个不同的机器人。机器人稍后将在技术展示会上亮相，所以我们到时将有机会近距离观看它们。
_______________________________
下午5:51

Raibert今天要讲的是三种不同的机器人——Handle、Spot和Atlas。
_______________________________
5:43点

Marc Raibert，首席执行官波士顿动力公司已经登上了舞台。
_______________________________
下午5:37发生

“这是re:MARS的背景，我们想把MARS的精神——建设者和梦想家的结合——带给这个房间里更多的领导人。我们将来自不同背景的创新人才聚集在一起——从商业领袖到技术开发人员，再到初创公司创始人、风险资本家、艺术家、宇航员等等。我们re:MARS的目标是将正确的内容、学习机会和领导者结合起来，帮助您更快地颠覆和创新——将最新的前瞻性科学与实际应用结合起来，从而引发当今的变革。我们相信，我们可以一起利用人工智能解决一些世界上最有趣、最具挑战性的问题。”
_______________________________
下午5:34

“MARS的遗产——四年前，我们举办了第一届MARS年度会议，专注于机器学习、自动化、机器人和太空。MARS是一个亲密的活动，旨在聚集创新思维，分享这些快速发展领域的新想法。

在第一个MARS活动的第一个晚上，我和Jeff谈论了活动的灵感，我们开始谈论他家里的图书馆。在杰夫的书房里，有两个相对的壁炉。在书房的一边，壁炉上方，他写着那个词建筑商下面是他收藏的所有由建筑家撰写的书籍。在图书馆的另一边，他有书梦想家．这很好地体现了我们在这里要做的事情——在我们展望未来的时候，把建设者和梦想家聚集在一起。”
_______________________________
33点

“我们这里有一个非常多样化的群体。我们的与会者包括宇航员、首席执行官、艺术家、企业家、博士、政治家、工程师、商业领袖等等。

我们有来自46个国家的与会者，其中来自美国、加拿大、中国、澳大利亚、巴西、德国、日本、韩国和英国的人数尤其多。

这里有一些关于我们的一些与会者的有趣事实，他们…

在太空中总共呆了562天，包括美国宇航局在太空中连续呆了最多天和在太空中呆了最多天的记录保持者。

发明互联网和机器人技术早期应用的人，包括1994年第一个具有网络界面的机器人，使远程访客能够通过互联网给一个活生生的花园浇水

创立公司，包括Coursera, iRobot, Insitro, SmugMug, Humatics, Ring等

甚至还赢得过一次金球奖、一枚奥运会金牌和5次NBA总冠军。”

_______________________________
31点

戴夫·林普上台了。

“在re:MARS的过程中，我们很高兴与会者在接下来的几天里参加研讨会，通过训练计算机视觉神经网络来赢得模拟21点，构建火星探测机器人应用程序等等。”

_______________________________
下午5点

主题演讲前的DJ台。

_______________________________
31点

一小时后，戴夫·林普将开启主题演讲，波士顿动力公司首席执行官马克·雷伯特、沃尔特·迪士尼幻想工程公司的摩根·波普和托尼·杜希以及小罗伯特·唐尼将进行重点演讲。

_______________________________
下午4:10

回复:火星21点挑战

团队使用计算机视觉和机器学习，使用亚马逊SageMaker建立和训练计算机视觉的神经网络，然后开发一种算法，试图赢得与房子的比赛。每个参赛队伍都有机会尝试他们的算法。

_______________________________
3:39点

DJ在登记大厅外旋转节拍。

_______________________________
曾点

_______________________________
13点

在re: MARS举办的“智慧城市是未来”会议上，与会者正在使用拉斯维加斯市开放支票簿数据门户用Alexa构建一个语音应用程序，让Alexa回答一些问题，比如“2019年我们在哪个部门花的钱最多?”我们城市的未来是互动的，而未来就是现在。

_______________________________
第1章点

AWS解决方案架构师Allan MacInnis正在主持“使用AWS RoboMaker和JPL开源探测器寻找火星人”会议。

_______________________________
1:01点

接下来:动手工作坊现在开始了。我们正在深入研究“用AWS机器人和JPL开源探火车寻找火星人”、“智能城市是未来”和“关于拉斯维加斯21点”。了解更多。
_______________________________
37点

我们提到过周四会有BattleBots吗?

_______________________________
12:14点

小罗伯特·唐尼、马克·雷伯特(波士顿动力公司首席执行官)、摩根·波普(华特·迪士尼幻想工程公司副研究科学家)、托尼·杜希(华特·迪士尼幻想工程公司研发部负责人)将在今天晚些时候发表演讲。请继续关注报价、产品新闻、未来思考等。

_______________________________
上午10:45

走到登记处，很明显我们是在火星。在弯曲的墙壁后面是蓝色起源的太空舱(见下面的视频)。除此之外是登记队列和一个赃物摊位。

_______________________________
上午9:40我

当然我们现场有蓝色起源的太空舱。看看里面吧。

_______________________________
9:19我
6/4/19

今天是正式的第一天再保险:火星上-我们将分享这次活动的幕后消息——从很酷的新产品和公告，到机器学习、机器人、人工智能、太空等领域的思想领导力。
_______________________________
41点

在维加斯开会不玩点21点就不算会议。我们做的事情有点不同，挑战团队使用计算机视觉和机器学习来建立和训练一个神经网络来赢得比赛。

_______________________________
下午1:25

工作坊明天上午9点开始，7点开始注册。看到你会经历的一些事情,现在。
_______________________________
29我
6/3/19

参加re:火星?以下是对#reMARS派对的期待——还有更多正在进行的事情。

在家看?我们将在这里分享关于聚会、主题演讲、会议、演讲者等的详细信息。

_______________________________
19点
6/2/19

回复:火星在不到36小时内正式开始，我们已经准备好了。请继续关注实时更新，幕后消息，机器人，无人机，突发新闻等。