Blog
Amazon One：用手掌開啟未來支付，生成AI助力打造百分之九十九萬九的準確性
Amazon One：用手掌開啟未來支付，生成AI助力打造百分之九十九萬九的準確性
September 5, 2023
重點摘要：
新聞內文：
無需錢包、手機都無所謂。一個神經網路從數百萬人工手的圖像中學習，實現的準確性超過掃描兩個虹膜。
生成人工智慧（生成AI）最近透過摘要文本、撰寫營銷題材和編寫代碼等成就引起了世界的想像力。今天我們想告訴您，在當前關於生成AI的爭議持續了好一段時間，但我們如何利用它來重新想像購物、娛樂和訪問便利的未來。
我和我的團隊喜歡為使用者建立像魔術般的體驗。Amazon One結合了尖端的生物識別、光學工程、生成AI和機器學習，完美地符合了這一要求。
Amazon One是一種快速、方便且無接觸的體驗，使客戶可以將錢包（甚至手機）留在家中。他們可以使用手掌進行日常活動，如在商店支付、展示會員卡、驗證年齡或進入場所。
目前，Amazon One正在推出到500多家Whole Foods Market商店和幾十家第三方位置，包括旅行零售商、體育和娛樂場館、便利店和雜貨店。在每個位置，您都會看到一個小型的Amazon One設備，一種使用紅外線光的掃描儀，用於識別您手掌上獨特的線條、凹槽和皺褶，以及皮膚下面的脈管的跳動網路。系統使用此訊息創建您的手掌簽名，或者是獨特的數字向量表示，並將其與您的信用卡或亞馬遜帳戶結合。
但是，Amazon One體驗的魔力和便利性掩蓋了我們必須解決的複雜性問題。Amazon One的結論為一個簡單的觀點：系統不能出錯。
生成AI的應用
在我花了數十年的時間研究、教學、架構和訓練深度學習模型之後，我學到了一件事情：要高度精確，則系統需要大量優質的數據。但您上次見過人類手掌的圖像是什麼時候？這使我們陷入了困境：當我們只有少量的手掌數據時，我們將如何訓練一個精度至上的系統？
那時我們決定使用生成AI。生成AI是傳統機器學習的一個子集，從書籍、文章、圖片和其他來源中的數十億個數據點訓練的模型提供支持。這些包括像ChatGPT這樣的大型語言模型（LLMs），以及「多模態」模型，這些模型接受來自文本、圖像、影片和聲音等輸入。我們使用生成AI創造了一個「手掌工廠」，生產數百萬個合成手掌圖像，以訓練我們的AI模型。
這種計算機生成的資訊在行業術語是「合成數據」，是由AI創造的新數據，以盡可能接近實際數據的廣度和多樣性。這是關於當前主宰全球的AI開始之前幾年左右進行的先驅性工作。
合成數據提高了Amazon One的準確性
將Amazon One訓練成數百萬個合成的手掌圖像使我們能夠提高系統的準確性。首先，它快速生成了反映各種微妙變化的手，比如不同的照明條件、手的姿勢，甚至是一個OK繃的存在，但這還不是全部。圖像還自動「標註」，這通常是一個冗長和繁瑣的過程。這節省了時間，使我們能夠更快地移動，因為我們不必標記圖片，也不必告訴計算機它正在看您的手掌的圖案線條、疤痕還是婚戒。
我們還訓練了我們的系統來檢測假手，例如高度詳細的矽膠手複製品，並拒絕它們。Amazon One已經被使用了超過300萬次，準確率達到了99.9999%。手掌表面和皮膚下的影像結合使我們能夠建立一個比兩個虹膜準確性還高100倍的系統。
透過利用生成AI和合成數據，我們能夠解決一個比使用臉部解鎖智慧手機更困難的問題。這是因為如果您的面孔在您的手機上，它已經知道您是誰，只需驗證它是您。我們稱之為「一對一的映射」。對於Amazon One，當您將手放在掃描器上時，我們不知道您是誰。我們需要從其他人中識別您，並且需要快速完成。如果您尚未註冊，我們還需要能夠說，您不在系統中。 Amazon One可以做到這一點，並且更多。
我們已經將Amazon One的應用擴展到支付以外的領域，包括會員連結和年齡驗證。同時，Amazon One也被設計用於保護客戶隱私，該系統在正常光譜之外運行，無法準確感知性別或膚色。Amazon One也不會使用手掌訊息來識別個人，只會將獨特的身份與支付工具匹配。
新聞內文： https://www.aboutamazon.com/news/retail/generative-ai-trains-amazon-one-palm-scanning-technology?ref=futurepedia
- Amazon One是一種新型生物識別技術，結合了生成AI和機器學習，允許使用者僅用手掌完成支付、會員卡展示和年齡驗證等日常活動。
