هفت روشی که آمازون از هوش مصنوعی برای ساختن آینده ای پایدارتر استفاده می کند

از کاهش ضایعات بسته‌بندی گرفته تا دموکراتیزه کردن داده‌ها، رویکرد منحصربه‌فرد آمازون به هوش مصنوعی به پیشرفت و نوآوری در اهداف پایداری کمک می‌کند. تغییر آب و هوا یکی از بزرگترین چالش های جهان است و در آمازون، ما می دانیم که باید سریع حرکت کنیم، دائما نوآوری کنیم، سرمایه گذاری کنیم و زیرک بمانیم تا به شرکتی پایدارتر تبدیل شویم.

هوش مصنوعی (AI) و یادگیری ماشینی (ML) می تواند به ما کمک کند تا به اهداف اقلیمی خود با سرعت، مقیاس و فوریت مورد نیاز سیاره خود برسیم. در حالی که به طور کلی در مورد «هوش مصنوعی و پایداری» صحبت‌های زیادی وجود دارد، ما فکر کردیم مفید است که در مورد برخی از موارد استفاده در حال ظهور، همانطور که در زیر توضیح داده شده است، صحبت کنیم.

آمازون از کاهش ضایعات بسته بندی و مواد غذایی گرفته تا کارآمدتر کردن عملیات تکمیلی، چندین دهه است که در زمینه هوش مصنوعی و ML نوآوری کرده است. علاوه بر ارائه زیرساخت‌ها و محصولات هوش مصنوعی به مشتریان از طریق خدمات وب آمازون (AWS)، ما همچنین هوش مصنوعی را دموکراتیک می‌کنیم تا مشتریان و سایر شرکت‌های ما بتوانند سریع‌تر حرکت کنند تا خرید، تجارت و زندگی خود را پایدارتر کنند.

در اینجا هفت مورد از جدیدترین روش‌هایی که آمازون از هوش مصنوعی استفاده می‌کند تا سال ۲۰۴۰ به تعهد آب و هوای خود مبنی بر کربن خالص صفر دست یابد و به یک تجارت پایدارتر تبدیل شود، آورده شده است.

۱.کاهش استفاده از بسته بندی

Packaging Decision Engine یک مدل هوش مصنوعی است که به تعیین کارآمدترین گزینه های بسته بندی برای ارسال میلیون ها کالای موجود به مشتریان آمازون کمک می کند. دانشمندان داده این مدل را برای درک انواع ویژگی‌های محصول، از جمله شکل و دوام یک آیتم، و تجزیه و تحلیل بازخورد مشتریان در مورد نحوه عملکرد بسته‌بندی‌های مختلف، آموزش داده‌اند.

این مدل به طور مداوم در حال یادگیری است و به کاهش استفاده شرکت از مواد بسته بندی از زمان راه اندازی آن در سال ۲۰۱۹ کمک کرده است. آمازون با این نوآوری و سایر نوآوری های بسته بندی، بیش از دو میلیون تن مواد بسته بندی را از سال ۲۰۱۵ در سراسر جهان حذف کرده است.

۲.شناسایی اقلام آسیب دیده برای جلوگیری از ضایعات

فناوری مبتنی بر هوش مصنوعی در تعداد فزاینده‌ای از مراکز تامین کالا برای شناسایی کالاهای آسیب‌دیده استفاده می‌شود، با هدف کاهش تعداد اقلام آسیب‌دیده ارسال و بازگرداندن توسط مشتریان. هوش مصنوعی سه برابر بیشتر از انسان در شناسایی کالاهای آسیب دیده مؤثر است و با تجزیه و تحلیل میلیون ها عکس از اقلام آسیب دیده و آسیب دیده آموزش دیده است.

اگر محصولی به دلیل نقص، مستقیماً برای مشتری ارسال نشود، آن کالا به یکی از همکاران آمازون علامت گذاری می شود، که محصول را ارزیابی می کند و مسیر آن را تغییر می دهد تا با قیمت کاهش یافته به فروش برسد، اهدا شود، یا در موارد دیگر استفاده مجدد شود.

۳.نظارت بر تولید برای کاهش ضایعات مواد غذایی

تعداد فزاینده‌ای از تیم‌های مواد غذایی آمازون Fresh از راه‌حل‌های مبتنی بر یادگیری ماشینی برای خودکارسازی نظارت بر قفسه‌های فروشگاه برای میوه‌ها و سبزیجات استفاده می‌کنند. این راه حل مجهز به هوش مصنوعی تصاویر جعبه را تجزیه و تحلیل می کند تا عیوب بصری روی محصول مانند ترک، بریدگی و آسیب فشار را تشخیص دهد.

برای اطمینان از بازیافت محصول معیوب در صورت امکان، آمازون فرش محصولات قابل استفاده را به پیمانکاران محلی می‌فروشد که بیشتر محصولات را با قیمت‌های کاهش‌یافته برای موارد استفاده مانند تغذیه به دام می‌فروشند و اطمینان حاصل می‌کنند که غذای کمتری هدر می‌رود.

