アマゾンが人工知能を中心にいかに再建したか

2014年初頭、スリカント・ティルマライはAmazonのCEO、ジェフ・ベゾスと会談した。2005年にIBMを退社し、Amazonのレコメンデーションチームを率いていたコンピューターサイエンティストのティルマライは、自身の部門に最新の人工知能（AI）技術を取り入れるための抜本的な新計画を提案するために来ていた。

彼は「6ページの資料」を携えて現れた。ベゾス氏は以前から、提案される製品やサービスはその長さに制限し、完成した製品、サービス、あるいは構想を説明する憶測に基づくプレスリリースを含めるよう命じていた。そして今、ベゾス氏は部下たちに圧力をかけ、同社をAI大国へと変貌させようとしていた。アマゾンの商品レコメンデーションは創業当初からAIを活用しており、配送スケジュールや倉庫内を走り回るロボットなど、実に様々な分野にAIが組み込まれていた。しかし近年、この分野に革命が起こっている。機械学習、特にディープラーニングと呼ばれる高度な形態の機械学習は、はるかに効果的になっている。コンピュータービジョン、音声認識、自然言語処理の飛躍的な進歩につながっているのだ。

2010年代初頭、Amazonはまだこれらの進歩を本格的に活用していませんでした。しかし、その必要性が切迫していることを認識していました。この時代における最も重要な競争相手はAIであり、Google、Facebook、Apple、MicrosoftはAIに全社を賭けており、Amazonは後れを取っていました。「私たちはすべてのチームリーダーに、『これらの技術をどのように活用し、自社のビジネスに組み込むことができますか？』と尋ねました」と、Amazonのデバイス・サービス担当副社長であるデイビッド・リンプは言います。

ティルマライはそれを真摯に受け止め、機械学習をより積極的に活用する方法についてのアイデアをベゾスとの年次計画会議に持ち込んだ。しかし、20年以上にわたって調整されてきた既存のシステムを、画像認識や音声認識という無関係の領域で最も効果を発揮する機械学習技術で完全に再構築するのはリスクが大きすぎると感じた。「ディープラーニングをレコメンデーション問題に適用し、驚くほど優れた結果で私たちを驚かせた人は誰もいませんでした」と彼は言う。「ですから、私たちの側には思いきり踏み込む必要がありました。」ティルマライはまだ準備ができていなかったが、ベゾスはそれ以上を求めていた。そこでティルマライは、ディープラーニングを使用してレコメンデーションの仕組みを刷新するという、より先鋭的な選択肢を共有した。それには、彼のチームが持っていないスキル、まだ作成されていないツール、そして誰もまだ考えていないアルゴリズムが必要だった。ベゾスはそれを気に入ったので（トレードマークのハイエナのような笑い声で迎えたかどうかは定かではないが）、ティルマライはプレスリリースを書き直して仕事に取りかかった。

ティルマライは、数年前に6ページの資料を片手にベゾスのもとを訪れた数々の企業リーダーたちの中の一人に過ぎなかった。彼らが提案したアイデアは、全く異なる顧客層を対象とした全く異なる製品に関するものだった。しかし、いずれも本質的にはティルマライのアプローチのバリエーション、つまり高度な機械学習を用いてアマゾンの一部を変革するという構想だった。ロボット工学への取り組みや、巨大なデータセンター事業であるアマゾン・ウェブ・サービス（AWS）といった既存プロジェクトの見直しを含むものもあれば、後にEchoとなる音声認識家電のような全く新しい事業を創出するものもあった。

その成果は個々のプロジェクトをはるかに超える影響を与えました。ティルマライ氏によると、彼が面談した当時、AmazonのAI人材は孤立した小さな集団に分かれていたそうです。「話し合いはしましたが、得られた成果物はあまり共有されませんでした。学んだ教訓は容易に、あるいは直接的に転用できないからです」と彼は言います。彼らは広大なエンジニアリングの海に浮かぶAIの孤島のような存在でした。機械学習による会社改革への取り組みが、この状況を変えたのです。