- 這項技術使用生成AI創造了數百萬個合成手掌圖像來訓練其模型，達到了極高的準確性，甚至超過了雙虹膜掃描。
- Amazon One已經在超過500家Whole Foods Market和其他第三方場所部署，並且設計了多種隱私保護措施，包括不識別性別或膚色。
新聞內文：
無需錢包、手機都無所謂。一個神經網路從數百萬人工手的圖像中學習，實現的準確性超過掃描兩個虹膜。
生成人工智慧（生成AI）最近透過摘要文本、撰寫營銷題材和編寫代碼等成就引起了世界的想像力。今天我們想告訴您，在當前關於生成AI的爭議持續了好一段時間，但我們如何利用它來重新想像購物、娛樂和訪問便利的未來。
我和我的團隊喜歡為使用者建立像魔術般的體驗。Amazon One結合了尖端的生物識別、光學工程、生成AI和機器學習，完美地符合了這一要求。
Amazon One是一種快速、方便且無接觸的體驗，使客戶可以將錢包（甚至手機）留在家中。他們可以使用手掌進行日常活動，如在商店支付、展示會員卡、驗證年齡或進入場所。
目前，Amazon One正在推出到500多家Whole Foods Market商店和幾十家第三方位置，包括旅行零售商、體育和娛樂場館、便利店和雜貨店。在每個位置，您都會看到一個小型的Amazon One設備，一種使用紅外線光的掃描儀，用於識別您手掌上獨特的線條、凹槽和皺褶，以及皮膚下面的脈管的跳動網路。系統使用此訊息創建您的手掌簽名，或者是獨特的數字向量表示，並將其與您的信用卡或亞馬遜帳戶結合。
但是，Amazon One體驗的魔力和便利性掩蓋了我們必須解決的複雜性問題。Amazon One的結論為一個簡單的觀點：系統不能出錯。
生成AI的應用
在我花了數十年的時間研究、教學、架構和訓練深度學習模型之後，我學到了一件事情：要高度精確，則系統需要大量優質的數據。但您上次見過人類手掌的圖像是什麼時候？這使我們陷入了困境：當我們只有少量的手掌數據時，我們將如何訓練一個精度至上的系統？
那時我們決定使用生成AI。生成AI是傳統機器學習的一個子集，從書籍、文章、圖片和其他來源中的數十億個數據點訓練的模型提供支持。這些包括像ChatGPT這樣的大型語言模型（LLMs），以及「多模態」模型，這些模型接受來自文本、圖像、影片和聲音等輸入。我們使用生成AI創造了一個「手掌工廠」，生產數百萬個合成手掌圖像，以訓練我們的AI模型。
這種計算機生成的資訊在行業術語是「合成數據」，是由AI創造的新數據，以盡可能接近實際數據的廣度和多樣性。這是關於當前主宰全球的AI開始之前幾年左右進行的先驅性工作。
合成數據提高了Amazon One的準確性
將Amazon One訓練成數百萬個合成的手掌圖像使我們能夠提高系統的準確性。首先，它快速生成了反映各種微妙變化的手，比如不同的照明條件、手的姿勢，甚至是一個OK繃的存在，但這還不是全部。圖像還自動「標註」，這通常是一個冗長和繁瑣的過程。這節省了時間，使我們能夠更快地移動，因為我們不必標記圖片，也不必告訴計算機它正在看您的手掌的圖案線條、疤痕還是婚戒。
我們還訓練了我們的系統來檢測假手，例如高度詳細的矽膠手複製品，並拒絕它們。Amazon One已經被使用了超過300萬次，準確率達到了99.9999%。手掌表面和皮膚下的影像結合使我們能夠建立一個比兩個虹膜準確性還高100倍的系統。
透過利用生成AI和合成數據，我們能夠解決一個比使用臉部解鎖智慧手機更困難的問題。這是因為如果您的面孔在您的手機上，它已經知道您是誰，只需驗證它是您。我們稱之為「一對一的映射」。對於Amazon One，當您將手放在掃描器上時，我們不知道您是誰。我們需要從其他人中識別您，並且需要快速完成。如果您尚未註冊，我們還需要能夠說，您不在系統中。 Amazon One可以做到這一點，並且更多。
我們已經將Amazon One的應用擴展到支付以外的領域，包括會員連結和年齡驗證。同時，Amazon One也被設計用於保護客戶隱私，該系統在正常光譜之外運行，無法準確感知性別或膚色。Amazon One也不會使用手掌訊息來識別個人，只會將獨特的身份與支付工具匹配。
新聞內文： https://www.aboutamazon.com/news/retail/generative-ai-trains-amazon-one-palm-scanning-technology?ref=futurepedia