Facebook 作為全世界最大的社交網(wǎng)絡(luò)平臺，其實在很多年前就已經(jīng)悄然實現(xiàn)了轉(zhuǎn)型。今天的 Facebook，是絕對以人工智能技術(shù)作為核心技術(shù)支撐的。我們在互聯(lián)網(wǎng)上所享受到的每一個服務(wù)，其實都與 AI 息息相關(guān)。AI 究竟會給我們的生活帶來怎樣的概念？AI 在 IT 產(chǎn)業(yè)中究竟扮演著怎樣的角色。今天這篇長文就帶領(lǐng)大家走近 Facebook 的人工智能團隊。

一次心懷疑云的接任，卻意味著一個新時代的開始

「從今天開始， 你就是『Facebook應(yīng)用機器學(xué)習(xí)小組』的負責(zé)人了。你的任務(wù)， 就是要通過人工智能的方式， 讓咱們這家世界上最大的社交網(wǎng)絡(luò)平臺加速騰飛。你愿意承擔(dān)這個角色嗎？」眼前的這個人平靜地說道。

Joaquin Qui?onero Candela 聽到這話， 有些懵， 他想答應(yīng)， 但是話到嘴邊卻猶豫了。

這個出生于西班牙的科學(xué)家， 形容自己是標(biāo)準(zhǔn)的「機器學(xué)習(xí)怪咖」， 此時的猶豫犯難，倒不是因為他對人工智能技術(shù)沒信心。事實上， 他親眼見證了在人工智能技術(shù)的幫助下，F(xiàn)acebook 取得了多大的進展。

2012 年，他加入 Facebook 公司， 剛一進公司，他就親眼見證了公司在戰(zhàn)略方向上面的重大調(diào)整， 具體就體現(xiàn)在利用人工智能來讓廣告商的內(nèi)容日志變得更加有效， 傳遞到更加準(zhǔn)確的受眾那里。更重要的是， 他也在公司內(nèi)部不斷地對人工智能技術(shù)進行推廣， 實踐， 他的團隊即便沒有受過什么人工智能方面的培訓(xùn)， 他也教著手下人如何讓人工智能在工作里發(fā)揮作用。

久而久之， 整個廣告業(yè)務(wù)部門對機器學(xué)習(xí)知識技能整體上有了長足的進步。但是， 面對現(xiàn)在這個具有戰(zhàn)略意味的重大使命，面對他即將升任『Facebook應(yīng)用機器學(xué)習(xí)小組』的負責(zé)人，他懷疑人工智能是否可以站在 Facebook 發(fā)展更高的尺度上去發(fā)揮作用。

他回憶那次提拔的情景：「我當(dāng)時答應(yīng)的時候，迫切的想要知道人工智能技術(shù)里是否存在著如他們所期盼的那種價值存在的?！?/p>

盡管當(dāng)時心存疑慮，Candela 還是接下了這份差事。而到了現(xiàn)在， 兩年時間過去了， 回望過去剛剛接這份工作時所流露出的擔(dān)心和疑慮，Candela 自己都覺得好笑， 這分明是杞人憂天嘛。

就在上個月，Candela 在一次工程師聚會上這么說道：「我要做一次非常鄭重的聲明。沒有人工智能， 就沒有今天的 Facebook。每一次你使用 Facebook、或者 Instagram、或者 Messenger， 你也許沒有意識到會發(fā)生什么。但我可以很明確的告訴， 你每一次瀏覽中體驗的提升， 每一次細小的， 微不足道的滿足感的漸進， 這里面全是人工智能在發(fā)揮作用?！?/p>

讓 Facebook 能夠矗立在科技浪潮之巔的技術(shù)：人工智能去年 11 月， 筆者前往位于 Menlo Park 的 Facebook 總部，采訪 Candela 以及他的團隊成員， 終于讓我意識到了人工智能現(xiàn)在已經(jīng)成為了 Facebook 賴以存活的「氧氣」。

