身為全球最大社交網(wǎng)絡(luò)，F(xiàn)acebook的人工智能究竟是什么水平？

【AI世代編者按】美國科技新聞網(wǎng)站BackChannel近日刊文，介紹了Facebook內(nèi)部的人工智能團隊及其發(fā)展現(xiàn)狀。

以下為AI世代（微信：tencentAI）編譯整理的文章內(nèi)容：

在被任命為Facebook應(yīng)用機器學(xué)習(xí)事業(yè)部（以下簡稱“AML”）負責(zé)人，幫助這家全球最大社交網(wǎng)絡(luò)部署人工智能技術(shù)時，杰奎因·奎諾內(nèi)羅·坎德拉（Joaquin Quinonero Candela）有些遲疑。

杰奎因·坎德拉，F(xiàn)acebookAML事業(yè)部工程總監(jiān)

坎德拉是一位出生在西班牙的科學(xué)家，他總是自稱“機器學(xué)習(xí)人士”。之所以有所遲疑，并不是因為他沒有目睹人工智能給Facebook帶來了多大的幫助。自從2012年加盟這家社交網(wǎng)絡(luò)巨頭以來，他已經(jīng)見證了該公司廣告業(yè)務(wù)的轉(zhuǎn)變——他們利用機器學(xué)習(xí)技術(shù)提升了贊助內(nèi)容的相關(guān)性和營銷效果。

更重要的是，他通過一種獨特的方式用技術(shù)武裝自己部門的下屬——即便這些人并沒有接受過專業(yè)的人工智能技術(shù)培訓(xùn)。不僅如此，他還擴大了機器學(xué)習(xí)技術(shù)在整個廣告部門的普及程度。

但他并不確定同樣的“魔法”能在更大范圍內(nèi)展現(xiàn)出來，因為這個平臺上的數(shù)十億用戶之間的聯(lián)系取決于模糊的價值觀，而不是用來衡量廣告的硬性數(shù)據(jù)?！拔倚枰_定這么做的確有價值?！彼岬竭@次任命時如是說。

盡管有些懷疑，坎德拉還是接受了任命。而現(xiàn)在雖然距離那時僅僅過去兩年時間，但他當初的遲疑卻變得非?？尚?。

究竟有多可笑？坎德拉上月在紐約的一次會議上對臺下的一眾工程師發(fā)表了演講?！拔乙l(fā)表一份重要聲明?！彼嬲f，“如果沒有人工智能，F(xiàn)acebook如今已經(jīng)無法存在下去。你或許并未意識到，但每當你使用Facebook或Instagram或Messenger時，你的使用體驗都有人工智能的一份功勞?！?/p>

去年11月，我來到Facebook位于門羅帕克的總部采訪坎德拉和他的團隊時，便得以目睹人工智能如何在突然之間成為Facebook的生存養(yǎng)料。目前為止，提到Facebook在這一領(lǐng)域的發(fā)展，很多目光都會集中于該公司組建的世界級Facebook人工智能研究事業(yè)部（以下簡稱“FAIR”），該部門的領(lǐng)導(dǎo)者是著名的神經(jīng)網(wǎng)絡(luò)專家嚴·勒坤（Yann LeCun）。

與谷歌(微博)微軟、百度、亞馬遜和蘋果（這家以保密著稱的公司如今也允許其科學(xué)家發(fā)布研究成果）等競爭對手一樣，F(xiàn)AIR也成為供不應(yīng)求的頂尖人工智能項目畢業(yè)生優(yōu)先選擇的公司。計算機在視覺、聽覺甚至對話能力上取得的進步都得益于這種類似于大腦的數(shù)字神經(jīng)網(wǎng)絡(luò)，而FAIR則是這方面研究成果最為豐厚的機構(gòu)之一。

