亚马逊机器学习大会：科学家如何交流创新
想了解更多关于我们在亚马逊广告的工作和团队成员的故事，请返回至职业生涯首页。
每年，来自亚马逊各部门的 1440 多名科学家、工程师和产品经理齐聚一堂，在我们内部的亚马逊机器学习大会 (AMLC) 上，探讨从人工智能 (AI) 伦理到推荐模型特性等方方面面的问题。
学术社群
“这感觉就像一场真正的学术大会，”亚马逊广告高级应用科学家 Neeti Narayan 说道。“这里有论文、海报、主题演讲，但让 AMLC 与众不同的是参会者的构成。参会的不只是科学家，还有工程师、产品经理、来自各业务领域的数据科学家。协作氛围非常浓厚。”
Neeti Narayan，亚马逊广告高级应用科学家
Neeti 在布法罗大学（纽约州立大学）完成深度学习博士学位后，加入亚马逊已有近四年时间， 此前她还在一家大型科技公司从事了三年的自然语言处理工作。她的日常工作包括开发 AI 驱动的解决方案，将广告主的需求映射到上下文相关的网页上，优化企业通过亚马逊广告和产品推荐来触达顾客的方式。在幕后，这意味着训练大型语言模型以理解网页上下文和产品相关性，将非结构化文本转化为可操作的信号。
这种理论与实践的结合正是 Neeti 全力支持 AMLC 的原因。她评审并发表了论文，甚至还组织了关于生成式 AI 在广告中应用的研讨会。“我热爱学术工作，”她说。“撰写研究论文，与更广泛的受众分享，获取反馈，这不仅仅是为了记录你的工作，更是为了改进它。而 AMLC 正好提供了这样的机会。”
思想交流
对于高级研究科学家 Martin Radfar 来说，AMLC 同样令人兴奋。Martin 已在亚马逊工作了六年。起初，他投身于 Alexa 的 AI 研究工作，后来转岗至亚马逊广告部门，专注于图像和视频处理领域的探索。他的发表工作成果丰硕，在业界知名 AI 大会上发表了 16 篇外部论文，但他仍然认为亚马逊的内部大会很有价值。
Martin Radfar，亚马逊广告高级研究科学家
“2024 年，我的论文被选中在大会上进行口头报告，”Martin 解释道。“只有大约 10% 的论文能获此殊荣，所以这真的是一种荣幸。之后，其他团队的成员过来找到我，对我说：‘我们打算采用你模型中的一部分内容。’ 能帮助其他团队推进工作，这非常令人兴奋。后来我发现，我的论文是整个会议上下载量第二多的。”
Martin 的研究重点是广告的版本调整，即利用创意素材，并自动将其转换到不同网站上。“每个广告都有产品、标志、文字等组成部分。不同平台需要不同的格式，”他补充道。“我们建立了一个系统，可以分割、重新排列，甚至生成新的背景。这意味着广告主只需点击一下，就能完成以前需要整个设计团队才能完成的工作。”
协作文化
AMLC 的吸引力部分在于其学术性，部分在于其社交性。对 Neeti 来说，一篇关于产品评论的论文让她印象深刻。“在模型投入生产之前，我评审了这篇论文，它探讨了如何使用大型语言模型生成数千条评论的摘要，”她回忆道。“后来我们在自己的一个项目中也使用了他们的数据集。这种协作只有在 AMLC 上才能实现。”
Martin 也有类似的经历。他团队开发的一个用于检测图像中安全区域以叠加文本的模型，引起了另一组科学家的注意，他们随后将其融入了自己的工作流程中。“这打开了新的大门，”他说。“在旁人尚未察觉到你工作的潜在价值之前，你自己往往也意识不到，原来它有着更为广泛的应用场景。”
为科学家投资
自 2013 年起，亚马逊便持续举办 AMLC。2024 年，共有 918 篇投稿，其中 89 篇进行了口头报告，190 篇进行了海报展示。这些数字很大，但其影响与其说在于规模，不如说在于连接。根据会后调查，89% 的参会者离开时感觉与亚马逊的科学社群更加紧密相连，这表明 AMLC 十多年来一直培育着繁荣的科学文化。
这种归属感至关重要，特别是在像亚马逊这般规模庞大的企业当中。“日常工作中，你往往只专注于自己团队的任务和既定的截止日期，”Neeti 说。“但 AMLC 会让你真切地意识到，自己其实是宏大事业中不可或缺的一部分。然而，突然有一天，你发现自己与来自 Alexa 或 AWS 部门的同事坐在一起，这时才意识到，原来大家都在从不同的角度着手解决类似的问题。”
与外部会议的比较是不可避免的，也是有意为之。“我参加过大型的外部机器学习大会，”Neeti 继续说道。“说实话，AMLC 上的论文质量与之不相上下。不同的是，在这里你还能看到所呈现想法的即时应用。而且你能遇到能帮助你将这些想法应用到自己工作中的人。”
Martin 对此表示赞同，尽管他很快指出，该领域的发展速度正在改变研究的分享方式。“如今，许多大型科技公司对外发表的论文越来越少。数据隐私、知识产权等问题减缓了这一进程。但在 AMLC 上，你可以快速分享工作，并对你的社群产生积极影响。”
在亚马逊，引领科学未来之变革
AMLC 也是该领域发展方向的一个风向标。去年的主题演讲嘉宾包括斯坦福大学教授、AI 先驱吴恩达 (Andrew Ng)，他谈论了多智能体系统，这也是 Martin 曾介绍过的一个主题。“我刚谈过多智能体 AI ，”他笑道，“然后吴恩达就在台上说这是 AI 研究领域的未来。那真是个美好的时刻。”
对 Neeti 来说，灵感更多来自于发现的惊人速度。“生成式 AI 的发展速度如此之快，以至于很难跟上，”她说。“团队每周都会推出新工具。这激励着我们以更宏大的视角来审视广告业务，深入思考如何精心策划广告活动，以及产品在亚马逊生成式 AI 购物助手 Rufus 中该以何种方式呈现。你在 AMLC 上接触到这些理念时，思绪便会不由自主地飘向未来，开始尽情畅想。”
两位科学家都迫切想要说明：训练大型模型、精心调校参数、不断迭代优化直至模型顺利运行，这一过程可谓费尽心力。不过，AMLC 有助于为这项工作赋予更宏大的意义，提供更广阔的视野。Neeti 说道：“你为一个项目埋头苦干数月之久，“之后将它呈现在数千位同事面前，倾听他们提出的问题、分享的想法，这整个过程真的让人充满干劲。”
Martin 表示赞同，“作为科学家，我们总是在好奇心和影响力之间寻求平衡。而 AMLC 正是这两者的交汇点。”
突破广告壁垒
“我们站在创新的最前沿。”Alexis 说。作为顾问团队的一员，而非传统的销售人员，Alexis 能够帮助客户解决实际的业务难题。“当客户带着问题找上我们时，我们会从问题出发，反向推导，寻找创新的解决方案。”
但这不仅仅关乎技术；Alexis 强调了亚马逊赢得信任和主人翁精神这种文化的重要性。“我可以按照自己的方式来管理业务。”她说，“我的上级不会事无巨细地干预，但在我需要帮助时一定在场。这种信任使我能够创造性地思考并迅速采取行动。”
她的创新方法获得了认可。她最近帮助广告主投放的一项广告活动因在执行方面展现出对广告创意的全新诠释，获得了 WPP 的全球认可奖。