6ページの報告書はどれも、Amazonの「シングルスレッド」チーム（つまり、使用する技術を1つのグループのみが「所有」する）という信条を忠実に守っていたが、人々はプロジェクト間で協力し始めた。社内の科学者は難題に取り組み、その解決策を他のグループと共有した。社内全体でAIの島々が繋がっていった。AmazonのAIプロジェクトへの野心が高まるにつれ、課題の複雑さは優秀な人材、特に自分の仕事の即時的な効果を実感したい人材を引きつけるようになった。これは、純粋な研究を行うことへのAmazonの嫌悪感を補うものとなった。企業文化は、イノベーションは顧客へのサービスという文脈の中でのみ生まれることを求めていたのだ。

アマゾンは、巨大な事業の様々な部分が一つの永久機関のように機能する様子を表現する際に、 「フライホイール」という言葉を好んで使います。現在、アマゾンは強力なAIフライホイールを有しており、社内のある部門における機械学習のイノベーションが他のチームの取り組みを活性化させ、他の部門は製品の開発やサービス提供を通じて、他のグループ、さらには会社全体に影響を与えることができます。機械学習プラットフォームを外部に有料サービスとして提供することで、その取り組み自体が収益性を高め、場合によってはさらに多くのデータを収集して技術をさらに向上させることにもつながります。

アマゾンをディープラーニングの野心家から恐るべき企業へと変貌させるには、膨大な量の資料が必要でした。この変革の成果は社内全体に浸透しており、全く新しい機械学習基盤上で稼働するレコメンデーションシステムもその一例です。アマゾンは、次に読むべき本、買い物リストに追加すべき商品、今夜観たい映画などをよりスマートに提案できるようになりました。そして今年、ティルマライ氏はアマゾン検索部門の責任者として新たな職務に就き、サービスのあらゆる側面にディープラーニングを活用する予定です。

「もし7、8年前にAmazonがAI分野でどれほどの力を持っているかと聞かれたら、『そうではない』と答えていたでしょう」と、ワシントン大学のコンピューターサイエンス教授、ペドロ・ドミンゴスは言う。「しかし、彼らは本当に積極的に進出してきました。今や彼らは大きな力になりつつあります。」

たぶん、力だ。

アレクサ効果

アマゾンのAI推進における主力製品は、画期的なスマートスピーカー「Echo」と、それを支える音声プラットフォーム「Alexa」だ。これらのプロジェクトもまた、2011年にベゾスに提出された6ページの資料から生まれた。「Operational Plan One」と呼ばれる年次計画プロセスの一環として提出されたものだ。その資料に関わった人物の一人、アル・リンゼイという幹部は2004年からアマゾンに在籍しており、プライム技術チームを率いていた立場から異動し、全く新しいプロジェクトに携わるよう要請された。「クラウド上にすべての頭脳を持ち、音声で操作できる、低コストでどこにでも存在するコンピューター。話しかけると、コンピューターがあなたに話しかける」というのが、当時ベゾスが説明されたビジョンの記憶だ。

しかし、そのシステムの構築――文字通りSF映画『スタートレック』に登場するおしゃべりコンピューターを実現しようとする試み――には、当時Amazonが持ち合わせていなかった高度な人工知能技術が必要だった。さらに悪いことに、そのようなシステムを構築できる数少ない専門家の中でも、Amazonで働きたい人はさらに少なかった。GoogleとFacebookが、この分野のトップクラスの人材を次々と獲得していたのだ。「私たちは弱者だったんです」と、現在副社長を務めるリンジーは語る。