其實， 當(dāng)人們談到 Facebook 在人工智能領(lǐng)域上面所取得的建樹， 人們的目光往往繞過他們， 望向了世界頂級的「Facebook 人工智能研發(fā)團隊」（FAIR）。這是另外的一個組織， 領(lǐng)頭人是神經(jīng)學(xué)專家 Yann Lecun。FAIR 與 Google、微軟、百度、Amazon、Apple 各公司的人工智能研發(fā)團隊一道， 每一天都在爭分奪秒的展開競爭。

現(xiàn)在的電腦在看、聽、甚至轉(zhuǎn)換等途徑上之所以能夠產(chǎn)生這么大的進步， 就有賴于這些精英團隊的努力。他們在基于人腦的研究基礎(chǔ)上， 開發(fā)出來了一個數(shù)字化的神經(jīng)網(wǎng)絡(luò)。

而今天文章中的主人公 Candela 所作的事情則跟上面會有一點不一樣。你光是從名字上面就能隱約捕捉到一些區(qū)別。他的團隊叫做「應(yīng)用機器學(xué)習(xí)團隊」。該團隊的目的是要將 FAIR 的研究成果， 聯(lián)同其他的一些技術(shù)， 一起整合到 Facebook 現(xiàn)實存在著的產(chǎn)品當(dāng)中。如果在此之上還能做到點兒什么的話， 那么就是讓公司里每一個工程師都能擁抱人工智能技術(shù)， 都能將這種全新的科技融入到自己工作的每一天當(dāng)中去。因為 Facebook 沒有人工智能就走不到今天， 而人工智能的進步， 需要全體工程師一起努力才可以實現(xiàn)。

美國大選剛剛落幕， 次日， 新聞界就爆出一條猛料：正因為 Facebook 上肆虐猖獗的假新聞假消息， 才使得特朗普這次贏得了美國大選。面對這樣的指責(zé)， 馬克·扎克伯格當(dāng)然不肯背這口鍋。他大聲回擊道：「能這么想的人一定是瘋掉了！」之所以小馬這么氣憤， 其實還有另外一層原因。關(guān)于 Facebbok 假消息肆虐的指責(zé)是火上澆油， 因為在此之前， 人們對 Facebook 在 Newsfeed 上不實消息的泛濫就已經(jīng)憤怒不已， 他們認為這一切都是在 Facebook 睜一只眼閉一只眼的縱容下才導(dǎo)致的。對 Facebook 的指責(zé)攻擊在 Facebook 內(nèi)部也產(chǎn)生了震動， 但主要涉及某些 Facebook 更高層面的管理者， 跟 Candela 并沒有什么關(guān)系。但即便如此，Candela 認為自己肩膀上的擔(dān)子很重，因為他知道：Facebook 要對「虛假新聞指責(zé)」進行有力的回擊， 那么就得依靠機器學(xué)習(xí)來辦到， 而這里面就有他的團隊努力的身影。

在采訪過程中，Candela 給我準(zhǔn)備了一個小小的驚喜，這個驚喜能夠很好的展示他們團隊的工作成果。對于我來說，這有點兒像魔術(shù)了。他給我看了一份視頻，視頻里首先展現(xiàn)出來的是某個具有強烈個人風(fēng)格的畫家的作品，然后軟件竟然會以這種個性十足的風(fēng)格，重新畫出來一張圖。這讓我想到了某些你在 Snapchat 上看到的絕活把戲，那種將照片變形出畢加索立體主義的想法似乎已經(jīng)得到了應(yīng)驗。

他解釋道：「這個軟件背后的科技叫做神經(jīng)網(wǎng)絡(luò)風(fēng)格轉(zhuǎn)移。這是一個大型的神經(jīng)網(wǎng)絡(luò)，它經(jīng)過訓(xùn)練后，就能夠利用某一種特定的風(fēng)格來重新臨摹最初的那張圖片?！拐f著，他掏出手機，咔嚓拍了一張照片。然后他點擊了一下，劃動了屏幕一下之后，這張照片變成了梵高《星夜》畫作的衍生品。

更令人印象深刻的是，這種應(yīng)用還可以一邊播放著視頻，一邊給視頻添加上某一種特定的風(fēng)格。而眼下的這一切都是我所能看到的，我看不到的是：Facebook 正在用這樣的技術(shù)打造自己的的神經(jīng)網(wǎng)絡(luò)，它將作用在世界上每一部手機上面。

