亚马逊如何利用人工智能以更少的包装交付客户订单

在亚马逊销售的数亿件商品中，从露营帐篷到假日毛衣，送到顾客家门口的盒子或邮件很可能是由人工智能(AI)亲手挑选的。

包决策引擎，一个人工智能模型 亚马逊设计和建造 ，能够为它所了解的每件商品确定最有效的包装类型，从而帮助减少纸箱、气垫、胶带和用于向客户发送商品的邮寄器的数量。这个模型是公司的一个重要例子 利用人工智能来更快地实现其可持续发展目标 ，同时也有助于减少包装，提高运输效率，并确保产品在运输过程中受到保护。连同其他 包装创新 在美国，这种模式帮助了亚马逊 避免使用超过200万吨的包装材料 自2015年以来全球范围内。

这个多模式人工智能模型建立在亚马逊网络服务(AWS)云上，可以预测毯子等更耐用的产品何时不需要保护性包装，或者餐盘等可能易损坏的物品何时需要学习盒。它结合了深度机器学习、自然语言处理和计算机视觉，并不断学习亚马逊不断发展的包装选择。据亚马逊的科学家称，它的决策在经验上是准确的，这意味着它在大多数情况下都能预测到最有效的包裹选择。

减少包装垃圾是亚马逊成为一家更可持续发展的公司的目标的重要组成部分，但选择最有效、最优数量的包装，既能减少浪费，又能保护产品，可能是一项挑战。此外，亚马逊的产品目录有数亿种商品，而且除了在全球范围内提供特定地区和国家的产品外，还在不断增长和变化。

在使用人工智能之前，亚马逊的同事对单个产品进行物理测试，以确定如何优化包装，但仅靠人类的努力是不可能实现可持续发展的。打包决策引擎帮助部分工作实现了自动化，使亚马逊的员工能够专注于解决其他可持续性挑战。

亚马逊包装创新团队的技术产品高级经理凯拉·芬顿(Kayla Fenton)说:“我们希望能够快速确定每种产品最有效的包装选择，同时预测每种产品的运输安全程度。”该团队包括研究科学家和技术项目经理。“通过包装决策引擎使用人工智能使我们能够快速大规模地提高包装效率，而且效果非常好，我们正在亚马逊更广泛的全球范围内实施这项技术。”

包决策引擎流程包括多个步骤来收集关于每个项目的信息。当一件商品第一次到达亚马逊配送中心时，它会在计算机视觉通道中拍照，该通道确定产品的尺寸，发现缺陷，并捕获产品的多幅图像。这也允许模型检测是否有一个袋子或盒子周围的项目，或检测暴露的玻璃的存在。

该模型还使用自然语言处理，并利用来自每个项目的基于文本的数据，例如项目的名称、描述、价格和包装尺寸。它还通过亚马逊的在线退货中心、产品评论和其他客户反馈渠道，近乎实时地收集客户反馈信息。

在编译信息之后，该模型产生一个分数，预测使用的最佳包装类型。包装选择被模型记住，并用于了解未来的包装需求。

亚马逊的科学家们训练了人工智能模型，向它展示了数百万个产品的例子，这些产品都是用各种包装成功交付的，没有损坏。他们还展示了到达时受损的产品，以及每种情况下使用的关键词和包装类型。

因此，该模型了解到，在做出包装决策时，某些关键字是重要的。例如，一个垫垫有限的邮件可能无法充分保护描述中有“杂货”、“屏幕”或“石器”字样的物品，因此模型会推荐一个更坚固的选择，比如盒子。该模型还了解到，“多装”、“袋子”、“收缩”和“包装”等关键词也与邮件中的低损失率有关，并表明该产品可能已经有保护性包装，不需要额外的保护。

该模型工作得非常好，包装创新团队正在通过培训它在全球范围内的部署来扩大它的使用。这包括让它接触新的语言、独特的包装类型和在不同国家销售的商品。该模式已经在北美和欧洲的物流中心得到广泛应用，印度、澳大利亚和日本的其他地区也在推出相关组件。

包装决策引擎是亚马逊利用人工智能创新来实现可持续发展、包装和减少浪费目标的众多方式之一。

了解更多关于 亚马逊的人工智能和可持续发展努力 ．