「アマゾンには、研究志向の人々に優しくないという、少し悪いイメージがありました」とワシントン大学のドミンゴス教授は言う。同社の徹底した顧客重視と、気前の良さを重んじる社風は、学界のペースや競合他社の気楽な特典とは相容れないものだった。「グーグルでは甘やかされますが、アマゾンでは、クローゼットの中の部品を使って自分のコンピュータをセットアップするのです」とドミンゴス教授は言う。さらに悪いことに、アマゾンは革新的な仕事が企業の秘密にされる場所という評判だった。2014年、機械学習のトップスペシャリストの一人、ヤン・ルカン氏が社内の集まりでアマゾンの科学者たちに特別講演を行った。招待されてからそのイベントまでの間に、ルカン氏はフェイスブックの研究活動を率いる仕事を引き受けていたが、それでも彼は来た。ルカン氏の説明によれば、約600人の聴衆が集まった講堂で講演を行った後、会議室に案内され、そこで少人数のグループが一人ずつ集まって質問を投げかけたという。しかし、ルカン氏が質問を投げかけても、彼らは反応しなかった。Facebookを選んだ理由の一つは、同社がAIチームの成果の多くをオープンソース化することに同意していたためだった。

アマゾンは社内に優秀な人材がいなかったため、潤沢な資金を投じて専門知識を持つ企業を買収した。「Alexaの初期には、多くの企業を買収しました」とリンプ氏は語る。2011年9月には、音声認識技術で音声を文字に変換するYapを買収した。2012年1月には、英国ケンブリッジに拠点を置くAI企業Eviを買収した。同社のソフトウェアは、Siriのように音声によるリクエストに応答できる。そして2013年1月には、音声合成技術を専門とするポーランドのIvonaを買収した。Ivonaは、Echoの音声認識技術を開発した。

しかし、アマゾンの秘密主義的な文化は、学界から優秀な人材を引きつける取り組みを阻んでいた。有力候補の一人は、ヤフーとグーグルで勤務経験を持つ、この分野のスーパースター、アレックス・スモラだった。「彼は文字通り、ディープラーニングのゴッドファーザーの一人です」と、アマゾンウェブサービスのディープラーニングおよびAI担当ゼネラルマネージャー、マット・ウッドは語る。（Google Scholarには、スモラの研究論文が9万件以上引用されている。）アマゾンの幹部は、スモラをはじめとする候補者に対し、彼らが何に取り組むのかさえ明かさなかった。スモラはこの申し出を断り、カーネギーメロン大学の研究室を率いることを選んだ。

「立ち上げ直前まで、逆風はありました」とリンジーは言います。「『なぜ私がAmazonで働きたいのか？ 商品を売ることに興味がない！』って言われました」

Amazonには一つだけ有利な点があった。同社は想像上の最終製品から逆算して設計を進めているため（だからこそ、空想的なプレスリリースが生まれる）、設計図にはまだ発明されていない機能を含めることができるのだ。こうした難題は、野心的な科学者にとって魅力的なのだ。特に音声認識の取り組みでは、当時存在しなかったレベルの会話型AIが求められた。「ヘイ、アレクサ！」というウェイクワードを正確に聞き取り、コマンドを聞き取って解釈し、的外れでない返答を返すことなどだ。

このプロジェクトは、アマゾンが何を開発しているのか具体的なことは知らされていなかったにもかかわらず、ボストンに拠点を置く技術請負業者レイセオンBBNで尊敬を集める音声認識科学者、ロヒット・プラサド氏を引きつけるのに役立った（アマゾンが彼に地元でチームを作らせてくれたことも助けになった）。彼はアマゾンの専門知識不足を、欠陥ではなく特徴だと捉えていた。「ここはまさに未開の地でした」と彼は言う。「グーグルとマイクロソフトは長年音声認識に取り組んでいました。アマゾンではゼロから構築し、難しい問題を解決できるのです」。2013年に入社するとすぐに、彼はAlexaプロジェクトに配属された。「ハードウェアとしてはデバイスは存在していましたが、音声認識に関してはまだ初期段階でした」と彼は言う。

