Bộ não của người khổng lồ Amazon

Bộ não của người khổng lồ Amazon

Ngô Ngọc Châu

Ảnh: spindox.it.Amazon đã thống lĩnh ngành mua sắm trực tuyến và điện toán đám mây nhờ vận dụng AI như thế nào?

Hầu như không ai không biết đến các bản ghi nhớ dài dằng dặc tới 6 trang của Amazon. Các nhà điều hành tại tập đoàn thương mại điện tử này năm nào cũng đều phải viết một bản ghi nhớ như thế, trong đó trình bày kế hoạch kinh doanh của họ. Nhưng điều ít ai biết là họ phải luôn trả lời một câu hỏi: Anh/chị tính toán sử dụng máy học như thế nào? Những câu trả lời đại loại như “Không nhiều” là không được “khuyến khích”, theo các nhà quản lý tại Amazon.

Máy học là một dạng trí tuệ nhân tạo (AI), khai thác dữ liệu để tìm ra những quy luật từ đó đưa ra các dự đoán. Máy học đã bám rễ ở Amazon từ năm 1999 khi Jeff Wilke gia nhập Công ty. Wilke, hiện là phó tướng đắc lực của Jeff Bezos, đã lập ra một nhóm nhà khoa học có nhiệm vụ nghiên cứu các quy trình nội bộ của Amazon để cải thiện tính hiệu quả. Ông đã “cài” nhóm nghiên cứu của mình vào các bộ phận kinh doanh trong Amazon, chuyển đổi một chu trình tự đánh giá và cải thiện thành một chu trình được mặc định. Không lâu sau đó, chu trình này đã được can thiệp bởi các thuật toán máy học. Thuật toán đầu tiên đã đề xuất các cuốn sách mà khách hàng có thể hứng thú. Khi tham vọng của Jeff Bezos ngày càng bành trướng, những thông tin được phân tích sâu nhờ máy học lại càng trở nên quan trọng.

Tuy nhiên, trong khi các đối thủ công nghệ của Amazon luôn khoe khoang năng lực AI bất cứ khi nào có cơ hội (như phần mềm nhận diện khuôn mặt của Facebook, trợ lý ảo Siri của Apple, hay xe không người lái và “chuyên gia” chơi cơ vây của Alphabet) thì Amazon lại khá điệu thấp trong việc ứng dụng máy học.

Có thể thấy Alexa của Amazon hoàn toàn cạnh tranh được với Siri và Công ty cung cấp dịch vụ dự đoán trong nền tảng đám mây của mình. Nhưng các thuật toán quan trọng nhất đối với thành công của Amazon lại là những thuật toán mà Công ty sử dụng để không ngừng tinh gọn hoạt động trong nội bộ.

Hãy nhìn sang các trung tâm hoàn thiện đơn hàng của Amazon. Những kho hàng khổng lồ này (Amazon có hơn 100 kho hàng tại Bắc Mỹ và khoảng 60 kho hàng khác trên thế giới) là trái tim của bộ phận mua sắm trực tuyến 207 tỉ USD của Công ty. Chúng có nhiệm vụ lưu trữ và phân phối hàng hóa mà Amazon bán ra. Bên trong một kho hàng ở ngoại ô Seattle, Mỹ, các kiện hàng chầm chậm chạy khắp băng chuyền, âm thanh thì đinh tai nhức óc nhưng kho hàng này gần như không một bóng người.

Thay vào đó, bên trong một khu vực có hàng rào với diện tích bằng một sân bóng đá là hàng ngàn giá hàng có hình khối màu vàng, mỗi khối giá cao tới 1,8m. Hàng trăm robot xê dịch những khối giá hàng này ra khỏi các dãy hàng ngay ngắn rồi xếp vào trở lại, trượt xuống bên dưới các khối giá này, rồi kéo chúng đi vòng quanh kho hàng. Dưới con mắt thường, kem đánh răng, sách và vớ… có vẻ như được sắp xếp ngẫu nhiên trên giá, nhưng dưới “lăng kính” của các thuật toán hướng dẫn quy trình này thì tất cả đều có mục đích.

Các công nhân ở đây là con người, điều khiển các trạm ngay hàng rào vây quanh “khu vực chỉ toàn robot” này. Một số lấy hàng ra từ các khối giá do robot mang đến, những người khác thì để món hàng vào các khối giá trống, được robot mang đi và lưu kho. Bất cứ khi nào lấy hàng ra hoặc để vào kệ một món hàng, họ đều sử dụng thiết bị quét mã vạch để quét qua món hàng và khối giá để món hàng đó sao cho phần mềm có thể theo dõi tình trạng của các món hàng.

Người phụ trách phát triển các thuật toán này là Brad Porter, Giám đốc Robot của Amazon. Nhóm của ông là lực lượng tối ưu hóa của Wilke để hỗ trợ cho các trung tâm hoàn thiện đơn hàng. Porter quan tâm đến khoảng thời gian trống giữa các khối giá để hàng, tức là khoảng thời gian mà nhân viên phải chờ đợi trước khi một con robot kéo một khối giá đến chỗ của họ. Nếu thời gian trống được rút ngắn nghĩa là nhân viên có ít thời gian “ngồi không” hơn và dòng chảy hàng hóa sẽ nhanh hơn khi được vận chuyển lòng vòng quanh kho hàng và tốc độ phân phối hàng của Amazon đến tay người tiêu dùng sẽ nhanh hơn. Nhóm của Porter không ngừng thử nghiệm các sáng kiến tối ưu mới, nhưng lại tung ra với sự thận trọng. Bởi nếu xảy ra tắc nghẽn trong “khu vực robot”, có thể sẽ là thảm họa đối với Amazon.