但如果橫向來比對一下，這種科技并不是什么新鮮事兒了。Apple 公司此前就對外宣稱自己已經(jīng)在 iPhone 上面做了一些神經(jīng)網(wǎng)絡(luò)計算。但之所以這對于 Facebook 來說值得一說，是因為 Facebook 團隊要做到這一切難度有點兒大，畢竟，他們不控制硬件。

Candela 說道：之所以團隊能夠完成這樣的「把戲」，主要是因為團隊的工作是累進性質(zhì)的。也就是說一個項目完成后，另外一個項目是站在這個項目基礎(chǔ)上繼續(xù)向前開發(fā)，項目與項目之間有著明顯的關(guān)聯(lián)，這樣工程師不需要接受太多的培訓(xùn)就能開發(fā)出與之類似的產(chǎn)品。所以，項目進度很快，成果一個又一個的拿出來。

他說道：「我們從一開始決定開啟研發(fā)工作，到最終進行公眾測試，這總共就只花了 8 周的時間。這真的是太難以置信了?！?/p>

除了「項目累進型開發(fā)」這一點之外，能夠如此高效地完成這個工作還有賴于企業(yè)內(nèi)部的協(xié)作機制，這其實就是 Facebook 本身的文化。在此次開發(fā)過程中，F(xiàn)acebook 內(nèi)部團隊與團隊之間幾乎不存在什么門檻壁壘，大家完全不是各自為戰(zhàn)，就比如說移動團隊本身就對 iPhone 的硬件非常了解，這也就使得 Facebook 的數(shù)據(jù)中心可以將圖片很好地投射在 iPhone 屏幕上。

這種技術(shù)帶來的好處可不簡單，它可不是說方便你自己惡搞一個朋友親戚的視頻短片，讓它看起來就像是美國電影《驚聲尖叫》一樣。事實上，人工智能技術(shù)讓 Facebook 變得無比的強大。從短期來看，F(xiàn)acebook 在翻譯語言、理解文本上面會有更加快速的響應(yīng)表現(xiàn)；從長期來看，它可以實現(xiàn)對你所看到的，你所表達的內(nèi)容的實時分析。

他說道：「我們是一家社交網(wǎng)站，對吧？我們需要預(yù)測人們對于某段內(nèi)容會出現(xiàn)的反應(yīng)，我的系統(tǒng)必須做到幾乎同步反饋?！?/p>

Candela 又看了一眼他剛拍的自拍，那張有明顯梵高畫作風(fēng)格的照片，毫不掩飾他神采中透露出來的驕傲?！竿ㄟ^在手機上運行復(fù)雜的神經(jīng)網(wǎng)絡(luò)運算，事實上，我們是把人工智能交到了每個人的手中。這可不是碰運氣碰來的。首先，我們是在公司內(nèi)部一點點的普及人工智能的重要性，然后再推廣它?！?/p>

他頓了頓，說道：「這真的是一條漫長的艱辛之路啊?！?/p>

他是如何將人工智能帶到 Facebook 的？Candela 生于西班牙，當(dāng)他三歲時，全家搬到了摩洛哥。在那里，他上了一所法語學(xué)校。盡管他在科學(xué)和人類學(xué)方面獲得了非常高的高分，但是他還是覺得報考馬德里的大學(xué)，去學(xué)在他的概念里最具有挑戰(zhàn)性的專業(yè)：電子通訊工程。這門學(xué)科要求的不僅僅是你要對硬件有所掌握，比如「天線」、「放大器」，同時你還需要理解數(shù)據(jù)?！笖?shù)據(jù)」在當(dāng)時可是非常酷的概念。

