Amazon以Project P.I.模型來檢查產品瑕疵

Amazon本周揭露了人工智慧於電子商務履行中心的應用該呈現什麼樣貌，該公司的Project P.I.模型可於成像隧道中掃描商品缺陷，包括顏色、尺寸、或產品是否損壞等，另也開發多模態大型語言模型來整合客戶的回饋，再用來訓練Project P.I.，最終目的是提高客戶滿意度，降低退貨機率。目前Amazon已於北美多個履行中心部署Project P.I.，預計會在今年拓展至更多的履行中心。

Amazon的履行中心是用來處理訂單的揀貨與發貨事宜，每天有數百萬的商品會通過該中心的成像隧道，包括狗糧、手機殼、T恤到書籍等，過去Amazon是透過光學字元識別（OCR）與電腦視覺（CV）技術來篩選並分類商品，而現在則採用稱為「私家偵探」（Private Investigator）的Project P.I.模型，它結合了生成式AI與電腦視覺技術，以用來偵測所有即將出貨商品的各種缺陷，還可協助確定發生問題的根本原因，以於上游採取預防措施，自2022年5月上線以來，已證明Project P.I.擅長分類商品，並能準確識別過期商品，以及偵測顏色或尺寸的錯誤問題。

Project P.I.利用CV技術來掃描並評估商品是否含有瑕疵，例如彎曲的書籍封面，並將它隔離，同時再由Amazon員工來決定該商品是否可透過Amazon的Second Chance平臺以折扣品銷售，還是直接捐贈。

此外，Amazon也利用基於多模態大型語言模型（MLLM）的生成式AI系統來調查客戶的負面體驗，當客戶還是收到有瑕疵的商品時，可利用此一MLLM來審核客戶的意見，進而分析Project P.I.於履行中心所拍攝的影像，再加上其它的資料來源，用以判斷出現問題的原因。

所有透過這些模型學到的經驗都可以用來再次訓練模型，以改善模型的識別能力。同時Amazon也強調在發現該平臺的獨立賣家有某些固定的疏失時，也會知會它們。

利用AI模型來提高客戶收到商品的滿意度將可避免不必要的退貨問題，減少碳排放，同時改善Amazon的銷售合作夥伴與客戶體驗。