但坎德拉的AML事業(yè)部則負責(zé)將FAIR的研究成果與Facebook的實際產(chǎn)品融合到一起，更重要的是，他們還將幫助該公司的所有工程師，把機器學(xué)習(xí)技術(shù)融合到自己的工作中。

由于Facebook已經(jīng)離不開人工智能，所以所有工程師都必須使用這項技術(shù)。

把人工智能塞到每個人手中

就在我造訪Facebook前兩天，美國剛剛結(jié)束總統(tǒng)大選，而該公司CEO馬克·扎克伯格（Mark Zuckerberg）也剛剛在一天前回應(yīng)稱，那些宣稱Facebook傳播假新聞幫助唐納德·特朗普（Donald Trump）當選美國總統(tǒng)的想法“太瘋狂”。由于人們之前就對Facebook的假新聞泛濫狀況心懷不滿，所以扎克伯格的這番評論無異于火上澆油。

盡管很多爭議并不在坎德拉的職責(zé)范圍內(nèi)，但他知道，F(xiàn)acebook需要借助機器學(xué)習(xí)技術(shù)來解決假新聞危機，而這恰恰是他團隊的職責(zé)之一。

但為了讓公司內(nèi)部的公關(guān)人員安心，坎德拉還向我展示其他一些東西，以此體現(xiàn)他的團隊正在從事的工作。令我意外的是，這其實是一套有點無聊的把戲：它可以將一張照片或一段視頻按照某位著名畫家的獨特風(fēng)格進行渲染。這很容易讓我們想起Snapchat上的各種噱頭——把照片轉(zhuǎn)化成畢加索風(fēng)格的畫作早已不是什么新鮮技術(shù)。

“這種技術(shù)名為神經(jīng)風(fēng)格轉(zhuǎn)移?！彼忉尩?，“就是一套大規(guī)模的神經(jīng)網(wǎng)絡(luò)，它可以通過訓(xùn)練將一張照片重新繪制成特定風(fēng)格的畫作?！?他掏出自己的手機，拍了一張照片，然后在屏幕上操作了一番，照片很快就被渲染稱梵高名畫《星夜》（The Starry Night）的風(fēng)格。

更令人驚奇的是，他還能在視頻播放過程中將內(nèi)容渲染成類似的風(fēng)格。但他表示，真正重要的東西其實是在肉眼無法看到的：Facebook開發(fā)的神經(jīng)網(wǎng)絡(luò)已經(jīng)可以在手機上獨立運行。

這同樣不算新奇——蘋果之前也宣稱已經(jīng)可以在iPhone上完成一些神經(jīng)網(wǎng)絡(luò)計算。但由于Facebook并不控制硬件，所以他們面臨的難度要大得多?？驳吕硎荆膱F隊之所以能完成這套“把戲”，是因為他們積累了大量經(jīng)驗——每個項目都可以降低其他項目的工作難度，每個項目也都可以讓未來的產(chǎn)品在接受更少培訓(xùn)的情況下，開發(fā)類似的產(chǎn)品——從而加快類似項目的開發(fā)速度。

“從啟動項目到公開測試，我只花了8個星期，這太瘋狂了。”他說。

他表示，在這么短時間內(nèi)完成任務(wù)還有另外一個秘訣，那就是合作——這也恰恰是Facebook文化的基石。具體到這個項目，正是因為能夠輕易接觸到其他事業(yè)部的研究成果——尤其是熟悉iPhone硬件的移動部門——才使得他們能夠把原本需要借助數(shù)據(jù)中心才能完成的圖像渲染任務(wù)，通過手機來獨立實現(xiàn)。

從左到右依次為AML事業(yè)部工程總監(jiān)杰奎因·坎德拉，應(yīng)用計算機視覺團隊負責(zé)人馬諾哈·帕魯麗，技術(shù)產(chǎn)品精力里塔·阿奎諾，工程經(jīng)理拉簡·蘇巴