在當(dāng)時，他已經(jīng)自己開始設(shè)計一套系統(tǒng)，系統(tǒng)中的智能過濾器可以提升移動電話的信號。現(xiàn)在的他將其稱之為「一個嬰兒的神經(jīng)網(wǎng)絡(luò)」。自那個時候，他的人生有了明確的方向，他對機器訓(xùn)練算法的熱愛超過了一切，也超過了編程。在 2000 年，他在丹麥進行了一個學(xué)期的學(xué)習(xí)，也就是在那里，他遇到了機器學(xué)習(xí)領(lǐng)域的教授 Carl Rasmussen，此人師從具有傳奇色彩的 Geoff Hinton（自孩童時就在機器學(xué)習(xí)上展現(xiàn)了驚人的天賦）。也就是在遇到了 Carl Rasmussen 之后，他對機器學(xué)習(xí)的熱情進一步高漲。在畢業(yè)之際，Rasmussen 發(fā)出邀請，希望他繼續(xù)深造博士學(xué)位，他果斷地選擇了機器學(xué)習(xí)。

在 2007 年，他進入位于劍橋的微軟研究室工作。他進入工作崗位沒幾天，立刻就意識到了在全行業(yè)內(nèi)，圍繞著人工智能，各家公司都在全力以赴地進行研發(fā)。微軟在那個時候即將發(fā)布 Bing 這款搜索引擎，但是在「搜索廣告」領(lǐng)域的某個關(guān)鍵環(huán)節(jié)還需要進一步的提升，即「它需要預(yù)測什么時候用戶會點擊廣告。」

微軟當(dāng)時覺得在公司內(nèi)部展開一次競賽，勝出的團隊所給出的解決方案會投入到產(chǎn)品實踐當(dāng)中，而團隊成員將獲得一次免費去夏威夷度假的機會。19 個團隊參與到這次競賽當(dāng)中，而 Candela 成為了最終的勝者。他雖說是得到了一次免費去夏威夷游玩兒的機會，但是，微軟在進一步測試他的解決方案時，并沒有將其應(yīng)用到 Bing 搜索引擎性能的提升中，他當(dāng)時感覺自己被人給欺騙了。

這次對他工作成果的否定反而激發(fā)起來他無盡的斗志和決心。之后，他開始在公司內(nèi)部進行瘋狂的演講推介，面向公司同事，他做了超過 50 次的演講，并開發(fā)了一個模擬器來展示他所開發(fā)的算法高明之處在哪里。甚至于他還跟蹤過負責(zé)做人工智能相關(guān)決策的副總裁，吃自助餐的選菜的時候刻意接近他搭話，副總裁去上廁所的時候也跟著，在旁邊的尿池看似無意，實則主動創(chuàng)造談話機會。

在 2009 年，Bing 上終于搭載了 Candela 所開發(fā)的算法。而在 2012 年年初，他的職業(yè)生涯再一次迎來了重大轉(zhuǎn)變。

當(dāng)時他的一個朋友在 Facebook 工作，某個周五，他們倆相約在 Menlo Park 園區(qū)見面。就在這次相互訴說工作近況如何的閑談之中，他才意識到原來在 Facebook 還有如此與眾不同的一種企業(yè)文化：人們不像他在微軟，為了進行某項測試工作還得可憐巴巴地向上面打申請，請求批復(fù)。Facebook 的員工想做什么有充分的自由度。于是，周一一上班，他就去參加 Facebook 的面試，很快，他就拿到了 Facebook 開出來的 Offer。

加入到 Facebook 廣告團隊之后，他的工作任務(wù)就是讓 Facebook 推送出更加精準(zhǔn)，跟用戶有關(guān)的廣告。那個時候整個平臺上還沒有用機器學(xué)習(xí)呢。Candela 回憶道：「當(dāng)時我們使用的模型都是非常簡單的，幾乎沒有什么技術(shù)含量?！?/p>

同期加入 Facebook 的員工還有 Hussein Mehanna，他之前也是微軟的老員工。（在本文中我們采訪的好多 Facebook 員工都是從微軟跳槽過來的。巧合還是其他原因？）當(dāng)時他沒有進 Facebook 的時候，原以為 Facebook 已經(jīng)做好了擁抱人工智能技術(shù)的部署，但是事實上什么都沒有。Facebook 擁有著遍布全世界的人際網(wǎng)絡(luò)，豐富的信息資源，但是卻沒有合適的軟件幫助 Facebook 從里面提取出來價值。于是，此人也選擇加入 Facebook 助他一臂之力。此人目前已經(jīng)是 Facebook 核心機器學(xué)習(xí)團隊的總監(jiān)。

