7 sposobów Amazon na wykorzystanie AI do budowania zrównoważonej przyszłości

Zmiana klimatu to obecnie jedno z największych wyzwań na świecie. W Amazon wiemy, że musimy działać szybko: wprowadzać innowacje oraz inwestować, aby bezustannie stawać się coraz bardziej zrównoważoną firmą. Sztuczna inteligencja (ang. Arificial Inteligence – AI) i uczenie maszynowe (ang. Machine Learning – ML) mogą pomóc nam osiągnąć cele klimatyczne tak szybko, jak wymaga tego od nas planeta. Poznaj niektóre ze sposobów Amazon na wykorzystanie sztucznej inteligencji (AI) w dążeniu do zrównoważonego rozwoju.

Od zmniejszania ilości odpadów opakowaniowych i marnowanej żywności, po wspomaganie efektywniejszej realizacji zamówień – Amazon już od dziesięcioleci wprowadza innowacje w zakresie sztucznej inteligencji i uczenia maszynowego. Poza oferowaniem klientom infrastruktury i produktów AI za pośrednictwem Amazon Web Services (AWS), popularyzujemy sztuczną inteligencję, aby nasi klienci i inne firmy mogły działać szybciej i w bardziej zrównoważony sposób.

Poznaj 7 naszych sposobów na wykorzystanie sztucznej inteligencji w dążeniu do realizacji naszych zobowiązań klimatycznych dotyczących osiągnięcia zerowej emisji dwutlenku węgla netto do 2040 r.

Packaging Decision Engine (mechanizm decyzyjny dotyczący opakowań) to model sztucznej inteligencji pomagający określić, jak najefektywniej zapakować do wysyłki miliony produktów dostępnych dla klientów Amazon. Analitycy danych wyszkolili model tak, aby uwzględniał różne parametry produktów, w tym ich kształt i wytrzymałość, oraz analizował opinie klientów na temat skuteczności poszczególnych sposobów pakowania. Od czasu wdrożenia tego modelu przez Amazon w 2019 r., podlega on stałemu uczeniu się. Dzięki tej – oraz innym innowacjom w zakresie opakowań - Amazon wyeliminował od 2015 r. na całym świecie ponad 2 mln ton materiałów opakowaniowych.

W coraz większej liczbie naszych centrów logistycznych wykorzystujemy technologię opartą na sztucznej inteligencji do wykrywania uszkodzonych towarów. Ma to na celu zmniejszenie liczby zwrotów. Jak to działa? Otóż, sztuczna inteligencja została przeszkolona w oparciu o analizę milionów zdjęć nieuszkodzonych i uszkodzonych przedmiotów. Co ciekawe - obecnie jest trzykrotnie skuteczniejsza w identyfikowaniu uszkodzonych produktów niż ludzie!

Jeśli dany przedmiot ma niedoskonałości lub wady, które nie pozwalają na jego wysyłkę do klienta, jest oceniany przez pracownika Amazon i kierowany do odsprzedaży w obniżonej cenie, przekazania w formie darowizny lub ponownego wykorzystania w inny sposób.

Coraz większa liczba zespołów Amazon Fresh korzysta z rozwiązań opartych na uczeniu maszynowym, aby zautomatyzować monitorowanie półek sklepowych z owocami i warzywami. To rozwiązanie oparte na sztucznej inteligencji analizuje zdjęcia skrzynek z produktami w celu wykrycia ich niedoskonałości wizualnych, jak pęknięcia czy inne uszkodzenia. Aby zapewnić recykling wadliwych produktów spożywczych zawsze, gdy jest to możliwe, Amazon Fresh odsprzedaje lokalnym dostawcom te nadające się jeszcze do spożycia. Z kolei oni sprzedają je po obniżonych cenach np. jako karmę dla zwierząt gospodarskich. Dzięki temu marnuje się znacznie mniej żywności.