這項技術(shù)不僅可以方便用戶為自己的親友拍攝《吶喊》風(fēng)格的短片，還能讓整個Facebook變得更加強大。從短期來看，這讓該公司得以更好地解讀語言、理解文本。從長期來看，他還能對你的所見、所言展開實時分析。

“我們以秒為單位，甚至比秒還短——必須實時完成。”他說，“我們是社交網(wǎng)絡(luò)，如果我要預(yù)測人們對某段內(nèi)容的反饋，我的系統(tǒng)就要立刻作出反應(yīng)，對嗎？”

坦德勒又看了一眼他剛才拍的那張梵高風(fēng)格的自拍像，完全不屑于掩飾自豪之情?！澳軌蛟谑謾C上運行復(fù)雜的神經(jīng)網(wǎng)絡(luò)，便能將人工智能放到所有人的手上。”他說，“這并不是偶然發(fā)生的，這都得益于我們在公司內(nèi)部展示人工智能的方式?！?/p>

“這是一場漫長的旅程?！彼a充道。

微軟老兵大顯神威

坎德拉出生在西班牙，他3歲時隨家人搬到摩洛哥，在那里的法語學(xué)校就讀。盡管畢業(yè)時的文理學(xué)科都獲得高分，但他還是決定入讀馬德里的一所學(xué)校，學(xué)習(xí)一門在他看來最難的學(xué)科：通信工程。這門學(xué)科不僅需要掌握天線和放大器等物理知識，還要對數(shù)據(jù)有充分的理解，他認為這“很酷”。

坎德拉對開發(fā)自適應(yīng)系統(tǒng)的教授非常著迷。他自己開發(fā)了一套系統(tǒng)，利用智能過濾器來改善手機漫游信號，他現(xiàn)在將其稱做“嬰兒階段的神經(jīng)網(wǎng)絡(luò)”。他對訓(xùn)練算法格外著迷，而不太喜歡大量編寫代碼。2000年在丹麥度過的一個學(xué)期進一步激發(fā)了他在這方面的興趣，他在那里見到了機器學(xué)習(xí)教授卡爾·拉斯穆森（Carl Rasmussen）。

拉斯姆森曾在多倫多師從傳奇人物、機器學(xué)習(xí)鼻祖吉奧夫·辛頓（Geoff Hinton）。畢業(yè)前夕的坎德拉原本要參加寶潔的領(lǐng)導(dǎo)力項目，但卻接到了拉斯姆森的博士項目邀請。于是，他選擇了機器學(xué)習(xí)。

2007年，他來到位于英國劍橋的微軟研究院工作。入職后不久，他獲悉微軟正在舉行一項面向所有員工的競賽：該公司即將推出必應(yīng)搜索，所以需要對關(guān)鍵字搜索廣告進行改進——精確預(yù)測用戶何時會點擊一則廣告。

優(yōu)勝團隊的方案將被投入實體測試，以便了解它是否有最終發(fā)布的價值。而優(yōu)勝團隊本身也將獲得免費的夏威夷旅行作為獎勵。共有19個團隊參與競賽，坎德拉的團隊與另外一個團隊并列第一。他獲得了免費旅行的機會，但由于微軟遲遲沒有推進更重要的獎勵，導(dǎo)致他感覺自己被欺騙了——微軟一直沒有對他的方案展開測試，以判斷這個方案能否最終作為產(chǎn)品推出。

接下來發(fā)生的事情展示出坎德拉的堅決態(tài)度。他展開了一場“瘋狂的運動”，說服微軟給他一次機會。他在微軟內(nèi)部展開了五十多次對話，還開發(fā)了一個模擬器來展示自己算法的優(yōu)越性。他甚至找到直接負責(zé)這項決策的副總裁：他在吃自助餐時主動坐到那位副總裁身邊，甚至?xí)プ「黄鹕蠋臋C會向其宣傳自己的方案。他還在沒有事先請示的情況下闖入這位高管的辦公室，聲稱說話必須算數(shù)，他的算法的確更好。

