亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”

亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”

前言

Werner Vogels 于 1958 年出生于荷兰,但在很久以前就已远赴海外工作生活。许多年前,由于拥有丰富的专业知识,Vogels 先后来到葡萄牙和美国,在美国他先去了纽约州,后自 2004 年起至今,一直住在西雅图。在那里,他担任亚马逊首席技术官兼副总裁一职,和其团队一道,为公司开发所有技术。

正是在 Werner Vogels 的带领下,AWS 平台得以迅猛发展,如今已成为亚马逊的核心业务之一。与此同时,Vogels 也始终对人工智能领域投以特别的关注。

本文来源:Gründerszene【Germany】

原作者:Alex Hofmann


亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”
亚马逊 CTO Werner Vogels

Q 在到亚马逊工作并于 2005 年出任技术负责人之前,您其实是一名科学家。这一切是如何发生的?

事实上,我一生的大部分时间都是作为一名学者度过的。完成学业后,我开始从事研究,以了解更多关于自动化和高度可扩展系统的知识。为此我去了葡萄牙,然后在康奈尔大学工作了十年,在那儿我创立了两家初创公司,一家公司运营成功,另一家则以失败告终。与此同时,我还为其他公司提供咨询服务。2004 年,我收到了亚马逊的工作邀请。

Q 一开始,您并不确定是否加入亚马逊,是吗?

没错,我差点拒绝了。我心想:“一个网上商城,能有多大挑战?” 当我进入亚马逊后,我才意识到这是一项多么巨大的工程。我之前从未接触过这方面的东西。它也为我提供了一个很好的平台,让我有机会把理论知识运用到现实生活中来。

Q 亚马逊的哪些发展让您感到特别自豪?

作为一家大型企业的首席技术官,应该对公司的内部情况了如指掌。例如,整整一年我都在研究容错问题,以避免出现任何故障。随后,我们也成为服务提供商并推出了 Amazon Web Services(AWS)云服务平台,我至今仍为我们的成就感到自豪。例如,我们开发了一个无需离线维护的存储系统,那时候这种系统压根不存在。

Q 关于人工智能这个话题总有多种定义。您是如何定义的?

我更偏向于机器学习。许多科幻电影对人工智能的描述并不正确。人工智能并不是关于机器人统治世界,而是关于不同的技术,如自然语言或图像的处理。今天我们所讨论的业务环境中的人工智能主要是对大量数据的分析。

现在的数据量越来越大。如果使用传统方法,我们将无法掌握这些数据量。人们不擅长处理大量数据,机器学习则试图根据快速增长的数据量来预测当前和未来的发展趋势。数据越多,结果就越可靠。

Q 能否举个具体的例子?

例如,亚马逊拥有数十亿的交易数据。根据这些数据,我们可以用 95% 的概率预测这是否是一个欺诈性订单,然后由一个人来接手并检查整个事件。在语音处理方面,目前我们可以实时识别一段相当长的语音内容。但是,只有通过机器学习和功能日益强大的硬件,才能立即处理这些语音信息。

Q 这是否真的带来了全新的见解和可能性?

这种技术将推动经济的全面数字化。人们可以在更大范围内做出更好的决策,例如在设计新产品或工厂安全性方面。

Q 目前人工智能技术的最佳应用是什么?

这个问题让我想起了一家德国初创企业 Candis.io 使用机器学习实现核算流程自动化的精彩故事。可能乍听起来很无聊,但我们的确应该去考虑 “公司通常需要花多少时间对文档进行分类,并将其分配给合适的成本中心” 这样的问题。

Q 这个故事为什么如此精彩?

因为它解决了一个非常基本的问题,并且可以帮助公司执行非常类似的流程。使用模式识别技术使文档数字化,在一开始可能听起来不足为奇。但是当你深入研究,你会发现巨大的潜力:通过机器学习,它们可以进行自动处理

亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”
亚马逊 CTO Werner Vogels

Q 某些数字商业模式是否比其他模式更适合人工智能?

它不仅仅涉及数字商业模式,还涉及所有其他模式。如今,每家公司都可以使用相同的 IT 基础架构,以及相同的人工智能工具,这意味着最终可用的数据才是竞争优势。公司对独特数据集的关注越多,就越能在竞争中脱颖而出。

Q 因此我们是需要通过各种方式获取自己的数据,还是购买数据记录?

两种方式都行得通。每家公司都要了解进一步开发其产品需要哪些数据。在某些情况下,购买数据记录也会有所帮助。

Q 能否举个例子?

例如最大限度地减少电商退货:如果你购买了 40 码的华伦天奴鞋子,那么网站会推荐你在其他品牌应穿多大的鞋子,因为并非所有鞋码都完全相同。许多数据记录都是公开的,这些数据都可以作为很好的切入点。

Q 在大数据(尤其是高质量数据)如此重要时,初创企业是否处于不利地位?

也许会。所以必须从一开始就要考虑自己的数据策略。我们需要收集哪些有关流程的数据,例如可靠性或使用方面的数据?这关乎如何构建最小化可行产品(MVP),如何从最开始就衡量客户的使用方式。这是找出产品是否真正实用的唯一方法。

Q 人工智能下一个重要的发展步伐是什么?

算法变得更智能、更实用。以前,对于新的数据流入,通常需要重复分析整个数据集,而现在有所谓的流算法可以实时补充分析。不过我们在该领域仍然还有很多工作要做,人工智能也将变得更加专业化。

Q 您指的是哪些方面?

例如在采矿或能源供应等危险环境中自主运行的机器,会进行自动检查、预测性维护或盗窃事件检测;例如在零售业领域,预测需求或可用性变得越来越重要。总的来说,人工智能将变得越来越不引人注目,部分原因在于它无处不在。亚马逊曾因其“个性化推荐”功能而闻名,如今你可以在每个电商网站看到这个功能。现在在火车上,乘客们甚至不会注意到人工智能技术正在用于协助火车司机。

Q 经常有人声称“人工智能竞赛是由美国和中国来决定的”,真正的人工智能中心在哪里?

这完全取决于人才在哪里。柏林也有很大一部分,这与科技初创企业大同小异。在以色列,许多初创企业都专注于人工智能领域的研究,同样,在阿姆斯特丹或伦敦也有类似的情况。

亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”

原文始发于:亚马逊 CTO 曾差点儿拒绝 offer:“一个网上商城,能有多大挑战?”

发表评论

电子邮件地址不会被公开。 必填项已用*标注