۴.کاهش بازده با کمک به مشتریان برای یافتن مناسب مناسب

کاهش بازده منجر به خرید پایدارتر می شود. آمازون چندین نوآوری مبتنی بر هوش مصنوعی را معرفی کرد تا به مشتریان کمک کند تا با اطمینان بیشتر در فروشگاه آمازون به خرید مد بپردازند و در عین حال به کاهش بازده مرتبط با تناسب کمک کند. آن‌ها شامل توصیه‌های اندازه شخصی‌شده با استفاده از هوش مصنوعی و ML برای کمک به مشتریان برای یافتن اندازه مناسب‌تر، بازخورد شخصی از مشتریانی که سایز یکسان می‌پوشند، و نمودار اندازه‌های بهبود یافته را شامل می‌شوند.

آمازون همچنین ابزار Fit Insights را توسعه داد تا به برندها و شرکای فروش کمک کند تا مسائل مربوط به تناسب مشتری را بهتر درک کنند و بازخورد را در طراحی‌ها و ساخت‌های آینده بگنجانند، و به برندها کمک کند تا اقلام خود را با دقت بیشتری برای مشتریان فهرست کنند و بازده مرتبط با تناسب را کاهش دهند.

5. اندازه گیری ردپای کربن برای محصولات

تخمین ردپای کربن برای میلیون‌ها محصول آمازون می‌تواند چالش برانگیز باشد – تحقیق و محاسبه ردپای کربن حتی برای یک محصول ممکن است صدها ساعت طول بکشد. برای حل این چالش، آمازون فلامینگو را توسعه داد، یک الگوریتم مبتنی بر هوش مصنوعی که از پردازش زبان طبیعی برای تطبیق توضیحات متن برای عوامل تأثیر محیطی (EIF) اندازه‌گیری پذیرفته‌شده برای محاسبه تأثیر کربن یک مورد – با محصولات خاص استفاده می‌کند.

این الگوریتم در حال حاضر به تیم آمازون کمک می کند تا اثرات زیست محیطی همه چیز از تی شرت های نخی فروخته شده توسط برندهای خصوصی آمازون گرفته تا هویج های فروخته شده توسط آمازون Fresh را محاسبه کند. در یک آزمایش، این الگوریتم زمان صرف شده توسط دانشمندان برای نقشه برداری از ۱۵۰۰۰ محصول آمازون را از یک ماه به چند ساعت کاهش داد. فلامینگو همچنین برای سایر شرکت‌ها برای کمک به تسریع اهداف پایداری در دسترس است.

۶.جلوگیری از جنگل زدایی در برزیل با دموکراتیک کردن داده ها

آمازون هوش مصنوعی را دموکراتیک می کند تا سایر شرکت ها بتوانند از آن برای کمک به اهداف پایداری خود استفاده کنند. به عنوان یک مثال، AWS با یک غیرانتفاعی برزیلی برای توسعه یک مدل هوش مصنوعی در مقیاس بزرگ که جنگل‌زدایی را نظارت می‌کند، کار کرد. این امر امکان نظارت خودکار بر ۲۰ میلیون هکتار از مناطق جنگلی را فراهم کرده است. با نظارت بهتر، تخمین زده می شود که ۳.۴ میلیون هکتار از مناطق جنگلی در ایالت پارا بازسازی شود.

۷.استفاده از تراشه های AWS برای تقویت کارآمدتر هوش مصنوعی

آمازون همچنین با کارآمدتر کردن زیرساخت‌های ابری ما، از جمله با سرمایه‌گذاری در تراشه‌های AWS، پایداری هوش مصنوعی را بهبود می‌بخشد. AWS Trainium یک تراشه یادگیری ماشینی با کارایی بالا است که برای کاهش زمان و هزینه آموزش مدل‌های هوش مصنوعی مولد طراحی شده است و زمان آموزش را برای برخی مدل‌ها از ماه‌ها به ساعت‌ها کاهش می‌دهد. این بدان معناست که ساخت مدل‌های جدید به پول و قدرت کمتری نیاز دارد، با صرفه‌جویی در هزینه‌های بالقوه تا ۵۰ درصد و کاهش مصرف انرژی تا ۲۹ درصد در مقایسه با نمونه‌های مشابه.

تراشه‌های نسل دوم Trainium2 ما به گونه‌ای طراحی شده‌اند که تا چهار برابر سریع‌تر از تراشه‌های Trainium نسل اول آموزش ارائه دهند و در عین حال بهره‌وری انرژی را تا دو برابر بهبود بخشند. AWS Inferentia کم مصرف ترین تراشه استنتاج هوش مصنوعی ما است. شتاب‌دهنده هوش مصنوعی Inferentia2 ما تا ۵۰ درصد عملکرد بالاتر در هر وات ارائه می‌کند و می‌تواند هزینه‌ها را تا ۴۰ درصد در برابر نمونه‌های مشابه کاهش دهد.

اینها تنها چند نمونه هستند و موارد دیگر تقریباً در هر بخش از تجارت ما وجود دارد. آمازون به‌عنوان تحول‌گرایانه‌ترین فناوری زمان ما، انتظار دارد هوش مصنوعی بخش مهمی از کار ما برای ایجاد یک کسب‌وکار پایدارتر باشد و ما هیجان‌زده‌ایم که آنچه را که در آینده برای شرکت و مشتریان‌مان می‌آید به اشتراک بگذاریم. می توانید اخبار آمازون را در زاکولا دنبال کنید.