微軟公司表示會逐步停止對旗下一些由人工智能驅動的面部識別工具的訪問，包括一項基于視頻和圖像識別情緒的服務。

最近，Amazon展示了基于人工智能的機器學習和計算機視覺算法與合成數據相結合的多種方式，以改進關鍵的零售自動化技術如Just Walk Out、Amazon One和Amazon Dash Cart。

近日，在美國拉斯維加斯舉行的亞馬遜re:MARS大會主題演講中，Amazon實體零售和技術副總裁Dilip Kumar闡述了計算機視覺在實現這些技術方面所發(fā)揮的關鍵作用。例如，傳感器、光學和機器視覺算法等領域的持續(xù)創(chuàng)新，讓Just Walk Out（一種讓購物者無需排隊結賬的技術）從中受益。

Kumar說，這些技術進步讓Amazon能夠減少Just Walk Out商店所需的攝像頭數量，從而讓他們更具成本效益，以及能夠在本地運行各種算法。

“我們的傳感器和算法已經發(fā)展到可以檢測到各種商品，以及在大型百貨商店購物行為上的差異，同時確保輕松的客戶體驗。當我們把Just Walk Out技術部署到第三方零售商那里的時候，我們還增加了算法所要考慮的環(huán)境多樣性?！?/p>

與此同時，Amazon正在利用計算機視覺和傳感器融合算法來擴展Dash Cart服務，該服務讓顧客使用Amazon Fresh果蔬零售店購物的時候跳過收銀臺結賬這一步驟。Kumar說，最重要的是，Amazon開發(fā)了更強大的算法，可以檢測移動中的商品，并獲取這些商品的重量和數量。

“機器視覺算法也有嚴格的延遲要求，因為我們需要實時地追蹤客戶的收據，”他補充說。

人工智能還有助于提供更好的客戶推薦。例如，在Amazon的實體服裝店Amazon Style，當顧客在店內掃描商品的時候，會收到一份根據這些商品提供的推薦商品列表。

“系統(tǒng)還會生成一些有互補性的選擇，例如一件襯衫和一條牛仔褲，打造一套完整的搭配。我們竭盡全力確保購物的樂趣，同時通過機器學習算法提升體驗?！?/p>

但是這一切都離不開合成數據。Kumar解釋說，Amazon面臨的挑戰(zhàn)是，缺乏訓練這些算法所需的多樣化訓練數據。為了解決這個問題，Amazon的研究人員開始著手構建大量合成數據或者由機器生成的逼真數據，可被用于對算法進行完善。

Kumar表示，就Just Walk Out來說，Amazon必須構建合成數據集來模擬真實的購物場景，例如，生成合成數據來模擬照明條件的變化，以分析各個商店的日光差異。此外，Amazon還合成了一些虛擬顧客，用于讓算法學習如何同時應對眾多顧客。

Amazon甚至利用合成數據生成掌紋來訓練Amazon One，一種讓人們使用手掌掌紋就可以在商店付款或者進入到某個實體位置所使用的服務。Kumar解釋說，真正的掌紋很難獲得，但Amazon需要對Amazon One的算法進行訓練，來識別不同的人口統(tǒng)計、年齡組、溫度、甚至是老繭和皺紋等變化，所以Amazon選擇生成大量多樣化的、逼真的合成手掌圖像。

Amazon面臨的最后一個挑戰(zhàn)是，隨著Amazon零售技術的不斷升級，購物者的行為往往也會發(fā)生變化。Kumar解釋說，Just Walk Out最初部署在規(guī)模較小的Amazon Go商店中，這些商店面積通常只有1800平方英尺，但后來被推廣到規(guī)模更大、達到40000平方英尺或更大的商店。

這時候一個令人意想不到的挑戰(zhàn)出現了，Amazon很快意識到顧客在這些商店里的行為是不同的。例如，在Amazon Fresh果蔬商店里，人們喜歡四處閑逛尋找最新鮮的商品，而在Amazon Go，顧客可能只購買一個三明治。同樣地，把Just Walk Out技術擴展到旅游零售商和體育場館等那里也帶來了不同的挑戰(zhàn)。

“所有這些情況都增加了算法的復雜性，我的團隊將繼續(xù)創(chuàng)新以滿足客戶和零售商的要求?！?Kumar說。