生成式人工智能（Generative AI）最近凭借总结文本、撰写营销材料和编写代码等壮举吸引了全世界的想象力。今天，我想告诉您，早在当前围绕生成式人工智能的热议之前，我们如何利用它来重新构想购物、娱乐和访问便利的未来。我和我的团队喜欢为客户打造感觉像魔法一样的体验。Amazon One 结合了尖端的生物识别技术、光学工程、生成式人工智能和机器学习，完全符合这一要求。关于 Amazon One，您可能不知道的 5 大事实Amazon One 旨在提供最高级别的客户隐私和数据安全。Amazon One 是一种快速、方便和非接触式的体验，使客户能够将钱包（甚至手机）留在家中。相反，他们可以使用手掌进行日常活动，例如在商店付款、出示会员卡、验证年龄或进入场地。目前，Amazon One 正在 500 多家 Whole Foods Market 商店和数十个第三方地点推出，包括旅游零售商、体育和娱乐场所、便利店和杂货店。在每个位置，您都会看到一个小型 Amazon One 设备（一种使用红外光的扫描仪），用于识别手掌上独特的线条、凹槽和脊，以及皮肤下脉动的静脉网络。系统使用此信息创建您的手掌签名或唯一的数字矢量表示，并将其连接到您的信用卡或亚马逊账户。但 Amazon One 体验的魔力和易用性掩盖了我们必须解决的问题的复杂性。Amazon One 归结为一个简单的点：系统不会出错。生成式 AI 的用武之地在我研究、教学、构建和训练深度学习模型的几十年里，我学到了一件事：为了高度准确，系统需要大量优质数据。但你最后一次看到人手掌的图像是什么时候？这让我们陷入了困境：当我们只有少量手掌数据时，我们将如何训练一个准确性至关重要的系统？就在那时，我们决定使用生成式 AI。生成式 AI 是传统机器学习的一个子集，由基于来自书籍、文章、图片和其他来源的数十亿个数据点训练的模型提供支持。其中包括 ChatGPT 等大型语言模型 （LLM） 以及根据文本、图像、视频和声音等输入进行训练的“多模态”模型。我们使用生成式 AI 创建了一个“棕榈工厂”——生成数百万张手掌合成图像——来训练我们的 AI 模型。这种计算机生成信息的行业术语是“合成数据”，这是人工智能创建的新数据，以尽可能地复制真实数据的广度和多样性。这是在当前生成式人工智能热潮开始主导全球对话之前几年就发生的开创性工作。合成数据提高了 Amazon One 的准确性在数百万张合成生成的手掌和下方血管图像上训练 Amazon One，使我们能够提高系统的准确性。首先，它很快就生成了反映无数细微变化的手，例如不同的照明条件、手部姿势，甚至创可贴的存在。但这还不是全部。这些图像也会自动“注释”，这通常是一个漫长而费力的过程。这节省了时间，让我们行动得更快，因为我们不必给图片贴上标签，也不必告诉电脑它正在查看你手掌的图案线、疤痕或结婚戒指。我们还训练了我们的系统来检测假手，例如高度详细的硅手复制品，并拒绝它们。Amazon One 已被使用超过 300 万次，准确率为 99.9999%。手掌表面和皮下图像的结合使我们能够构建一个比两个虹膜准确 100 倍的系统。为什么这位 AWS 副总裁认为生成式 AI 有潜力改变我们的生活对于我们这些不是数据科学家的人来说，生成式 AI 的工作原理。通过利用生成式人工智能和合成数据，我们能够解决一个比使用面部解锁智能手机更困难的问题。那是因为如果你的脸在你的手机上，它已经知道你是谁，只是验证它是你。我们称之为一对一映射。使用 Amazon One，当您将手放在扫描仪上时，我们不知道您是谁。我们需要从其他人中识别出你，并且要快。如果你没有注册，我们还需要能够说，你不在系统中。Amazon One 可以做到这一点，甚至更多。我们已经将 Amazon One 的应用范围从支付扩展到忠诚度链接和年龄验证——阅读我们与 Panera 和 Coors Field 等客户的合作。Amazon One 还旨在保护客户隐私——该系统的运行超出了正常光谱，无法准确感知性别或肤色。Amazon One 也不使用手掌信息来识别一个人，只是将唯一身份与支付工具进行匹配。从我的博客中