說到目前的「機器學(xué)習(xí)平臺」，Mehanna 進一步解釋道。在上個世紀(jì)，人工智能領(lǐng)域基本上可以算是「荒原」，而正是因為借鑒了人腦的工作機制，并在此基礎(chǔ)上開發(fā)出了一些模型，人工智能技術(shù)才突破瓶頸實現(xiàn)飛躍。在 Facebook 廣告的這個例子上，系統(tǒng)做了一件人力無法企及的事情：針對某一個具體的廣告，軟件能夠迅速，準(zhǔn)確的預(yù)測有多少人會點擊它。Candela 和他的團隊成員就是基于機器學(xué)習(xí)的流程，開發(fā)出一套全新的系統(tǒng)。

說是系統(tǒng)，更應(yīng)該稱之為平臺。因為團隊成員的愿景是，所有工程師都能夠在這個平臺上研發(fā)，建模還是機器學(xué)習(xí)會非常容易完成并復(fù)制。

要開發(fā)這樣的機器學(xué)習(xí)系統(tǒng)，有一個非常重要的前提：一定要獲得高質(zhì)量的數(shù)據(jù)，而且越多越好。幸運的是，這方面正好是 Facebook 最大，最優(yōu)質(zhì)的資產(chǎn)。當(dāng)你的產(chǎn)品上每天有超過 10 億人在上面互動，上面產(chǎn)生的數(shù)據(jù)量那真的是一個天文數(shù)字，而這正好可以用于機器學(xué)習(xí)。一旦你開始進行測試，用戶行為的案例取之不盡用之不竭。

其他的團隊，個人也可以借此開發(fā)自己的產(chǎn)品。人工智能技術(shù)由此在公司內(nèi)部慢慢被人所熟悉接受，慢慢推廣出去。Candela 總結(jié)了一下：「其實這是一個非常簡單的三部曲。首先是你需要關(guān)注性能表現(xiàn)；其次你需要提升實用性，最后你需要圍繞著它開發(fā)一個社群?！?/p>

Candela 的廣告團隊用事實證明了機器學(xué)習(xí)技術(shù)給 Facebook 帶來了怎樣的創(chuàng)新和轉(zhuǎn)型?！肝覀冊陬A(yù)測廣告的點擊數(shù)、點贊數(shù)、訪客到客戶的轉(zhuǎn)化率上面，越來越準(zhǔn)確。而這樣的技術(shù)正在慢慢蔓延到 Facebook 其他的產(chǎn)品和服務(wù)商?！?/p>

在 2015 年的 12 月，F(xiàn)acebook 又成立了另外一支新的「應(yīng)用機器學(xué)習(xí)團隊」，Candela 兼任這個團隊的負責(zé)人。同時，他還跟 FAIR 保持著緊密的聯(lián)系。FAIR 團隊在紐約、巴黎、Menlo Park 都有分支，而事實上，應(yīng)用機器學(xué)習(xí)團隊的成員往往就坐在 FAIR 成員的旁邊。

這種緊密合作的關(guān)系，你可以通過 Facebook 上大家 Po 出來的照片意識到。在過去的幾年時間里，利用 AI 技術(shù)來訓(xùn)練系統(tǒng)識別物體，已經(jīng)成為了一個非常普通的工作。把一個物體放置到一個場景里，讓系統(tǒng)在這個場景中把這個物體識別出來，又或者給系統(tǒng)看一張照片，讓系統(tǒng)自己得出結(jié)論它是在門內(nèi)拍攝的還是門外拍攝的。

就在最近，F(xiàn)AIR 的科學(xué)家們又有了新的進展，他們將神經(jīng)網(wǎng)絡(luò)訓(xùn)練到可以識別出照片中每一個物體，通過這個物體在照片上的具體位置，物體與物體之間呈現(xiàn)著怎樣的關(guān)系，系統(tǒng)可以清楚的知道這張照片給我們展示的是什么。就比如說系統(tǒng)通過照片中人物的姿勢，可以判斷出來人們是在擁抱，還是某個人正在騎馬。

