اطلاعیه‌های داخلی 6 صفحه‌ای آمازون بسیار معروف هستند. کارمندان اجرایی باید هر سال یکی بنویسند و برنامه کسب و کاری خود را در آن ترسیم کنند. مطلبی که شاید هر کسی از آن اطلاع نداشته باشد این است که این افراد هر کدام باید به یک سوال جواب مشخص دهند: برنامه دارند که چطور از یادگیری ماشینی استفاده کنند؟ مدیران آمازون می‌گویند که بهتر است از جواب‌هایی مانند «خیلی استفاده نخواهم کرد» دوری کنید.

یادگیری ماشینی شکلی از هوش مصنوعی است که داده‌ها را به منظور دست‌یابی به الگوهایی که می‌توانند برای پیش‌بینی استفاده شوند، جمع‌آوری می‌کند. این فن‌آوری در سال 1999 در آمازون ریشه دواند یعنی زمانی که جف ولک به این کمپانی پیوست. ولک، که امروز پس از جف بزوس شخص دوم آمازون است، تیمی از دانشمندان را جمع کرد تا فرایندهای درونی آمازون را مطالعه و راهی برای بهبود کارایی آن پیدا کنند. همین مسئله باعث شد که با پیشرفت آمازون، این روش بیشتر اتوماتیک و مسیر یادگیری ماشینی باز شود.

گرچه رقبای آمازون مانند فیس‌بوک و اپل و آلفابت پیشرفت خود در هوش مصنوعی را در قالب نرم‌افزار تشخیص چهره یا همراه کامپیوتریِ سیری یا ماشین‌های خودران به رخ می‌کشند، آمازون حرکتی پنهان‌تر را انتخاب کرده‌است. البته آلکسای آمازون رقیب سیریِ اپل است. اما الگوریتم‌هایی که برای این موفقیت این کمپانی بسیار حیاتی‌تر هستند، آن‌هایی‌اند که دائما در بهبود خط عملیات خود این شرکت استفاده می‌شوند. چرخه بازخورد آمازون کاملا مشابه همان چیزی است که در هوش مصنوعی مواجه با مشتری حضور دارد: یک شکل از خدمات را بساز، مشتری جلب کن، داده‌ها را جمع کن و بگذار تا کامپیوترها از این داده‌ها چیزی یاد بگیرند و همه این کارها را در مقیاسی انجام بده که نیروی کار انسانی توان انجام آن را ندارد.

*خریدی بی‌فروشنده

آخرین الگوریتم این کمپانی مربوط به فروشگاه‌های آمازون GO است. در این فروشگاه‌های بزرگ از صندوق خبری نیست. چندصد دوربین مشتری‌ها را از بالا تماشا می‌کنند و داده‌های بصری را تبدیل به یک نمایه سه بعدی کرده و از طریق آن برداشتنِ یک کالای مشخص را می‌فهمند. این سیستم می‌فهمد که چه اقلامی توسط خریداران برداشته شده‌است و بر اساس همان‌ اجناس و از طریق حساب آمازون آن‌ها، پس از خروج از مغازه فاکتوری برایشان ارسال می‌شود. دیلیپ کومار، رئیس این پروژه، تاکید می‌کند که این سیستم حرکت بدن خریداران را رصد می‌کند. تاکید او به این منظور است که متوجه شویم این سیستم از شناسایی چهره و تطابق آن با حساب آمازون اشخاص استفاده نمی‌کند. زمانی که شخص می‌خواهد از در فروشگاه رد شود، بارکد حساب آمازونش خوانده می‌شود و نمایه فیزیکی بدنش با نمایه برداشت شده توسط سیستم تطبیق داده می‌شود. از این مسئله نمی‌توان به سادگی گذشت زیرا تحلیل هم‌زمان هزاران دسته داده، و تحلیل یکپارچه آن‌ها سطح بسیار بالایی از یادگیری ماشینی را نیاز دارد.

رصد کردن بدن توسط هوش مصنوعی در برخی از مراکز دیگر آمازون هم استفاده می‌شود. این شرکت یک پروژه آزمایشی دارد که در بحث‌های درون شرکتی با عنوان «تشخیص نیت نایکی» شناخته می‌شود. این سیستم همان کاری را با مراکز بسته‌بندی انجام می‌دهد که آمازون GO برای خریداران فروشگاه. این سیستم ردگیری می‌کند که چه چیزی توسط بارگیرها برداشته می‌شود و در قفسه قرار می‌گیرد. ایده اصلی این مسئله از رها شدن از شر بارکدخوان دستی ایجاد شده‌است. تمام این کارهایی که توسط دست انجام می‌شوند زمان‌بر است و کارگران را آزار می‌دهد. در حالت ایده‌آل کارگران می‌توانند اجناس را بردارند و در هر قفسه‌ای که می‌خواهند قرار دهند، زیرا در این حالت سیستم در حال تماشا و رصد کردن آن‌ها است. باز هم هدف چیزی نیست مگر بالا بردن بازده و به حداکثر رساندن نرخ جریان کالاها و محصولات.

رویکرد محتاطانه آمازون در جمع‌آوری داده‌ها باعث شده‌است که این کمپانی بتواند در برابر موشکافی‌ها و سخت‌گیری‌های اخیر دولت‌ها که گریبان گوگل و فیس‌بوک را گرفت، جان سالم به در ببرد. آمازون داده‌های مشتری را تنها به منظور بهبود تجربه همین مشتری‌ها جمع‌آوری و پردازش می‌کند. این کمپانی در یک ناحیه خاکستری حرکت نمی‌کند و تنها به دنبال تغییر تجربه هر فرد، بر اساس اطلاعات خود آن فرد است. تفاوت در همین‌جا آشکار می‌شود: مردم به صورت رایگان وارد شبکه اجتماعی یا موتور جست‌وجو می‌شوند زیرا تبلیغاتی که تماشا می‌کنند پول فیس‌بوک و گوگل را می‌دهد؛ در مورد پروژه‌های کنونی آمازون اما تفکیکی بین کاربر و مشتری وجود ندارد. البته آمازون غول اصلی فروشگاه اینترنتی است و همین مسئله باعث نگرانی مقررات‌گذاران شده‌است. این قدرت که توسط یادگیری ماشینی ایجاد شده، قصد ندارد به این زودی‌ها ناپدید شود.

*آینده نگر