Alexa dorasta w Gdańsku, czyli tak powstają innowacje Amazonu

Ku rozczarowaniu polskich konsumentów Amazon nadal nie prowadzi oficjalnie sprzedaży w naszym kraju. Możemy zamawiać produkty zza granicy, a w sklepie operującym na niemal całym świecie swoje produkty mogą sprzedawać już polscy sprzedawcy. U nas, czyli w Poznaniu i we Wrocławiu, są za to zlokalizowane placówki firmy zarządzające wysyłaniem paczek do krajów ościennych.

To był dobry pomysł, bo chwalić jest się czym. Amazon, po przejęciu polskiego syntezatora głosu IVONA, otworzył w 2013 roku w Gdańsku swój oddział badań i rozwoju, w którym pracuje nad zagadnieniami związanymi ze sztuczną inteligencją i rozwojem rozwiązań wykorzystywanych przez głośnik Amazon Echo i asystenta głosowego Alexa - urządzenie i usługę, o których jest ostatnio bardzo głośno - oraz Amazon Web Services.

Nie ma wątpliwości, że giganci świata nowych technologii patrzą na obsługę głosem i spersonalizowanych cyfrowych asystentów jak na interfejs dla urządzeń komputerowy przyszłości. Wyścig o to, kto dostarczy najlepszego bota tego typu konsumentom już się rozpoczął, a Amazon konkuruje na tym polu między innymi z Google, Microsoftem, Apple i Facebookiem.

Placówka w Gdańsku jest w Amazonie głównym centrum R&D na Europę. Firma stale się rozwija i poszukuje specjalistów - zarówno programistów, jak i lingwistów. Ma zamiar rekrutować absolwentów uczelni wyższych, a w tym roku zespół ma zasilić nawet 50 studentów.

Zakończona kilka minut temu prezentacja rozwiązań i technologii odbyła się w Olivia Business Centre. Przez pół dnia mogliśmy słuchać wystąpień inżynierów Amazonu, którzy opowiadali między innymi o uczeniu maszynowym, internecie rzeczy, asystencie Alexa i chmurze Amazon Web Services.

Skierowano ją przede wszystkim do inżynierów, programistów, naukowców i pasjonatów technologii. Wśród prelengentów warto wymienić takie persony jak:

Po krótkim wstępie Rafała Kuklińskiego swoją prezentację rozpoczął Ralf Herbrich. Amazon nie omieszkał się pochwalić, że z jego usług korzysta blisko 300 mln ludzi, a z platformy korzystają już 2 mln sprzedawców. Prelengent opowiadał z kolei nie tylko o tym, czym jest uczenie maszynowe przedstawiając jego historię począwszy od lat 80. ubiegłego wieku, ale pokazał też jak Amazon wykorzystuje rozwijane przez siebie technologie w praktyce.

Jedną z przykładowych funkcji machine learningu jest przewidywanie przyszłego popytu na produkty. Mając dane sprzedażowe z przeszłości Amazon jest w stanie z dużą dozą prawdopodobieństwa przewidzieć, ile osób będzie zainteresowane zakupem danego przedmiotu w nadchodzących miesiącach. To ma pomóc producentom dostosować podaż do popytu i pozwoli przewidzieć wysokość przyszłych przychodów.

Inne ciekawe wykorzystanie uczenia maszynowego to np. kontrola jakości produktów. Pokazano na przykładzie truskawek, jak można zastąpić człowieka sprawdzającego, czy owoc wygląda na zdatny do spożycia. Zamiast ludzkich oczu można wykorzystać komputer, który analizując obraz z kamery sam zdecyduje, które truskawki są w porządku, a które mają jakieś defekty lub po prostu nie zestarzała się i nie zgniła.