Echoの最も難しい部分、つまりAmazonに新境地を開拓させ、その過程で機械学習全般のレベルアップを迫った問題は、遠距離音声認識と呼ばれるものだった。これは、マイクからある程度離れた場所で話された音声コマンドを、周囲の雑音やその他の聴覚的ゴミで汚染されていても解釈することを意味する。難しい要因の1つは、デバイスがユーザーの発言について考える時間を無駄にできないことだった。音声をクラウドに送信し、会話をしているように感じられるほど迅速に回答を生成する必要があり、話している相手がまだ息をしているかどうかわからないような気まずい瞬間のように感じさせないようにする必要があった。騒音下で会話の質問を理解して応答できる機械学習システムを構築するには、膨大な量のデータ、つまり人々がEchoとどのようなやり取りをするかを示す大量のデータが必要だった。Amazonがそのようなデータをどこから入手するかは明らかではなかった。

デバイス・サービス担当副社長のリンプ氏によると、遠距離場技術は以前から存在していたという。しかし「トライデント潜水艦のノーズコーンに搭載されていただけで、10億ドルもかかった」。アマゾンはキッチンカウンターに置くデバイスにそれを実装しようとしており、消費者が奇抜な新製品に手を出せるほど安価にする必要がありました。「私のチームの10人中9人は、実現不可能だと思っていました」とプラサド氏は言います。「アマゾン社外の著名人で構成される技術諮問委員会がありました。彼らに何に取り組んでいるかは伝えませんでしたが、『何があっても遠距離場認識には取り組むな！』と言われました」

プラサドの経験は、それが実現可能だと彼に自信を与えた。しかし、Amazonには機械学習を製品開発に適用するための強力なシステムが整っていなかった。「ディープラーニングを研究している科学者は数人いましたが、それを本番環境で使えるようにするためのインフラがありませんでした」と彼は言う。幸いなことに、Amazonには必要な要素がすべて揃っていた。比類のないクラウドサービス、機械学習アルゴリズムを高速処理するためのGPUを搭載したデータセンター、そしてデータを火の玉のように処理する方法を知っているエンジニアたちだ。

彼のチームはそれらのパーツを使って、Echoの使命を果たすためだけに使われるのではなく、それ自体が価値ある資産となるプラットフォームを作り上げました。「Echoを遠距離音声認識デバイスとして開発した時点で、もっと大きなことをできるチャンスが見つかりました。Alexaの範囲を音声サービスにまで拡張できるのです」と、Raytheon BBNでPrasadと一緒に働いていたAlexaのシニア主席科学者Spyros Matsoukasは言います。(彼のそこでの仕事には、あまり知られていないDARPAプロジェクトHub4が含まれていました。これは、放送ニュース番組と傍受した電話の会話を使用して音声認識と自然言語理解を向上させるもので、Alexaプロジェクトにとって素晴らしいトレーニングとなりました。) 彼らがAlexaを拡張する直接的な方法の1つは、サードパーティの開発者が独自の音声技術ミニアプリケーション（「スキル」と呼ばれる）を作成し、Echo自体で実行できるようにすることでした。しかし、それはほんの始まりに過ぎませんでした。

Alexa を Echo の枠を超えて展開することで、同社の AI 文化がまとまり始めた。社内の各チームが、Alexa が自分たちのプロジェクトにとっても便利な音声サービスになり得ることに気づき始めた。「私たちはシングルスレッドの所有権を重視していますが、すべてのデータとテクノロジーが 1 つにまとまるのです」と Prasad 氏は言う。まず、他の Amazon 製品が Alexa に統合され始めた。Alexa デバイスに話しかけると、Amazon Music、Prime Video、主要ショッピング Web サイトのパーソナル推奨事項、その他のサービスにアクセスできる。次に、このテクノロジーは他の Amazon ドメインに飛び火していった。「基礎的な音声機能を実現した後は、Fire TV、音声ショッピング、Amazon フレッシュの Dash ワンド、そして最終的には AWS など、Alexa 以外の製品にもそれを導入することができました」と Lindsay 氏は言う。

