圖：Amazon Robotics

　　該組織采訪了Amazon Robotics機器學習團隊的核心軟件開發工程師Abdelrahman Ogail，該負責人透露了很多有關亞馬遜對于機器人的看法和理解，我們一起來看看！

　　生產系統對可靠性和魯棒性的期望越來越高，這個難題一直存在，越來越多的公司盡可能地使用人工智能來緩解勞動和財務壓力。

　　深度學習的最新進展已經使復雜的機器人任務成為現實，比如像感知、導航和操縱等，這些成果都很有前途。這些發展吸引了像亞馬遜這樣的倉儲公司，在其巨型實施中心創建自主的機器人解決方案，使他們能夠使客戶訂單包裝和運輸自動化。

　　亞馬遜以人工智能技術而聞名，自2012年收購Kiva Systems以來，專門從事機器人倉儲，他們通過引進大量的與人機合作的機器人，徹底改變了工作環境。電商通過使用無人機，同時增加委托給機器的工作量，在未來，繼續使亞馬遜的倉庫和交付過程更加高效。

　　Abdelrahman Ogail是AmazonRobotics核心機器學習團隊的軟件開發工程師，負責深度學習技術和軟件架構，涉及亞馬遜物流中心實施這些自主機器人任務。

　　以下是專訪內容：

　　Q：請告訴我們您在亞馬遜的角色。

　　A：我是Amazon Robotics機器學習核心團隊的軟件開發工程師。在此之前，我是微軟Azure團隊的軟件工程師，在華盛頓大學攻讀碩士學位的期間，將強化學習技術（reinforcement learning）應用于非確定性隨機規劃和調度任務的自主agent中。

　　Q：什么時候開始深度學習工作的？

　　A：我一開始便使用強化學習技術，基于案例的自適應agent。后來，我開始研究深度學習，結合強化學習，研究深度強化學習技術。在Amazon Robotics，我第一次使用深度學習，是將其用于機器人感知的圖像分類任務。

　　Q：機器人近期進步的關鍵因素是什么？

　　A：深度學習（也就是上世紀90年代的神經網絡和70年代中期的控制論），它的基本思想（如反向傳播、梯度下降等）已經存在了很長時間。深度學習的最新突破是由于大量的訓練數據集、強大的計算機硬件，以及數字計算和深度學習框架（如TensorFlow、Caffe、MxNet，以及Facebook近期的Caffe2）的開發。深度學習的進步為幾項計算機視覺任務鋪平了道路，從而獲得了更好的機器人視覺和感知精度。最先進的圖像和物體識別技術可以解決常見的感知任務，例如無人駕駛的汽車檢測。在操縱和抓住過程的最后，引入深度強化學習，在這一領域開辟了新的視野，最近的研究表明，機器人只需2.5小時的訓練，就能學會如何打開門！

　　Q：對于未來幾年的研究人員和科學家來說，你認為哪些挑戰最有意義？

　　A：從魯棒性和安全性的角度來看，將在生產環境中深度學習與智能機器人融合，實現與人類并肩工作是非常具有挑戰性和棘手性。舉例來說，具有99％精度的行人探測器的無人駕駛汽車都是不能上路的，因為這意味著，在100名行人中，無人駕駛汽車都可能會錯過檢測到一個行人。

　　實現完全、獨立、端到端機器學習的機器人解決方案，又可以與人類交互，需要完全準確、穩健和穩定的算法，幾乎不會錯誤一次。這是該領域最有趣和最具挑戰性的任務之一。

　　Q：在未來的幾年里，你認為哪些行業受機器學習影響最大？

　　A：軟件和技術行業正在迅速發展，離硬編碼和啟發式的經典算法的開發原來越遠。大多數科技公司意識到，機器學習帶來的價值有多大。公司應采用完整的團隊，聘任相應機構，使決策者和軟件工程師能夠在日常工作中利用機器學習。

　　Q：Amazon Robotics未來將會看到什么？

　　A：Amazon Robotics正朝著設計全自動化物流中心的方向上發展，并繼續推進自主智能生產機器人領域的研發。AmazonRobotics大規模部署機器人，一個普通的物流中心擁有超過15000個機器人，所有這些機器人都在地板上移動。Amazon Robotics是一家以客戶為中心的公司，旨在盡量減少Amazon.com客戶訂購包裝和運輸的成本和時間。