最終，坎德拉的算法在2009年隨同必應(yīng)一起推出。

Facebook 20號樓內(nèi)景

2012年初的一個周五，坎德拉到Facebook門羅帕克園區(qū)拜訪了一個朋友。讓他震驚的是，他聽說該公司的員工不需要獲得上司批準，也可以測試自己的項目。他們就是這么做的。于是他星期一便去Facebook參加面試，周末就拿到了錄取通知。

加入Facebook廣告團隊后，坎德拉的工作是領(lǐng)導(dǎo)一個小組來展示相關(guān)性更強的廣告。當時的確使用了機器學(xué)習(xí)技術(shù)，“但我們當時使用的模型不算先進，太過簡單”?？驳吕f。

還有一位與坎德拉同時加盟Facebook的工程師，他叫侯賽因·梅哈納（Hussein Mehanna），他對該公司在人工智能集成度方面的落后程度同樣感到驚訝?！耙酝馊说纳矸菘创麄兊漠a(chǎn)品質(zhì)量時，我以為一切都已成型，但顯然并非如此?！泵饭{說，“沒過幾個星期，我就告訴杰奎因，F(xiàn)acebook真正缺乏的是一個行之有效的世界級機器學(xué)習(xí)平臺。我們雖然擁有機器，但卻沒有合適的軟件幫助機器對數(shù)據(jù)展開盡可能深入的學(xué)習(xí)?！保壳皳蜦acebook核心機器學(xué)習(xí)負責(zé)人的梅哈納同樣是微軟老兵——接受本文采訪的其他幾名工程師也都有著相同的身份。這僅僅是巧合嗎？）

梅哈納所說的“機器學(xué)習(xí)平臺”指的是部署一套最先進的人工智能范式：憑借著基于人腦行為模式的幾種模型，這種范式把這項技術(shù)從上個世紀的“寒冬”（當時，早期的“思維機”想法已經(jīng)提不起人們的興趣）帶到了最近的繁榮時期。

具體到廣告業(yè)務(wù)，F(xiàn)acebook需要讓它的系統(tǒng)完成一些人力無法企及的任務(wù)：實時而精確地預(yù)測有多少人會點擊某一條廣告?？驳吕退膱F隊希望根據(jù)機器學(xué)習(xí)流程開發(fā)一套新系統(tǒng)。而由于該團隊希望以平臺的方式來打造這套系統(tǒng)，讓該部門內(nèi)的所有工程師都可以使用，所以他們在開發(fā)過程中努力確保建模和訓(xùn)練都能廣泛推廣和復(fù)制。

構(gòu)建機器學(xué)習(xí)系統(tǒng)的重要因素之一便是獲得海量數(shù)據(jù)——數(shù)據(jù)越多，效果越好。幸運的是，這恰恰是Facebook最大的資產(chǎn)之一：如果每天都有十多億人與你的產(chǎn)品互動，你就可以收集大量培訓(xùn)資料，獲得數(shù)不清的用戶行為范例。

這也讓整個廣告團隊的開發(fā)速度從幾個星期推出一個新模型，變成了每個星期推出幾個新模型。而由于這將成為一個平臺，讓其他人也可以在內(nèi)部開發(fā)自己的產(chǎn)品，所以坎德拉必須在開發(fā)過程中讓多個團隊都參與其中。他們把整個過程精確地分成三個步驟：“先關(guān)注性能，再關(guān)注實用性，然后構(gòu)建一個社區(qū)?！彼f。

坎德拉的廣告團隊已經(jīng)證明機器學(xué)習(xí)給Facebook帶來的巨大轉(zhuǎn)變。“我們在預(yù)測點擊、點贊、轉(zhuǎn)化等指標時實現(xiàn)了不可思議的成功?！彼f。接下來自然是將這種方法延伸到更多服務(wù)中。事實上，F(xiàn)AIR負責(zé)人勒坤一直主張設(shè)立一個與之配合的部門，負責(zé)將人工智能技術(shù)應(yīng)用到實際產(chǎn)品中。