アマゾン内の AI 島々は近づいてきていました。

同社の変革におけるもう一つの極めて重要な部分は、数百万の顧客（アマゾンは正確な人数を明かしていない）がEchoやその他のAlexa搭載デバイスを使い始めたときに、カチッと音を立てて始まった。アマゾンは豊富なデータを蓄積し始めた。おそらく、これまでのあらゆる会話駆動型デバイスの中で最大のインタラクションのコレクションだろう。そのデータは潜在的な採用候補者にとって強力な魅力となった。突如、アマゾンは切望される機械学習の専門家が働きたいと思う場所のリストの上位に急上昇した。「私にとってAlexaが非常に魅力的だった理由の1つは、デバイスを市場に投入すれば、フィードバックというリソースが得られることです。顧客からのフィードバックだけでなく、あらゆるもの、特に基盤となるプラットフォームを改善するために非常に基礎となる実際のデータが得られます」と、昨年アマゾンに加わったAlexa機械学習担当副社長のラビ・ジェインは言う。

そのため、Alexa を使用する人が増えるにつれて、Amazon はシステムのパフォーマンスを向上させるだけでなく、自社の機械学習ツールとプラットフォームを強化する情報を入手し、同社を機械学習科学者にとってより魅力的なターゲットにした。

フライホイールが回転し始めました。

より賢いクラウド

アマゾンがプライム会員向けにEchoの販売を開始したのは2014年。その年はスワミ・シヴァスブラマニアン氏が機械学習に魅了された年でもあった。当時AWSのデータベースおよびアナリティクス事業を管理していたシヴァスブラマニアン氏は、家族でインド旅行中、時差ぼけと幼い娘の機嫌の悪さもあって、夜遅くまでパソコンの前に座り、GoogleのTensorflowやCafféといったツールをいじっていた。Cafféは、Facebookや学術界で多く利用されている機械学習フレームワークだ。彼は、これらのツールをアマゾンのクラウドサービスと組み合わせることで、非常に大きな価値を生み出すことができると結論づけた。クラウド上で機械学習アルゴリズムを簡単に実行できるようにすることで、潜在的需要を掘り起こせるのではないかと考えたのだ。「私たちは毎月何百万人もの開発者に対応しています」とシヴァスブラマニアン氏は語る。「そのほとんどはMITの教授ではなく、機械学習のバックグラウンドを持たない開発者です。」

ジェフ・ベゾス氏への次のレビューでは、彼は6ページに及ぶ壮大な資料を携えて登場した。ある意味では、それはAWSに機械学習サービスを追加するための青写真だった。しかし、シヴァスブラマニアン氏はそれをもっと広い視点で捉えていた。AWSがテクノロジー界全体における機械学習活動の活気ある中心地となるための壮大なビジョンだったのだ。

ある意味、数万ものAmazonクラウド顧客に機械学習を提供することは必然でした。「AWSの当初の事業計画をまとめたとき、その使命は、資金力のある少数の組織にしか手の届かない技術を、可能な限り広く普及させることでした」と、AWS機械学習マネージャーのウッド氏は語ります。「私たちはコンピューティング、ストレージ、分析、データベースの分野でこれを成功させてきました。そして、機械学習でも全く同じアプローチを採用しています。」AWSチームが、社内の他の部門が蓄積してきた経験を活用できたことが、その実現を容易にしました。

ウッド氏によると、2015年に初めて提供されたAWSのAmazon Machine Learningは、C-Spanのような顧客がプライベートな顔カタログを作成できるようにしているという。Zillowは住宅価格の見積もりに、Pinterestは画像検索に活用している。また、複数の自動運転スタートアップ企業は、数百万マイルに及ぶ模擬道路テストを通じて製品の改善にAWSの機械学習を活用している。

