هوش مصنوعی به کارمندان آمازون کمک می کند محصولات معیوب را قبل از ارسال شناسایی کنند

" محمد خان Mohammed Khan " دهه گذشته را در حوزه مراکز تأمین آمازون سپری کرده است و در ارسال محصولات از کتاب ‌ها تا قفسه‌ های کتاب به مشتریان کمک کرده . اکنون به عنوان معاون مدیر کل یک مرکز تأمین در تریسی، کالیفرنیا، او می ‌داند که چه چیزی برای انتخاب، مرتب کردن و بسته ‌بندی هزاران بسته در روز لازم است و خوب می ‌فهمد که چگونه اطمینان حاصل کند که محصولات بدون آسیب به مقصد برسند.

"وقتی به آمازون پیوستم، ابتدا محصولات را برای سفارشات مشتریان آماده می کردم و درک عملی از چیزهایی برای رساندن محصول مناسب به مشتریان دارم" – Mohammed Khan

خان توضیح داد که در حین روند مرکز پردازش سفارشات، تا پنج کارمند مختلف از یک بررسی بصری شش نقطه برای ارزیابی این موضوع که آیا محصول آسیب دیده است یا خیر، استفاده می ‌کنند. او گفت این وظیفه زمان ‌بر است و اغلب سخت به یاد داشته می شود، زیرا کارمندان به ندرت موارد آسیب دیده را در موجودی آمازون پیدا می ‌کنند.

این همان دلیلی است که تیمی از دانشمندان در فناوری تأمین آمازون در برلین - آلمان، برای کمک به خان و همکارانش در حال کوشش هستند. پژوهشگران در حال توسعه توانایی‌ های پیشرفته هوش مصنوعی (AI) هستند که می‌ توانند اختلالات را تشخیص دهند و محصولات معیوب را قبل از ارسال شناسایی کنند.

مانند ابزارهای پیشرفته دیگر هوش مصنوعی، تکنولوژی تشخیص آسیب به نرم‌ افزار و داده‌ های زیادی نیاز دارد. اما محصولات آسیب دیده کمیاب هستند. محدودیت داده‌ ها و مقیاس گسترده موجودی متنوع آمازون، تشخیص عیوب مبتنی بر هوش مصنوعی را تا کنون چالشی کرده ‌است. سال گذشته، تیم پژوهش تصمیم گرفت که تصاویر مرجع را به یک مدل یادگیری ماشین دهد تا به آن یاد بدهد که چگونه محصولی را که "اکنون میبیند" با تصویری از آنچه محصول باید به نظر بیاید، مقایسه کند. برای انجام این کار، آنها از " بینایی کامپیوتری -  computer vision " استفاده می ‌کنند تا هر آیتمی را که از انبار آنها خارج می ‌شود، بررسی کنند. سپس مدل یادگیری ماشین اسکن‌ ها را تحلیل کرده و الگوهای پنهان را کشف کرده و توانایی سیستم در تشخیص آسیب را بهبود می ‌دهد. استفاده از یادگیری ماشین و بینایی کامپیوتری توانایی هوش مصنوعی را در انجام نوعی تصمیمات ذهنی درباره شناسایی محصولات آسیب دیده مانند انسان، بالا میبرد .

"ما ابتدا شروع به آموزش دادن یادگیری ماشین خود کردیم که با نگاه به میلیون‌ ها تصویر مثال از محصولات آسیب دیده و بدون آسیب، مدل ذهنی از ظاهر هر کدام از محصولات ایجاد کند"، Jeremy Wyatt ، مدیر علوم کاربردی در رباتیک آمازون. 

"سپس، در عملیات، تصویری از آیتم خاص ' query ' و تصویر گالری قبلی از همان محصول را به مدل هوش مصنوعی نشان می ‌دهیم و آن تصاویر را مقایسه می‌ کند. این یکی از چندین رویکردی بود که ما برای بهبود بزرگ در عملکرد انجام دادیم."

Christoph Schwerdtfeger ، مدیر علم کاربردی در فناوری تأمین سفارشات آمازون، گفت که سیستم هوش مصنوعی سه برابر موثرتر از شناسایی دستی محصولات آسیب دیده است. به دلیل این موفقیت، برنامه‌ هایی برای انتقال این سیستم به مکان‌ های دیگر نیز در حال اجرا هستند.

"البته که، این فناوری تنها بر روی این وظیفه تمرکز دارد، در حالی که کارمندان بخش عملیات ما در طول روز کار های بیشتری انجام می دهند. ما قصد داریم استفاده از این فناوری را خارج از مکان ‌های آزمایشی‌ گسترش دهیم".

"ما قصد داریم در دوازده عملیات در امریکای شمالی و اروپا قبل از فصل تعطیلات، نرم‌ افزار تشخیص آسیب را در دسترس قرار دهیم. به این ترتیب این تکنولوژی، به بررسی آسیب محصولات در بیش از 40 میلیون محصول مشتری در ماه کمک خواهد کرد و این بخشی از روش‌ هایی است که ما اطمینان حاصل می‌ کنیم که مردم هدایای بدون آسیب در فصل تعطیلات دریافت کنند ".

با این که مدل یادگیری ماشین همچنان با افزایش مجموعه داده‌ های خود بهبود می‌ یابد، Schwerdtfeger سریع به این نکته اشاره کرد که واقعیت قدرت تکنولوژی و فناوری در این است که چگونه به انسان ‌ها کمک می‌ کند.

"این مدل‌ ها مفید هستند، اما گاهی اوقات فریب می ‌خورند"، وی افزود "اگر این اتفاق بیفتد، ما از کارمندان عملیات در شبکه تأمین آمازون بازخورد فوری می ‌گیریم. متخصصان آسیب ما به طور مستقیم به  هوش مصنوعی یاد می‌ دهند که چگونه در آینده تصمیمات بهتری بگیرد. این همکاری بین انسان ‌ها و ماشین‌ ها منجر به نتایج بهتری برای مشتریان ما می ‌شود."

محمد خان مشتاقانه منتظر است که ببیند این فناوری چگونه کارایی مراکز تأمین را بهبود می ‌بخشد.

"این ابزار توانایی بهبود وظایف و کمک به ما در مدیریت هزینه و زمان تحویل برای مشتریان را دارد"، او گفت. " این خیلی هیجان انگیز است چون این ابزار می‌ تواند به آزاد کردن تایم کارمندان عملیاتی در تمرکز بر وظایف و فعالیت‌ های اصلی دیگر، به ویژه مسئولیت ‌های مهم مانند ایمنی، کمک کند." علاوه بر نصب سیستم در مکان ‌های بیشتر، تیم فناوری تأمین آمازون قصد دارد میزان توانمندی سیستم را گسترش دهد.

"هنگامی که به آینده این فناوری نگاه می‌ کنیم، یکی از امکانات این است که آسیب محصولات را قبل از ارسال سفارشات بررسی کنیم "، وایات – Wyatt. "برای مثال، ممکن است بتوانیم تشخیص دهیم که آسیب چه زمانی و کجا رخ داده است."

با آمازون و هوش مصنوعی، آینده در شرایط بهتر از همیشه خواهد رسید.