“我非常希望成立這樣一個部門，因為你需要組織一群頂尖工程師，雖然他們不必直接關(guān)注產(chǎn)品，但卻需要關(guān)注基礎(chǔ)技術(shù)，好讓很多產(chǎn)品部門都可以對其加以利用?！崩绽ふf。

2015年10月，坎德拉成為新成立的AML團隊負責(zé)人（但只擔任了一段時間，原因在于他很謹慎，而且同時保留了廣告部門的職位，需要同時身兼二職。）他與FAIR保持了密切關(guān)系，后者在紐約、巴黎、門羅帕克都設(shè)立了辦事處。事實上，無論FAIR的研究員與AML的工程師在哪里比鄰而坐，就相當于在那里設(shè)立了一個FAIR辦事處。

雙方的合作方式可以通過一款正在開發(fā)的產(chǎn)品全面體現(xiàn)出來：這款產(chǎn)品可以針對用戶發(fā)表在Facebook上的照片提供語音描述。過去幾年，訓(xùn)練一套系統(tǒng)識別某個場景中的物體，并得出一般性的結(jié)論，已經(jīng)成為標準的人工智能實踐模式。例如，可以通過這項技術(shù)判斷一張照片究竟是在室內(nèi)還是室外拍攝的。

但FAIR的科學(xué)家最近發(fā)現(xiàn)了一些方式來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，幾乎可以描述一張圖片中所有有趣的問題，并通過這些物體在圖片中的位置以及與其他物體的關(guān)系，判斷這張照片的主題——從而精確分析出某張照片的主題是人與人的擁抱，還是某人正在騎馬。

“我們把這項成果展示給AML的人?！崩绽ふf，“他們想了一會兒說，‘你知道，這在一種情況下非常有用?！?他們之后便開發(fā)了一款原型功能，當盲人和視力受損的人將手指放在一張照片上時，便可用手機為其描繪照片上的內(nèi)容。

“我們一直在溝通。”坎德拉提到FAIR時說道，“整體目標是把基礎(chǔ)科學(xué)轉(zhuǎn)化成具體項目，這就需要一種粘合劑，對吧？我們就是粘合劑?！?/p>

把基礎(chǔ)研究用于實踐

坎德拉將人工智能應(yīng)用分為四大領(lǐng)域：視覺、語言、語音和拍攝效果。他表示，這四大領(lǐng)域都可以促成一套“內(nèi)容理解引擎”。Facebook希望了解如何才能真正理解某段內(nèi)容的含義，從而判斷評論背后的細微意圖；參透語言背后的精確含義；在飛速而過的視頻畫面中識別朋友的面部；解讀你的面部表情并將其復(fù)制到虛擬現(xiàn)實的化身上。

“我們希望實現(xiàn)人工智能技術(shù)的通用應(yīng)用?！笨驳吕f，“我們需要理解和分析的內(nèi)容呈現(xiàn)爆炸式增長，但我們添加標簽和區(qū)分事物的能力卻沒有同步提升?！?要解決這個問題，就要開發(fā)一套通用系統(tǒng)，使得一個項目的成果可以進行累積，還能為其他從事相關(guān)項目的團隊提供幫助。

坎德拉說：“如果我能開發(fā)許多算法，把一項任務(wù)的知識轉(zhuǎn)移到另一項任務(wù)，那豈不是很了不起？”

這種轉(zhuǎn)化可以對Facebook推出產(chǎn)品的速度產(chǎn)生重大影響。以Instagram為例。自從推出以來，這款圖片服務(wù)都以逆向時間順序展示用戶的照片。但在2016年初，該公司決定使用相關(guān)性算法展示圖片。