2016年、AWSはAlexaのイノベーションをより直接的に活用した新たな機械学習サービスをリリースしました。Pollyと呼ばれるテキスト読み上げコンポーネントとLexと呼ばれる自然言語処理エンジンです。これらのサービスにより、PinterestやNetflixといった巨大企業から小さなスタートアップ企業まで、AWSの顧客は独自のミニAlexaを構築できるようになりました。3つ目の視覚関連サービスであるRekognitionは、Amazonの比較的無名なグループであるPrime Photosで行われた研究成果を活用しています。Prime Photosは、Google、Facebook、Appleの写真関連製品に見られるのと同じディープラーニングの魔法を実行しようとしていました。

これらの機械学習サービスは、強力な収益源であると同時に、AmazonのAI推進の鍵でもある。NASAやNFLなど多種多様な顧客がAmazonから機械学習を得るためにお金を払っているからだ。企業が重要な機械学習ツールをAWS内で構築するにつれ、競合するクラウド事業に移行する可能性は途方もなく低くなる（Google、Microsoft、IBMには申し訳ない）。法人顧客向けのビジネスアプリケーションを作成する数十億ドル規模の企業、Inforを考えてみよう。同社は最近、Coleman（映画「Hidden Figures 」に登場するNASAの数学者にちなんで名付けられた）という新しい包括的なアプリケーションをリリースした。このアプリケーションにより、顧客はさまざまなプロセスを自動化し、パフォーマンスを分析し、会話型インターフェースを通じてデータと対話することができる。独自のボットをゼロから構築する代わりに、AWSのLexテクノロジーを使用している。「Amazonがいずれにせよやっているのだから、我々が時間をかける必要はない。我々は顧客を知っており、それを顧客に適用できる」とInforのシニアVP、Massimo Capoccia氏は述べている。

AWSは、その圧倒的な存在感によって競合他社、特にGoogleに対して戦略的優位性も確保しています。Googleは、機械学習分野でのリーダーシップを活かしてクラウドコンピューティング分野でAWSに追いつこうとしていました。確かにGoogleは、自社のサーバー上で、機械学習に最適化された超高速チップを顧客に提供しているかもしれません。しかし、AWSを利用する企業は、AWSを利用する企業とより容易に連携し、販売することができます。「ウィリー・サットンが銀行強盗をするのは、そこに金があるからだと言うようなものです」と、DigitalGlobeのCTO、ウォルター・スコット氏は、同社がAmazonの技術を採用する理由について述べています。「私たちが機械学習にAWSを使うのは、そこに顧客がいるからです。」

昨年11月のAWS re:Inventカンファレンスで、Amazonは顧客向けに、より包括的な機械学習補助装置「SageMaker」を発表しました。これは、洗練されながらも非常に使いやすいプラットフォームです。その開発者の一人は、他でもない、9万件もの学術論文引用数を誇る機械学習界のスーパースター、アレックス・スモーラ氏です。彼は5年前にAmazonを去った人物です。スモーラ氏が業界に戻ることを決意した時、彼は機械学習を一般のソフトウェア開発者が利用できる強力なツールの開発に貢献したいと考えました。そこで彼は、自分が最も大きな影響を与えられると感じた場所へと移りました。「Amazonは見逃せないほど魅力的でした」と彼は言います。「論文を書くことはできても、実際に作らなければ、誰もあなたの素晴らしいアルゴリズムを使ってくれません」

スモラ氏がシヴァスブラマニアン氏に、機械学習を何百万人もの人々に広めるためのツールを作ることの方が、論文を1本発表するよりも重要だと伝えると、シヴァスブラマニアン氏は嬉しい驚きを覚えた。「君も論文を発表できるんだ！」とシヴァスブラマニアン氏は言った。そう、Amazonは現在、科学者の論文発表をより寛容に認めているのだ。「優秀な人材の採用に大きく貢献しているだけでなく、Amazonでどのような研究が行われているのかを可視化することにも役立っています」と、よりオープンな姿勢を示すためのガイドライン策定に尽力したスパイロス・マツォカス氏は語る。

