生成式人工智能（生成式 AI）近期凭借文本摘要、撰写营销文案和编写代码等能力，引发了全球的关注。今天我想与大家分享，在围绕生成式 AI 的当前热潮之前很久，我们就已利用它来重新构想购物、娱乐和通行便利性的未来。
我和我的团队致力于为客户打造宛如魔法般的体验。Amazon One 融合了尖端生物识别技术、光学工程、生成式 AI 和机器学习，完美契合了这一愿景。
Amazon One 是一种快速、便捷且无接触的体验，使顾客可以不用携带钱包（甚至手机）。他们只需使用手掌即可完成日常活动，如在商店付款、出示会员卡、验证年龄或进入场所。
然而，Amazon One 体验的神奇与便捷掩盖了我们需要解决的复杂问题。Amazon One 的核心要点很简单：系统绝不能出错。
生成式 AI 的用武之地
在我数十年研究、教学、构建和训练深度学习模型的经历中，我学到了一件事：要实现高准确性，系统需要大量优质数据。但上一次你看到人类手掌的图片是什么时候？这让我们陷入了困境：在仅拥有少量手掌数据的情况下，我们如何训练一个对准确性要求极高的系统？
于是我们决定使用生成式 AI。生成式 AI 是传统机器学习的子集，由基于书籍、文章、图片及其他来源中数十亿数据点训练的模型驱动。其中包括像 ChatGPT 这样的大型语言模型（LLM），以及在文本、图像、视频和声音等多模态输入上训练的“多模态”模型。我们利用生成式 AI 创建了一个“手掌工厂”——生产数百万张合成手掌图像——以训练我们的 AI 模型。
这种计算机生成信息的行业术语是“合成数据”，即由 AI 创建的新数据，旨在尽可能真实地复制现实数据的广度和多样性。这项开创性工作发生在当前生成式 AI 热潮席卷全球对话之前多年。
合成数据提升了 Amazon One 的准确性
通过对数百万张合成生成的手掌及皮下血管图像进行训练，Amazon One 提升了系统的准确性。起初，系统能够快速生成反映各种细微变化的手部图像，例如不同的光照条件、手部姿势，甚至包括创可贴的存在。不仅如此，这些图像还自动进行了“标注”，而这一过程通常漫长且繁琐。这节省了时间并加快了我们的开发进度，因为我们无需手动标记图片并告诉计算机它正在识别的是掌纹、疤痕还是婚戒。
我们还训练系统检测并拒绝假手，例如高度逼真的硅胶手掌复制品。Amazon One 已使用超过 300 万次，准确率达到 99.9999%。结合手掌表面和皮下图像，我们构建的系统比双虹膜识别准确率高出 100 倍。
通过利用生成式 AI 和合成数据，我们解决了一个远比用面部解锁智能手机更复杂的问题。这是因为当你的脸出现在手机上时，设备已经知道你是谁，只需验证身份即可。我们称之为“一对一映射”。而在 Amazon One 中，当你将手放在扫描仪上时，我们并不知道你是谁。我们需要从其他人中快速识别出你。如果你未注册，我们还需要能够明确告知你不在系统中。Amazon One 实现了这一点，并且做得更多。
我们已经将 Amazon One 的应用场景从支付扩展到忠诚度关联和年龄验证——请参阅我们与以下客户合作的案例：Panera和Coors Field。
Amazon One 的设计也注重保护客户隐私——该系统工作在正常光谱之外，无法准确判断性别或肤色。此外，Amazon One 不使用手掌信息来识别人，仅用于将唯一身份与支付工具匹配。
Amazon One 仍处于早期阶段，我期待看到其全部潜力惠及更多企业和消费者。
了解更多关于Amazon One的信息，并查找附近的 Amazon One 位置在您附近。