Amazon w 2013 roku przejął polską firmę Ivona, która zajmowała się przerabianiem tekstu na wygenerowaną przez komputer wypowiedź głosową. To dzięki temu powstał dział R&D w Gdańsku, który nadal uczy komputery rozumieć, co do nich mówimy, oraz nam odpowiadać. Nie zabrakło oczywiście odniesień do kultowego HAL9000, czyli mówiącego komputera z filmu Odyseja Kosmiczna. Ta wizja przyszłości sprzed pół wieku właśnie doczekuje się realizacji, a pomogą w tym m.in. sztuczna inteligencja i sieci neuronowe.

Staszek Pasko opowiedział obecnym na konferencji gościom o tym, czym konkretnie zajmuje się dział Speech@Amazon. Przedstawiał jak od strony programistycznej wygląda nie tylko przetwarzanie dźwięków na litery - i na odwrót - ale też pokazywał, jak działają mechanizmy rozpoznawania mowy naturalnej i normalizacji tekstu na przykładzie wydawania polecenia odtworzenia piosenki wybranego wykonawcy i generowania tekstu ze znakiem amerykańskiej waluty. Pokazywany był też proces rozumienia zdań przez algorytmy Amazonu.

Ponieważ komunikator Alexa jest jednym z ambitniejszych projektów Amazonu, który ma ogromny potencjał, inżynierowie stale szukają nowych sposobów na ulepszenie rozpoznawania mowy. Współczesna technologia pozwala na personalizację asystenta, który oprócz transkrypcji tekstu będzie się uczyć sposobu mówienia użytkownika i wychwyci charakterystyczne maniery, zanalizuje akcent itp. Rozumienie intencji jest jednym z największych wyzwań - ze względu na brak interfejsu tekstowego asystent głosowy musi mieć stuprocentową skuteczność.

Kolejna prezentacja dotyczyła urządzeń Amazonu, które firma produkuje samodzielnie - w tym oczywiście rodziny Kindle oraz nowych głośników Echo. Jasmin Farshi opowiadała o łańcuchu dostaw i całej drodze jaką pokonuje sprzęt od fabryki aż do klienta końcowego.

Ta część spotkania była zdecydowanie bardziej osadzona w dzisiejszej rzeczywistości. Pokazywała jak działa biznes Amazonu w praktyce i w jaki sposób producent usprawnia procesy w celu obniżenia końcowego kosztu sprzedawanych przez siebie urządzeń.

Początek prezentacji Federica Deramata podczas Innovation@Amazon nie przekazywał zbyt wielu informacji osobom, które wiedzą czym jest Alexa i Echo. Rozumiem jednak, że nie wszyscy znają ten projekt, dlatego dobrze, że prowadzący pokazał klip wideo prezentujący wybrane komendy, które asystent jest w stanie zrozumieć i wykonać. Trzeba przyznać, że robi to wrażenie - to faktycznie działa, od pytań o pogodę po sterowanie inteligentnym domem.

Szkoda, że nie było prezentacji na żywo - poza salą konferencyjną były w końcu wystawione głośniki Echo i można było porozmawiać z Alexą samemu. Zamiast tego zobaczyliśmy nagrany wcześniej film. Owszem, pokazywał on kontekst i otoczenie w jakim wydawane były polecenia, a dema na żywo to ryzyko wizerunkowej wpadki, ale i tak zabrakło mi postawienia Echo na scenie i zadania jej przynajmniej kilku pytań na scenie w czasie rzeczywistym.

Po wideo przyszła pora na prezentację działania Alexy od środka, w tym sposobu rozpoznawania poleceń. Liczba rzeczy, które twórcy asystenta muszą brać pod uwagę, jest przytłaczająca - zwłaszcza biorąc pod uwagę to, jak mało ma czasu taki cyfrowy pomocnik by przetrawić zapytanie i udzielić tej jednej właściwej odpowiedzi. Tak jak pokaz systemów rozpoznawania mowy był znacznie bardziej teoretyczny, tak ta część konferencji Innovation@Amazon pokazała jak wykorzystywane są one w gotowym produkcie.

