Facebook人工智能大揭秘:为何人工智能如此不可或缺？

2015年10月，Candela成为了新的AML团队主管（在一段时间内，他还同时兼任着广告团队的负责人）。他与FAIR团队保持着密切的联系。虽然FAIR在纽约、巴黎和门洛帕克市都有办公地，但实际上他们的成员就坐在AML工程师旁边。

他们合作的方式可以用一个正在运行中的产品来说明，该产品是Facebook上对照片进行语音描述功能。过去的5年中，训练系统识别屏幕中的物体并给出一般性结论（比如照片是在室内还是室外拍摄）已经成为了人工智能训练的普遍标准。但是最近，FAIR的科学家们发现了一个方法，可以训练神经网络在图像中变出每一个物体并判断他们之间的位置和关系，进而理解整个图像的含义，比如分析出图中人们正在拥抱，或者有人正在骑马。LeCun说：“我们将这个方法展示给AML团队，他们思考了一会儿，说‘在一种情形下，这项技术会非常有用’。”于是，一个帮助盲人或视力低下的人“阅读”图片的功能原型出现了。Candela谈到他的姐妹团队：“我们一直在交流。更大的挑战是将科学技术转化成产品，这需要粘合剂，而我们就是这个粘合剂。”

Candela将人工智能的应用分为四个部分：视觉、语言、谈话和照相机特效。他认为这四个部分会产生一个“理解内容的机器”。通过研究如何明白内容的含义，Facebook可以从评论中、话语的细微变化中探查隐含的意思，在视频中识别出你朋友一闪而过的面孔，在你真实的会话中解译你的表达。

Candela说：“我们正在使人工智能一般化。在内容激增的今天，我们需要理解和分析内容，否则我们贴标签的能力就会跟不时代了。”而解决方法就在于建立一个普遍性的系统，使得一个项目的工作可以为相关项目的工作提供帮助。他说：“如果我能将其他项目的成果转移来构建我自己的算法，岂不是非常棒？” 这样的转变让Facebook产品上新的速度飞速提升。拿Instagram举例：最开始的时候，用户展示的照片是按照时间顺序反向排序的。但是在2016年初，公司决定使用算法将照片按照相关性来排列。好消息是因为AML已经完成了类似于News Feed动态信息流中的机器学习部分，所以“他们不用从抓取数据开始做起“，Candela说，“他们有一两个熟悉机器学习的工程师负责联系其他运作排序类应用的团队，所以他们可以直接复制那些团队的工作流程，出现问题的时候也可以去询问他们。”于是，Instagram在几个月内就完成了这个划时代的转变。

AML团队总是在找寻机会，将神经网络的强大功能融入不同的团队，帮助他们在Facebook层面创造独特的产品功能。AML知觉团队主工程师Tommer Leyvand说：“我们正在使用机器学习技术构建自己的核心竞争力，满足用户的需求。”（FYI，他也是从微软跳槽来的！）

Facebook人工智能大揭秘:为何AI如此不可或缺？

（Facebook技术产品经理Rita Aquino，雷锋网(公众号：雷锋网)注）

最近新出的一个叫做“社交推荐”的功能也是一个很好的例子。大约一年前，一个AML的工程师和Facebook分享团队的一个产品经理谈到了公司可以介入的一个场景：当人们询问朋友有什么可以推荐的当地餐厅的时候。“那么Facebook可以怎样把推荐的信息展示给用户呢？“Rita Aquino说道。分享团队一开始使用词汇匹配的方式回应推荐指令。但是Aquino说：“当每天有数十亿的推送时，精确和升级的要求就不是必须的了。” 通过对神经网络的训练和使用真实数据对模型的测试，他们已经可以探查非常细微的语言区别，准确地探查到哪个用户正在询问某地区内的餐厅或商场，进而触发一个指令，将相关的链接展示在用户的News Feed上。接着当某人提供了一个推荐时，机器学习会在用户的News Feed上显示出餐厅或商场的地理位置。

Aquino说，她在Facebook的一年半时间里，见证了人工智能从产品中的边缘成分变成了产品概念产生的来源。她说：“人们期望与他们交互的产品能够更加智能。而团队在创造产品的时候，并不需要成为一个机器学习专家。” 在处理自然语言的例子中，AML建立了个一个叫做 “Deep Text” 的系统，让其他团队可以轻松访问，用机器学习辅助Facebook每日使用超过40亿次的翻译功能的实现。

对于图像和视频，AML团队建立了一个叫做“Lumos”的机器学习视觉平台。平台起初是由Manohar Paluri创建的，后来FAIR的一个实习生在此基础上设计了一个大型机器学习视觉系统，他称之为Facebook的“视觉皮质”，一种处理和理解Facebook上所有图像和视频的方法。在2014年的编程马拉松上，Paluri和同事Nikhil Johir在一天半时间里创建了一个产品原型，并向扎克伯格和Facebook首席运营官Sheryl Sandberg展示了结果。在Candela开始组建AML团队的时候，Paluri 也加入进来（他同时在AML 和FAIR 任职），领导计算机视觉团队，完善Lumos 平台，帮助Facebook 的工程师（包括Instagram、Messenger、WhatsApp 和Oculus）使用视觉处理方法。Paluri 说：“在Lumos 上，公司里的每个人都可以使用神经网络的各种功能来构建自己的模型方案。这样除了AML 团队，公司内的其他人都可以修正、训练、推动系统的发展。“