FAIR 的科學(xué)家之一 Lecun 說道：「我把研發(fā)進展拿給應(yīng)用機器學(xué)習(xí)團隊的人看。他們想了一下說道：』你知道嗎？如果放到現(xiàn)實中，有一個特別的用處。那些盲人，或者視覺嚴(yán)重損傷的人，他們只需要將手指放到一張圖片上，手機就可以形容圖片上的物體是什么，圖片整體內(nèi)容又是什么了?！?/p>

Candela 說道：「我們無時無刻不在相互溝通，分享一切進展。從科學(xué)到項目，這之間的過渡是需要黏合劑的，而我們就是這個黏合劑?！?/p>

Candela 將 AI 的應(yīng)用分成了四個大的板塊：視覺、語言、語音以及相機特效。這四個板塊都指向了一個目標(biāo)：「內(nèi)容理解引擎」。在這里，他還專門對「內(nèi)容」下了明確的定，F(xiàn)acebook 是要讓軟件能夠從留言中捕捉到人們的真實意圖，從語音的語調(diào)、語氣中提取出細微的區(qū)別，通過人們面容中一閃而過的表情，解讀出你的情緒在一天中跌宕起伏的曲線，并將這一切全部歸檔。

Candela 認為：「我們的工作其實就是對 AI 進行一般化歸納。通過這種方式，在內(nèi)容爆炸的互聯(lián)網(wǎng)上，我們需要讓軟件能夠理解和分析內(nèi)容，我們需開發(fā)一個底層的、一般化的系統(tǒng)，一個項目完成后，其成果可以造福于其他相關(guān)項目。如果我能找到一種算法，將一個任務(wù)中所形成的知識迅速地挪移應(yīng)用到另外一個項目上，這本身就挺酷的不是嗎？」

正是因為人工智能技術(shù)成為了一個平臺，才使得 Facebook 能夠這么快地推出產(chǎn)品。就比如說 Instagram，在一開始，系統(tǒng)讓用戶的照片是按照一種逆時間順序排列的。但是到了 2016 年的年初，它決定使用全新的算法，按照相關(guān)性來給照片排級。

Candela 說道：「Instagram 要做出這樣的轉(zhuǎn)變，完全不用平地起高樓。他們只需要自己的工程師中間有一兩個對機器學(xué)習(xí)比較精通的，然后負責(zé)讓他們跟外部若干個研究排名應(yīng)用的團隊保持對接，很多研究成果直接拿過來復(fù)制即可，如果有一些不懂的地方隨時請教即可。正是因為團隊間成果共享，且在人工智能的平臺上知識遷移成本很低的特點，使得 Instagram 在僅僅幾個月的時間內(nèi)，就完成了一次脫胎換骨的轉(zhuǎn)變。

除了對某個平臺實現(xiàn)較為單一的人工智能的升級換代之外，AML 團隊還在不斷地尋找其他機會，跟 Facebook 各種不同的研發(fā)團隊進行合作，將人工智能技術(shù)跟其他的技術(shù)產(chǎn)品相結(jié)合，從而打造出一個前所未見的功能，并針對 Facebook 這樣的用戶群進行投放。

AML 下屬的干支團隊中的工程師 Tommer Leyvand 說道：「我們在使用機器學(xué)習(xí)技術(shù)打造產(chǎn)品的核心功能，并永遠致力于取悅我們的用戶?！乖撊酥霸?jīng)供職于……等等，又是微軟公司！

這里還有一個非常有力的例證：它的名字是 Social Recommendations（社會化推薦）。一年以前，一個 AML 工程師和 Facebook 分享團隊的一名產(chǎn)品經(jīng)理在聊天時彈起來了這樣一個現(xiàn)象：當(dāng)人們在 Facebook 上詢問身邊的朋友，當(dāng)?shù)赜惺裁春贸缘酿^子或者其他優(yōu)質(zhì)服務(wù)時，人們的互動程度會很高。