Zmniejszenie liczby zwrotów prowadzi do bardziej zrównoważonych zakupów. W Amazon wprowadziliśmy kilka innowacji opartych na sztucznej inteligencji, dzięki którym nasi klienci zyskują wsparcie w kupowaniu odzieży i dodatków w odpowiednich rozmiarach. Innowacje obejmują spersonalizowane rekomendacje rozmiarów wykorzystujące sztuczną inteligencję i uczenie maszynowe, spersonalizowane opinie klientów noszących ten sam rozmiar oraz ulepszone tabele rozmiarów. W Amazon opracowaliśmy także narzędzie Fit Insights, aby pomóc markom i partnerom handlowym lepiej zrozumieć problemy klientów z właściwym dopasowaniem ubrań i dodatków.

Oszacowanie śladu węglowego milionów produktów Amazon stanowi duże wyzwanie. Zbadanie i obliczenie śladu węglowego nawet pojedynczego produktu może zająć nawet setki godzin. Aby temu sprostać, opracowaliśmy Flamingo – algorytm oparty na sztucznej inteligencji, który dopasowuje współczynnik wpływu na środowisko produktu (ang. Environmental Impact Factors – EIF) do oceny cyklu życia produktu. To powszechnie stosowana miara służąca do obliczania, jak konkretne produkty wpływają na emisję dwutlenku węgla.

Algorytm już teraz pomaga zespołowi Amazon w obliczaniu wpływu na środowisko wszystkiego - od bawełnianych koszulek sprzedawanych przez Amazon Private Brands, po marchewki sprzedawane przez Amazon Fresh. Przeprowadziliśmy również eksperyment, który pokazał, jak algorytm skrócił czas - z miesiąca do kilku godzin - poświęcany przez naukowców na mapowanie 15 000 produktów. Flamingo jest dostępne także dla innych firm, które mogą nam pomóc w realizacji celów związanych ze zrównoważonym rozwojem.

Udostępniamy sztuczną inteligencję, dzięki czemu inne firmy mogą ją wykorzystać do realizacji własnych celów w zakresie zrównoważonego rozwoju. Jedną z takich aktywności jest np. współpraca Amazon Web Services (AWS) z brazylijską organizacją non-profit w celu opracowania wielkoskalowego modelu sztucznej inteligencji monitorującego wylesianie. Umożliwiło to zautomatyzowanie monitorowania 20 mln hektarów obszarów leśnych. Jest to ważne, ponieważ szacuje się, że dzięki lepszemu monitorowaniu przywróconych zostanie aż 3,4 mln hektarów lasów w brazylijskim stanie Pará.

Zrównoważony rozwój sztucznej inteligencji jest dla nas również niezwykle istotny, dlatego, zwiększamy efektywność energetyczną naszej infrastruktury chmurowej, m.in. przez inwestycje w chipy AWS Trainium. To wysokowydajny układ do uczenia maszynowego, zaprojektowany w celu skrócenia czasu – w niektórych przypadkach nawet z miesięcy do godzin - i kosztów szkolenia generatywnych modeli AI. Oznacza to w efekcie, że budowanie nowych modeli pochłania mniej kosztów i mocy obliczeniowej, a tym samym energii. Potencjalne oszczędności finansowe sięgają nawet 50% i redukują zużycie energii do 29% w porównaniu z analogicznymi działaniami.

Trainium2, nasze chipy drugiej generacji, zostały z kolei zaprojektowane tak, aby zapewniać do czterech razy szybsze szkolenie niż chipy Trainium pierwszej generacji, nawet dwukrotnie poprawiając efektywność energetyczną.

Natomiast AWS Inferentia to nasz najbardziej energooszczędny układ wnioskowania AI. Nasz akcelerator AI Inferentia2 zapewnia do 50% wyższą wydajność na 1 wat i może obniżyć koszty nawet o 40% w porównaniu z analogicznymi produktami.

To tylko kilka przykładów z naprawdę wielu, które można znaleźć w niemal każdym aspekcie naszej działalności. W Amazon przewidujemy, że sztuczna inteligencja, jako najszybciej zmieniająca się technologia obecnych czasów, będzie coraz ważniejszą częścią naszej pracy nad budowaniem bardziej zrównoważonego biznesu. Chętnie dzielimy się tym samym informacjami o tym, co czeka nie tylko naszą firmę, ale też o tym, czego mogą spodziewać się nasi klienci.