Przedostania prezentacja na Innovation@Amazon była mniej ciekawe z perspektywy konsumenta niż Alexa, ale to też niezmiernie ciekawe rzeczy - a ponieważ to konferencja dla deweloperów to było to idealnie miejsce, by je przedstawić. Rzut oka na salę upewniał mnie w przekonaniu, że to istotne zagadnienia, a goście słuchali o nich z zaciekawieniem. Julio Faermann opowiadał o AWS, czyli chmurze Amazon Web Services - w tym np. o zaplanowanym przejściu w pełni na odnawialne źródła energii.

Jean-Pierre LeGoaller wziął z kolei na warsztat kolejny istotny trend w rozwoju nowych technologii - porozumiewanie się maszyn z maszynami, czyli Internet Rzeczy. Ta część konferencji wzbudziła spore zainteresowanie, bo prowadzący prezentował to co geeki lubią najbardziej: gadżety. Przyciski Amazon Dash zamawiające po dotknięciu przedmioty codziennego użytku i inteligentny widelec każący użytkownikowi zwolnić podczas spożywania posiłku nie wyglądają mi na rewolucję, ale nie da się ukryć - potencjał jest ogromny.

Prezentacja, którą poprowadził Jean-Pierre LeGoaller zamknęła spotkanie. Końcówka konferencji skupiała się w dużej mierze na omawianiu kodu. Chociaż nie jestem programistą, to po całym dniu słuchania na temat prac prowadzonych przez dział R&D Amazonu w Gdańsku wyszedłem wzbogaciwszy się o mnóstwo wiedzy. Zdawałem sobie oczywiście sprawę, że Amazon to coś znacznie większego, niż największy supermarket świata, ale taki rzut oka na kulisy amerykańskiego molocha robi wrażenie.

W Gdańsku deweloperzy rozwijają prawdziwie przyszłościowe technologie, które już teraz ułatwiają życie sprzedawcom i konsumentom. Dla zwykłego Kowalskiego te rozwiązania są na dobrą sprawę niewidzialne - i w sumie tak powinno być. Klienci nie powinni się interesować działaniem systemów informatycznych, a liczyć się dla nich będą tanie i wygodne zakupy, łatwa obsługa smart home oraz jak najszybsze i najtrafniejsze odpowiedzi asystenta głosowego.

Pamiętajmy jednak, że Google też robi dobrą minę do złej gry, a jednak użytkownicy trafili na podstronie Google’a na nagrania z usługi Google Now, które rozpoczynały się przed wypowiedzeniem komendy, która miałaby aktywować nagrywanie. Chciałbym jednak wierzyć, że Amazon uszanuje prywatność, ale też nie chcę wyjść na naiwniaka - w końcu firma potrzebuje naprawdę mnóstwa danych, by stale ulepszać algorytmy.

Same wrażenia z rozmowy z asystentem przez głośnik Echo już teraz są bardzo pozytywne. Nawet w głośnym pomieszczeniu obok głównej sali Innovation@Amazon Alexa bardzo szybko reagowała na swoje imię i rzeczywiście umiała odpowiadać na pytania. Próbowałem sztuczną inteligencję podpuścić i spytałem ją o zwycięzcę Euro 2016, ale niestety Alexa wyczuła moje zamiary i bezczelnie mnie okłamała mówiąc, że nie umie przewidywać przyszłości.

Po zakończeniu Innovation@Amazon nie sposób nie przypomnieć sobie tego, że jeszcze nie tak dawno gracze robili raban o Kinecta, który nasłuchiwał cały czas w oczekiwaniu na polecenia użytkownika. Dzisiaj ludzie sami kupują cyfrowego asystenta zamkniętego w głośniku z mikrofonem, by nasłuchiwał ich pytań całymi dniami - ale tak naprawdę co to zmienia, skoro nasłuchują nas już telefony, tablety i telewizory?