好消息是，由于AML已經(jīng)在News Feed等產(chǎn)品中應(yīng)用了這種算法，“不必從頭開始?！笨驳吕f，“他們有一兩個精通機器學(xué)習(xí)的工程師與幾十個正在部署各種排名應(yīng)用的團隊展開聯(lián)系。之后便可復(fù)制這些模式，一旦有問題，還可以與這些模式的負責(zé)人溝通?！闭蛉绱?，Instagram才得以在短短幾個月內(nèi)完成如此重大的轉(zhuǎn)變。

AML團隊一直在探索各種用例，用自己的神經(jīng)網(wǎng)絡(luò)與不同團隊的成果進行結(jié)合，從而開發(fā)一項適用于“Facebook規(guī)?！钡莫毺毓δ??！拔覀冊谑褂脵C器學(xué)習(xí)技術(shù)構(gòu)建自己的核心能力，同時取悅我們的用戶?！盇ML感知團隊首席工程師唐默·萊萬德（Tommer Leyvand）說。（他同樣來自微軟。）

最近推出的一項名為“社交推薦”（Social Recommendations）的功能就是典型例子。大約一年前，一位AML工程師跟一位Facebook共享團隊產(chǎn)品經(jīng)理談到了人們在向好友征求當?shù)氐牟宛^和服務(wù)建議時展開的深度互動。

“問題在于如何向用戶展示相關(guān)信息?！盇ML自然語言團隊產(chǎn)品經(jīng)理里塔·阿奎諾（Rita Aquino）說。共享團隊曾經(jīng)嘗試對特定短語進行文字匹配?！爱斈忝刻旖邮?0億個帖子時，這未必很精確，也未必可以大范圍應(yīng)用?！卑⒖Z說。

Facebook技術(shù)產(chǎn)品經(jīng)理里塔·阿奎諾

通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后用實時行為來測試各種模型，該團隊便可察覺細微的語言差異，從而精確判斷用戶何時針對某一區(qū)域詢問就餐或購物建議。這便會觸發(fā)一條請求，顯示在相應(yīng)聯(lián)系人的News Feed信息流中。接下來，仍然由機器學(xué)習(xí)來判斷他人何時提供有用的建議，并將企業(yè)或餐廳的地點顯示在用戶News Feed信息流里的地圖上。

阿奎諾表示，她在Facebook任職的一年半期間，人工智能從產(chǎn)品中難得一見的元素，變成了從初始階段就融入其中的技術(shù)?！叭藗兿Ｍc之互動的產(chǎn)品更加智能?！彼f，“其他團隊看到社交推薦功能和我們的代碼后會問：‘你們我們?nèi)绾尾拍茏龅?？’你不必非得是機器學(xué)習(xí)專家，也可以根據(jù)自己所在部門的經(jīng)驗進行嘗試?！?/p>

具體到自然語言處理領(lǐng)域，該團隊也開發(fā)了一套可以方便其他團隊使用的Deep Text系統(tǒng)。它對Facebook翻譯功能使用的機器學(xué)習(xí)技術(shù)起到了幫助，這項技術(shù)每天被應(yīng)用到40多億帖子中。

在圖片和視頻領(lǐng)域，AML團隊則開發(fā)了一套名為Lumos的機器學(xué)習(xí)視覺平臺。這個平臺最早源自馬諾哈·帕魯麗（Manohar Paluri），當時身為FAIR實習(xí)生的他負責(zé)開發(fā)一個宏偉的機器學(xué)習(xí)項目，他稱之為“Facebook的視覺皮質(zhì)”——其目的是處理和理解Facebook上發(fā)布的所有圖片和視頻內(nèi)容。

應(yīng)用計算機視覺團隊負責(zé)人馬諾哈·帕魯麗

在2014年的一場黑客松活動上，帕魯麗和同事尼基爾·喬里（Nikhil Johri）用一天半時間開發(fā)了一個原型產(chǎn)品，并將結(jié)果展示給滿懷熱情的扎克伯格和Facebook COO雪莉·桑德伯格（Sheryl Sandberg）。