但是如何將推薦信息有效地識別，并且推送到用戶的時間線上呢？在過去，分享團隊一直是通過「單詞短語匹配」，也就是將「請求推薦的短語」和「推薦的短語」進行匹配。但是這并不一定就奏效，因為每天是有 10 億個更新出來的，往往匹配出來的東西不準(zhǔn)確。但是，在他們經(jīng)過一番討論之后，他們決定利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練技術(shù)，通過把模型放到現(xiàn)實生活中去測試，逐漸的，研發(fā)團隊能夠識別出來不同的人問話之間的細微區(qū)別，不同的訴求。之后，系統(tǒng)可以在某個指定的區(qū)域，找到那個想要知道「在哪兒吃比較好」、「哪兒買鞋子比較劃算」的人，這進一步會觸發(fā)一個請求，同樣也是在機器學(xué)習(xí)技術(shù)的支持下，它還能找到一個提供靠譜建議的人，然后將這個館子或者鞋店的具體位置發(fā)送到用戶 News Feed 的地圖上。

對于圖片和視頻來說，AML 團隊已開發(fā)出了一個機器學(xué)習(xí)遠景平臺 Lumos，它能夠?qū)Πl(fā)布在 Facebook 上的所有照片、視頻進行理解和加工。任何人都可以在這個平臺去建模，然后放到特定情境中去實踐，看看它是否達到預(yù)期效果。

Lumos 的發(fā)明者之一 Paluri 給我做了一個很簡單的演示。他打開筆記本，運行 Lumos 平臺，開始一項機器學(xué)習(xí)領(lǐng)域中的簡單任務(wù)：不斷地提升神經(jīng)網(wǎng)絡(luò)識別直升機的能力。有一個頁面上堆疊了各式各樣的有關(guān)直升機的照片，如果你要滾動瀏覽是看不完的，要有 5000 多張。有些圖片上還不能算是直升機，比如一些玩具，或者飛翔在天空，貌似直升機的飛行物，或者是老鷹。我不是工程師，更別說是一名人工智能專家了，但是我在這里卻能幫助他們進行機器學(xué)習(xí)。一旦機器選錯了圖片，那么我就點擊否定的按鈕示意它錯了即可。

但最終，這種依靠人力來去鑒別，輔助培訓(xùn)的方式要被淘汰掉。這個環(huán)節(jié)將被自動化。Paluri 計劃在明年，將需要人工介入識別的工作量下降到百分之一。

而從長期來看，F(xiàn)acebook 是要將視覺識別和自然語言處理平臺的技術(shù)相結(jié)合，從而實現(xiàn)更加具有「生命力」的人工智能技術(shù)。

但是，要完成上述的目標(biāo)可不是簡單的事。因為社交平臺上出現(xiàn)的一切問題都歸結(jié)于人本身。要知道，這是一個擁有幾十億用戶的平臺，上面流竄著的很多信息就連人都很難從中分辨真?zhèn)?，你又怎能指望機器幫你把這一切都徹底解決掉呢？但 Candela 對此還是有一些信心的：「我們不可能隨機地將很多無關(guān)的信息推送到用戶眼前，我們更不可能只從一處來源提取信息，目前在機器學(xué)習(xí)領(lǐng)域已經(jīng)有好幾個團隊同時進行研發(fā)，讓機器在內(nèi)容發(fā)現(xiàn)上處在一個恰當(dāng)?shù)乃骄€上。

當(dāng) Facebook 發(fā)現(xiàn)自己深陷「虛假新聞」的輿論風(fēng)暴旋渦時，它讓所有人工智能團隊出動，采用各種技術(shù)手段，將炮制的虛假新聞從平臺上剝離出去。這可是前所未有的全員行動，就連致力于長期戰(zhàn)略發(fā)展，具有一定顧問性質(zhì)的 FAIR 團隊都出動了。而 FAIR 的表現(xiàn)也沒讓任何人失望。他們開發(fā)出來了一款名叫 World2Vec 的模型，它給神經(jīng)網(wǎng)絡(luò)賦予了記憶的能力，這可以幫助 Facebook 給每一段內(nèi)容都打上標(biāo)簽，例如它的出處是哪里？它是經(jīng)由哪些人分享傳遞的？（這里特意說明一下，Google 科技創(chuàng)新產(chǎn)品中有一個叫 Word2Vec，不是一回事兒）。在這樣的技術(shù)支持下，F(xiàn)acebook 可以清楚虛假新聞的模式，傳遞路徑都有著怎樣的特點，然后再將其識別、剔除出去。