Amazon Web Services (AWS) là một mảnh ghép khác của hạ tầng lõi này. Nó là xương sống của mảng điện toán đám mây 26 tỉ USD của Công ty, vốn cho phép các doanh nghiệp chạy trang web và các ứng dụng mà không cần sở hữu máy chủ của riêng mình. AWS chủ yếu ứng dụng máy học vào việc dự đoán nhu cầu điện toán. Điều này vô cùng quan trọng, bởi năng lực máy tính sẽ không đủ khi người dùng internet đổ xô vào một dịch vụ của một khách hàng, có thể gây ra các lỗi trên website và làm thất thoát doanh số bán khi người sử dụng vào các trang web báo lỗi.

Vì thế, nhóm của Andy Jassy, đứng đầu AWS, sẽ phân tích dữ liệu khách hàng để đảm bảo lúc nào cũng có đủ năng lực máy tính cho tất cả. Amazon không thể thấy được những thông tin gì có trên máy chủ, nhưng có thể theo dõi được lưu lượng mà các khách hàng sử dụng, thời gian kết nối bao lâu và kết nối ổn định như thế nào. Cũng giống như trong các trung tâm hoàn thiện đơn hàng, những siêu dữ liệu này cung cấp thông tin cho các mô hình máy học, để dự đoán khi nào và nơi nào AWS thấy có nhu cầu.

Một trong những khách hàng lớn nhất của AWS chính là Amazon. Và một điều chính yếu mà các bộ phận khác của Amazon cần là các dự đoán. Nhu cầu cao đến nỗi AWS đã thiết kế một con chip mới gọi là Inferentia để xử lý trọng trách này. Jassy cho biết Inferentia sẽ tiết kiệm tiền của Amazon trên tất cả các nhiệm vụ máy học mà Công ty cần. “Chúng tôi tin rằng nó (chip Inferentia) ít nhất có thể cải thiện chi phí và tính hiệu quả”, ông nói.

Chuyến phiêu lưu thuật toán mới nhất của Amazon là Amazon Go, một loại hình cửa hàng không có quầy thu ngân. Một dãy gồm hàng trăm camera theo dõi người đi mua sắm từ trên cao, chuyển đổi dữ liệu thị giác thành một hồ sơ 3D được sử dụng để theo dõi các bàn tay và cánh tay khi khách cầm lên một sản phẩm. Hệ thống nhìn thấy các món hàng mà người mua sắm chọn và gửi hóa đơn thanh toán vào tài khoản Amazon của họ khi họ rời cửa hàng.

Dilip Kumar, đứng đầu Amazon Go, nhấn mạnh hệ thống này theo dõi cử động cơ thể của người đi mua hàng. Nó không dùng công nghệ nhận diện khuôn mặt để nhận diện các khách hàng mua sắm và kết nối họ với tài khoản Amazon của bản thân. Thay vào đó, việc nhận diện được thực hiện bằng việc quét mã vạch tại cửa ra vào.

Theo dõi động tác cơ thể dựa trên AI cũng đang được áp dụng bên trong các trung tâm hoàn thiện đơn hàng. Amazon có một dự án thử nghiệm, trong nội bộ gọi là hệ thống Nike Intent Detection, với nhiệm vụ hỗ trợ các nhân viên làm tại các trung tâm hoàn thiện đơn hàng giống như cách Amazon Go hỗ trợ việc mua sắm của người tiêu dùng: hệ thống theo dõi xem robot lấy gì và đặt gì trên các khối giá hàng. Ý tưởng của Amazon là bỏ luôn cả thiết bị quét mã vạch cầm tay. Công việc quét mã vạch bằng tay như vậy rất mất thời gian và là một phiền toái đối với các nhân viên. Một điều lý tưởng là họ có thể đặt các món hàng lên bất kỳ kệ nào mình thích trong khi hệ thống theo dõi. Mục tiêu là nâng cao tính hiệu quả, tối đa hóa tốc độ lưu thông của các món hàng.

Cách Amazon thu thập dữ liệu đã giúp Công ty ít nhiều không bị săm soi như Facebook và Google gần đây đã vấp phải từ phía chính phủ các nước. Amazon thu thập và xử lý dữ liệu khách hàng với mục đích duy nhất là cải thiện trải nghiệm của khách hàng. Amazon không hề hoạt động trong một “vùng xám” nào giữa việc thỏa mãn người sử dụng và khách hàng của nó. Khách hàng và người dùng thường là 2 đối tượng khu biệt: người sử dụng lên mạng xã hội, hoặc lên web tìm kiếm thông tin hoàn toàn miễn phí là bởi vì các nhà quảng cáo đã trả tiền cho Facebook và Google để được tiếp cận người sử dụng. Còn đối với Amazon, người sử dụng và khách hàng gần như là một.

Tuy nhiên, một vấn đề mà các nhà chức trách đang quan ngại là sự thống trị của Amazon trong mảng cốt lõi là mua sắm trực tuyến và điện toán đám mây. Năng lực này của Amazon đã được xây dựng nhờ trên máy học và không hề cho thấy dấu hiệu suy yếu nào, nếu không nói là ngược lại.

Theo The Economist