當坎德拉組建AML事業(yè)部后，帕魯麗與他一同領(lǐng)導(dǎo)計算機視覺團隊，并開發(fā)了Lumos，幫助所有Facebook工程師（包括Instagram、Messenger、WhatsApp和Oculus）充分利用這個視覺皮質(zhì)。

有了Lumos，“公司里的任何人都可以使用這些多樣化的神經(jīng)網(wǎng)絡(luò)上的功能，然后針對他們特定的場景構(gòu)建各種模型，了解實際運行效果?！迸留旣愓f，他同時任職于AML和FAIR兩個團隊，“最后可以讓一個人來給系統(tǒng)糾錯，對其重新訓(xùn)練，然后推動它進步，不需要AML團隊再介入其中?！?/p>

帕魯麗給我簡單地展示了效果。他在筆記本上啟動Lumos，然后運行了一個樣本任務(wù)：提煉神經(jīng)網(wǎng)絡(luò)對直升機的識別能力。有一個頁面上包含很多圖片——如果我們不斷滾屏，大約會有5000張圖片——里面有很多直升機照片，還有一些類似直升機的東西。（一個是玩具直升機，還有一些則是像直升機一樣飄在空中的物體。）

在訓(xùn)練過程中，F(xiàn)acebook使用了公開發(fā)布的圖片（不包括僅限于好友或部分用戶查看的內(nèi)容）。即便我并不是工程師，對人工智能技術(shù)更談不上精通，但我卻可以輕而易舉地找到負面例子來訓(xùn)練系統(tǒng)構(gòu)建“直升機圖片分類器”。

最終，這個被稱作“監(jiān)督式學(xué)習(xí)”的歸類步驟可能更加自動化，因為該公司正在追求機器學(xué)習(xí)領(lǐng)域的圣杯——“非監(jiān)督式學(xué)習(xí)”——在這種模式下，神經(jīng)網(wǎng)絡(luò)可以自己判斷這些圖片中究竟是什么內(nèi)容。帕魯麗表示，該公司已經(jīng)取得了一些進展。“我們的目標是在未來1年將人類的注釋減少100倍。”他說。

從長遠來看，F(xiàn)acebook認為視覺皮質(zhì)將與自然語言平臺共同成為坎德拉所謂的通用內(nèi)容理解引擎。“我們最終無疑會將它們?nèi)跒橐惑w?！迸留旣愓f，“到那時，我們就會直接開發(fā)‘皮質(zhì)’。”

Facebook希望他們在技術(shù)進步中使用的核心原則可以通過發(fā)表論文等方式傳播到公司外部，利用這種民主化模式更加廣泛地傳播機器學(xué)習(xí)技術(shù)?！澳悴槐卦倩ㄙM漫長的時間開發(fā)智能應(yīng)用，速度可以大幅加快。”梅哈納說，“想象一下這項技術(shù)對制藥、安全和交通的影響。我認為，在這些領(lǐng)域開發(fā)應(yīng)用的速度可以加快好幾百個量級。”

面臨無解難題

盡管AML已經(jīng)深度融合到研發(fā)流程之中，為該公司的產(chǎn)品賦予了視覺、分析甚至語言能力，但該公司CEO扎克伯格還認為，在他努力利用Facebook為社會創(chuàng)造福利的過程中，這項技術(shù)將起到至關(guān)重要的作用。

在扎克伯格之前發(fā)表的5700字宣言中，這位CEO 7次提到了“人工智能”或“AI”，都是在描述如何利用機器學(xué)習(xí)和其他技術(shù)提升社會安全性和信息量的背景下提到的。