AWSの100万人を超える顧客の大部分が、自社製品に機械学習を組み込むためにSageMakerを使い始めるかどうかはまだ分かりません。しかし、SageMakerを使うすべての顧客は、機械学習プロバイダーとしてのAmazonに多大な投資をすることになるでしょう。さらに、このプラットフォームは非常に洗練されており、Alexaチームを含むAmazon社内のAIグループでさえ、社外向けに提供されているのと同じツールセットを使用して、SageMakerの顧客になる意向を示しています。彼らは、SageMakerによってプロジェクトの基盤が整うことで多くの作業が節約され、より高度なアルゴリズムタスクに集中できるようになると考えています。

AWSの顧客の一部だけがSageMakerを利用するとしても、Amazonはシステムのパフォーマンスに関する豊富なデータ（もちろん、顧客が独自に保持する機密情報は除く）を保有することになります。これは、より優れたアルゴリズム、より優れたプラットフォーム、そしてより多くの顧客獲得につながります。まさにフライホイールがフル稼働しているのです。

あらゆる場所にAI

機械学習の抜本的な改革が完了すれば、同社のAI専門知識は多くのチームに分散され、ベゾス氏と顧問団は大変満足している。AmazonにはAIの中央オフィスはないものの、機械学習の普及とサポートを専門とする部署があり、また、同社のプロジェクトに新たな科学を組み込むための応用研究も行われている。コア機械学習グループを率いるラルフ・ハーブリッヒ氏は、マイクロソフトのBingチームで勤務した後、Facebookで1年間勤務し、2012年にAmazonに引き抜かれた。「社内にこのコミュニティを所有する場所があることが重要だ」と彼は言う（当然のことながら、チームのミッションはベゾス氏が承認した6ページの野心的な文書に概説されていた）。

彼の任務の一部には、Amazonで急成長を遂げている機械学習文化の育成も含まれる。同社は顧客中心主義（空想的な研究ではなく問題解決）を掲げているため、Amazon幹部は採用活動において、科学的ブレークスルーを追い求める人材よりも、何かを構築することに興味を持つ人材を常に重視することを認めている。Facebookのルカン氏は言い換えれば、「知的先駆者を率いなくても、十分に成功できる」ということだ。

しかしアマゾンは、従業員をAIに熟達させるためのトレーニングにおいて、フェイスブックやグーグルに倣っている。同社は機械学習戦術に関する社内コースを運営し、社内の専門家による講演シリーズも開催している。また、2013年からは毎年春に本社で社内機械学習カンファレンスを開催している。これは、最高峰の学術的機械学習パルーザであるNIPSのアマゾン限定版とも言えるものだ。「私が始めた頃は、アマゾンの機械学習カンファレンスの参加者は数百人程度だったが、今では数千人規模になっている」とハーブリッチ氏は言う。「シアトルで一番大きな会議室は収容できないので、そこで開催し、キャンパス内の他の6つの会議室にストリーミングしている」。アマゾンの幹部の1人は、このイベントがさらに大きくなったら、アマゾンの機械学習イベントではなく、単にアマゾンと呼ぶべきだと述べている。

ハーブリッチ氏のグループは、会社が取り組むあらゆることに機械学習を導入し続けています。例えば、フルフィルメントチームは、顧客の注文に対して8種類のボックスサイズのうちどれを使用するべきかをより正確に予測したいと考え、ハーブリッチ氏のチームに支援を求めました。「そのグループには独自の科学チームは必要ありませんでしたが、これらのアルゴリズムが必要であり、それらを簡単に使用できる必要がありました」と彼は言います。別の例として、デビッド・リンプ氏は、Amazonが新製品を購入する顧客の数を予測する方法の変革を指摘します。「私は30年間家電業界に携わっていますが、そのうち25年間は予測は[人間の]判断、スプレッドシート、そしてマジックテープのボールとダーツで行われていました」と彼は言います。「予測に機械学習を使用し始めてから、エラー率が大幅に低下しました。」