Paluri 给我做了一个快速展示。他在笔记本上启动Lumos，做了一个简单的任务：改进了神经网络识别直升机图像的能力。屏幕上出现了一个大概有5000个直升机形象的页面，其中也有一些不是直升机（一个是玩具直升机、一些是从直升机视角拍摄的天空），这些数据是Facebook 从用户发布的照片中收集来的。即使我完全不是一个工程师，更不懂人工智能，但是也可以简单地点击负面样本来训练图像分类器分辨直升机。最终，这个分类步骤，所谓的有监督学习，会完全自动化，利用机器学习方法，神经网络会自动探索图像中的物体，实现“无监督学习”。Paluri 说Facebook 正在为此努力，“我们的目标是明年将人工注释减少到百分之一。”

长期来看，Facebook 会将“视觉皮质”融入进自然语言平台上，帮助Candela 所谓的内容理解引擎进行一般化扩展。Paluri 说：“毫无疑问，我们会将他们结合在一起，也许就叫做……大脑皮质。”

Facebook人工智能大揭秘:为何AI如此不可或缺？

Facebook 的最终目标是将机器学习的核心原理通过发表论文等方式，扩展到甚至是公司之外的领域。Mehanna 说：“大家不用在花费大量时间创建智能应用，我们可以进展得更快。想象一下，它的影响可以涉及到医药，安全，交通等各个领域。我认为这些领域的应用开发速度会有百倍增长。”

Facebook人工智能大揭秘:为何AI如此不可或缺？

（Facebook 计算机视觉应用团队主管Manohar Paluri，Stephen Lam 拍摄于门洛帕克市Facebook 大楼，2017年2月6日）

尽管AML 机器学习应用在帮助Facebook 的产品进行观察、理解甚至对话的过程中发挥了重大作用，但是扎克伯格认为机器学习的应用还会在Facebook 的良好社交方面起到重要作用。在他5700字的构建社交社区的声明中，7次提到了“人工智能”，阐释机器学习和其他技术能够如何帮助Facebook 保持社区安全和消息灵通。

Facebook人工智能大揭秘:为何AI如此不可或缺？

实现这些目标并不是易事，这也是Candela 起初在任职问题上犹豫的原因。甚至机器学习也不能解决所有关于数十亿人之间沟通信息的问题。也正是因为这样，Facebook 不断研究算法，确定在News Feed 上要为用户展示怎样的内容。Candela 认为目前还未解决的最大问题是：当你不确定内容时，你要如何训练系统提供最优结果？他说：“我们提供随机消息流就意味着浪费了用户的时间；我们只提供一个朋友的信息流，则赢者通吃。连续不断的讨论只会得到一个结论，这两个极端情况都不是最佳选择。我们正在探索一个平衡。“ Facebook 试图利用人工智能来解决这个问题。人工智能也成为了公司解决任何问题都不可或缺的工具。”我们在机器学习和人工智能方面有很多实质性研究，试图优化这种平衡。“ Candela说道，语气中充满希望。

自然而然地，当Facebook 变成传播假新闻的罪人时，它便召集了AI 团队迅速删除了界面上所有假消息。这是一次不同寻常的全体努力，甚至包括FAIR 团队，LeCun 认为它可以作为“咨询顾问“。结果是FAIR 团队创造出一个解决问题的工具：一个叫做：World2Vec”的模型（Vec 指代矢量Vector），该模型在神经网络中加入了记忆能力，帮助Facebook 标记信息的构成，比如信息来源、谁分享了该信息。（这里可能会有些混淆，谷歌有一个发明叫做W ord2Vec）。通过这个信息，Facebook 可以理解信息分享模式，描述虚假新闻的特征，之后可能会使用机器学习策略剔除掉虚假消息。LeCun 说：“我们最终发现，识别假新闻与找到人们最喜爱页面的工作并没有什么不同。“

Candela 团队之前建立的平台让Facebook 推出数据检查类产品的速度比以往都快。虽然他们的表现达到什么程度还有待检验，但是Candela 说，过不了多久就能看到Facebook 用算法判断来减少假消息的效果有多好了。然而不论这种新方法是否奏效，困境本身对算法是否能解决问题提出了质疑——即使机器学习解决了一个问题，但是可能会无意中产生不好的结果。Candela 反驳了这种质疑：“我认为我们会让世界变得更好。”他对我讲了一个故事：在我采访的前一天，Candela 给Facebook 上一个用户打了电话，那个人是他一个朋友的父亲，他们有过一面之缘。他看到这个人在Facebook 上发表了一些支持川普的言论，觉得有些疑问。Candela 意识到他的工作就是基于数据做出决策，而他好像遗漏了一些重要信息，所以他给这个人发了消息约谈，他们最终在电话里进行了对话。Candela 说：“这次经历没有改变我的生活，但是却让我从一个非常不同的角度观察事物。如果没有Facebook，这一切也不会发生。“ 换句话说，尽管人工智能非常重要，对Facebook 不可或缺，但是这也不是唯一的答案。“问题在于人工智能仍处于婴儿时期，我们的工作才刚刚开始。”Candela说。

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!