要實現(xiàn)這些目標并非易事，這與坎德拉最初對AML的職位猶豫不決時的原因相同。如果你試圖成為主要的信息來源，并為數(shù)十億用戶構(gòu)建個人關(guān)系，即使是機器學(xué)習(xí)也無法解決這一過程中面臨的所有人為問題。正因如此，F(xiàn)acebook才不斷修改News Feed算法——當你自己都無法真正確定時，又該如何通過訓(xùn)練讓系統(tǒng)給出最優(yōu)組合呢？

“我認為這個問題幾乎無解?！笨驳吕f，“如果隨機展示新聞，你會覺得浪費時間。如果只展示來自朋友的新聞，那就會贏家通吃。最終會不停地討論兩種極端情況之間的哪個狀態(tài)才是最好的。我們試圖展開一些探索。”

Facebook將繼續(xù)使用人工智能來解決這個問題，這已經(jīng)成為其在每個領(lǐng)域發(fā)展的基礎(chǔ)動力?！皺C器學(xué)習(xí)和人工智能領(lǐng)域有很多研究都希望能夠優(yōu)化合適的探索水平。”坎德拉滿懷希望地說。

當Facebook被人當做假新聞的元兇時，他們自然會要求人工智能團隊盡快從該平臺上清洗所有的新聞毒瘤。這是一場罕見的全員行動，甚至連一向著眼長期前景的FAIR團隊也參與進來。勒坤表示，該團隊擔任顧問的角色。

結(jié)果，在FAIR的努力下，他們已經(jīng)開發(fā)出一款有助于解決該問題的工具：一個名為WorldVec（vec是“向量”的縮寫）的工具。WorldVec為神經(jīng)網(wǎng)絡(luò)增加了某種記憶能力，幫助Facebook給所有內(nèi)容都貼上信息標簽，例如它的來源，以及都有哪些人分享過這些內(nèi)容。

借助這些信息，F(xiàn)acebook便可了解假新聞的分享特征，并使用該公司的機器學(xué)習(xí)算法根除毒瘤?！敖Y(jié)果表明，尋找假新聞并不像判斷人們最喜歡哪些內(nèi)容那么困難?！崩绽ふf。

坎德拉的團隊之前開發(fā)的系統(tǒng)加快了Facebook推出這些審核產(chǎn)品的速度。這些產(chǎn)品的具體表現(xiàn)仍然有待觀察。坎德拉表示，現(xiàn)在就通過數(shù)據(jù)展示該公司利用算法減少了多少假新聞，還為時過早。

但無論這些新的措施是否奏效，這些困惑本身還是引發(fā)了一個問題：這種用算法解決問題的模式——在機器學(xué)習(xí)時代得以進一步加強——是否會不可避免地帶來有害的結(jié)果。很顯然，有人認為這已經(jīng)在2016年發(fā)生了。

坎德拉否認這種觀點。“我認為我們把世界變得更加美好?！笨驳吕€主動講了個故事。就在他接受采訪的那天，坎德拉給他在Facebook上的一個聯(lián)系人打了個電話——那人是他朋友的父親，他們之前只見過一面。

他看到那人發(fā)了許多支持特朗普的內(nèi)容，并對這些內(nèi)容感到困惑。隨后，坎德拉意識到，他的工作是根據(jù)數(shù)據(jù)制定決策，而他卻忽視了重要信息。所以，他給那人發(fā)了信息，希望跟他聊聊。那位聯(lián)系人同意了，于是，他撥通了電話。

“這并沒有改變我身處的現(xiàn)實，但卻讓我以截然不同的方式來看待事情?！笨驳吕f，“在沒有Facebook的世界里，我永遠不會有這樣的聯(lián)系人?！?/p>

換句話說，盡管人工智能成為Facebook的關(guān)鍵元素，甚至事關(guān)這個平臺的存亡，但它卻并非唯一答案。“現(xiàn)在的挑戰(zhàn)在于，人工智能仍處于初級階段?！笨驳吕f，“我們才剛剛起步?！保ň幾g/長歌）