それでも、ハーブリッヒのチームは、時に最先端の科学を問題解決に応用する。同社の食料品配達サービス「Amazonフレッシュ」は10年にわたり運営されてきたが、果物や野菜の品質を評価するためのより優れた方法が必要だった。人間の判断は遅く、一貫性もなかったからだ。ベルリンを拠点とするハーブリッヒのチームは、システムが食品に触れたり匂いを嗅いだりできないという欠点を補う、センサーを搭載したハードウェアと新しいアルゴリズムを構築した。「3年後、プロトタイプ段階に入り、以前よりも確実に品質を判断できるようになりました」と彼は言う。

もちろん、こうした進歩はAmazonのエコシステム全体に浸透していく可能性があります。例えば、最近一般公開された本社ビル内のディープラーニングを活用したレジなし食料品店「Amazon Go」を例に挙げましょう。「AWSの顧客として、私たちはその規模の恩恵を受けています」と、Amazon Goの技術担当副社長であるディリップ・クマール氏は言います。「しかし、AWSもその恩恵を受けています。」彼は例として、数百台のカメラからデータをストリーミングして顧客の購買行動を追跡するAmazon Go独自のシステムを挙げています。彼のチームが考案したイノベーションは、Kinesisと呼ばれるAWSサービスにも影響を与えました。Kinesisは、顧客が複数のデバイスからAmazonクラウドにビデオをストリーミングし、そこでビデオを処理、分析し、機械学習の取り組みをさらに進化させるのを可能にします。

アマゾンのサービスがまだ同社の機械学習プラットフォームを使用していない場合でも、そのプロセスに積極的に参加することは可能です。アマゾンのドローン配送サービス「プライムエア」はまだプロトタイプ段階にあり、自律走行ドローンはクラウド接続を利用できないため、AIを別途構築する必要があります。しかし、社内の他部門の知識を活用し、どのようなツールを使用するかを判断する上で、フライホイールから大きな恩恵を受けています。「私たちはこれをメニューのように考えています。全員が自分の料理を共有しているのです」と、プライムエア担当副社長のガー・キムチは言います。彼は、自分のチームが最終的には独自のおいしいメニューを提供するようになると予想しています。「プライムエアで私たちが学んでいる教訓と解決している問題は、アマゾンの他の部門にとって間違いなく興味深いものです」と彼は言います。

実際、それは既に起こりつつあるようだ。「Prime AirやAmazon Goのような社内のどこかで誰かが画像を見て何かを学び、アルゴリズムを開発したら、社内の他のメンバーとそれについて話し合うのです」と、Amazonロボティクスの主席科学者であるベス・マーカス氏は語る。「例えば、私のチームの誰かがそれを使って、フルフィルメントセンター内を移動する商品の画像に何が写っているのかを解明できるかもしれません。」

製品中心のアプローチをとる企業が、ディープラーニングのスーパースターを擁する競合他社の努力を凌駕することは可能でしょうか？Amazonはまさにその実力を示しています。「追い上げに追われているにもかかわらず、彼らの製品リリースは驚くほど印象的です」と、アレン人工知能研究所のCEO、オーレン・エツィオーニ氏は述べています。「彼らは世界クラスの企業であり、世界クラスのAI製品を生み出してきました。」

フライホイールは回り続け、パイプラインに残っている6ページの提案書の多くは、その効果をまだ実感できていません。より多くのデータ。より多くの顧客。より優れたプラットフォーム。より多くの人材。

アレクサ、AmazonのAIの状況はどうですか？

答えは？ジェフ・ベゾスの高笑いだ。