除了Facebook人工智能研究部門（FAIR）之外，F(xiàn)acebook還設(shè)有一個名為應(yīng)用機器學(xué)習的部門。國外科技網(wǎng)站Backchannel主編史蒂芬·列維（Steven Levy）近日撰文揭秘了該部門的運作，詳解人工智能是如何成為該社交網(wǎng)絡(luò)未來戰(zhàn)略不可或缺的一部分的。它在幫助給Facebook的產(chǎn)品服務(wù)帶來視覺、說話、理解等方面的功能，甚至還在幫助清理假消息。
在被要求領(lǐng)導(dǎo)Facebook的應(yīng)用機器學(xué)習（Applied Machine Learning,簡稱AML）部門，肩負利用AI改造全球最大的社交網(wǎng)絡(luò)的責任的時候，杰奎因·奎諾內(nèi)羅·坎德拉（Joaquin Qui?onero Candela）有些猶豫不定。
并不是說該西班牙出生的科學(xué)家，該自稱“機器學(xué)習（ML）研究者”的人，沒有見證過AI如何能夠幫助Facebook.自2012年加入該公司以來，他領(lǐng)導(dǎo)過公司廣告運營的改革：利用ML技術(shù)來提高贊助廣告的相關(guān)性和有效性。更重要的是，在這個過程中，他鼓勵其部門的工程師使用AI,即便他們沒有接收過這種培訓(xùn)，因此廣告部門人員整體上擁有更加豐富的機器學(xué)習技能。不過，他并不確定同樣的魔法在更加寬廣的Facebook平臺上也會奏效，畢竟上面數(shù)十億的人際連接依賴于較為模糊的價值觀，而不是依賴于可用來測量廣告的硬數(shù)據(jù)?！拔蚁胍_信是否能夠在上面創(chuàng)造價值。”他如是談到他的晉升。
不管是Facebook,Instagram還是Messenger,都由AI驅(qū)動
雖然心存疑惑，但坎德拉還是接掌了該職位。如今，將近兩年過后，他當初的猶豫不決似乎很荒謬。
有多荒謬呢？上個月，坎德拉在紐約市的一個大會上面向工程師觀眾發(fā)表演講?！拔覍⒁l(fā)表一個強力的聲明?！彼娣Q，“Facebook今天沒有AI就無法生存。你可能不知道，每一次你使用Facebook、Instagram又或者Messenger,你的體驗都是由AI驅(qū)動的?！?/p>
去年11月，我造訪Facebook位于門洛帕克的總部，訪問坎德拉和他的部分團隊成員，探秘AI如何突然之間成為了Facebook賴以生存的存在。截至目前，外界對于Facebook在AI領(lǐng)域的動作的關(guān)注主要集中在它世界一流的Facebook人工智能研究部門（FAIR），該部門由著名的神經(jīng)網(wǎng)絡(luò)專家雅恩·樂昆（Yann LeCun）領(lǐng)導(dǎo)。與谷歌、微軟、百度、亞馬遜和蘋果的AI部門一樣，F(xiàn)AIR是最受精英AI項目畢業(yè)生追捧的組織之一。在近期計算機視覺、聽覺甚至對話方面的技術(shù)進展背后的數(shù)字神經(jīng)網(wǎng)絡(luò)領(lǐng)域，F(xiàn)AIR是取得突破性進展最多的組織之一。不過，坎德拉的應(yīng)用機器學(xué)習部門（AML）是負責將FAIR和其它部門的研究成果整合到Facebook實際的產(chǎn)品當中--以及負責驅(qū)使公司所有的工程師將機器學(xué)習技術(shù)整合到他們的工作當中，這一點可能更為重要。
由于Facebook沒有AI就無法生存，它需要所有內(nèi)部工程師共同打造該項技術(shù)。
“神經(jīng)風格轉(zhuǎn)變”
我的到訪發(fā)生于美國總統(tǒng)選舉兩天后，F(xiàn)acebook CEO馬克·扎克伯格（Mark Zuckerberg）稱Facebook對假消息的傳播幫助唐納德·特朗普（Donald Trump）勝選的說法“很瘋狂”.這番言論加劇了人們對于Facebook的不滿情緒，因為該社交網(wǎng)絡(luò)去年就曾因為動態(tài)消息中的假消息惹起爭議。盡管這些爭議性問題很大程度上不在坎德拉的職責范圍之內(nèi)，但他知道，最終Facebook對假消息危機的應(yīng)對機制將依賴于他的團隊將有份參與的機器學(xué)習工作。
接著，坎德拉想要給我展示某樣別的東西--演示其團隊的一個作品。讓我意外的是，它是一個相對無聊的伎倆：以知名畫家藝術(shù)作品的風格來重新繪制照片或者串流視頻。事實上，它讓人想起了Snapchat上可以看到的那種數(shù)字玩意，用畢加索的立體主義風格來重繪照片的想法也已經(jīng)被完成過。
“這背后的技術(shù)名為神經(jīng)風格轉(zhuǎn)變。”他解釋道，“經(jīng)過訓(xùn)練，這種大型神經(jīng)網(wǎng)絡(luò)能夠用特定的風格重新繪制照片?！彼统鍪謾C，打開了一張照片。僅僅點擊一下滑動一下，它就變成梵高《星夜》的衍生品一樣。更令人印象深刻的是，它能夠生成特定風格的串流視頻。他還說，真正特別的是某樣我看不到的東西：Facebook打造了神經(jīng)網(wǎng)絡(luò)，讓它能夠在手機上運行。
這也不是什么新鮮技術(shù)--蘋果此前曾吹噓有在iPhone上進行某種神經(jīng)計算。但這對于Facebook來說難度要大得多，因為它無法掌控硬件本身?？驳吕f，他的團隊能夠執(zhí)行這種任務(wù)，是因為部門工作的不斷累積--每個項目的完成都讓另一個項目變得更加簡單，每個項目的建造，都讓未來的工程師能夠打造出需要更少訓(xùn)練的同類產(chǎn)品--因此像這樣的項目能夠快速打造出來?！皬拈_始著手做這個到拿來出進行公開測試，我們只花了8個星期，很很瘋狂?！彼f。
坎德拉稱，做像這樣的任務(wù)的另一個秘訣是協(xié)作--Facebook文化的中流砥柱。在做該任務(wù)時，容易接洽Facebook其它的部門，尤其是非常熟悉iPhone硬件的移動團隊，讓他們能夠跳過在Facebook的數(shù)據(jù)中心渲染圖像的過程，從而直接在手機上執(zhí)行該項工作。這帶來的好處遠不止是能夠使得你的親朋好友的影像變成《吶喊》（The Scream）風格。這是讓整個Facebook變得更加強大的一步。短期來說，這可以加快在語言解讀和文本理解上的響應(yīng)。長期來說，它有助于實時分析你的所見所講?！拔覀兪窃谡f轉(zhuǎn)瞬之間的事情--這必須要做到實時。”他說，“我們是社交網(wǎng)絡(luò)，如果我要預(yù)測人們對于某個內(nèi)容的反饋，那我的系統(tǒng)就需要即時作出響應(yīng)，對吧？”
“在手機上運行復(fù)雜的神經(jīng)網(wǎng)絡(luò)，意味著你將AI帶到每個人的手中?！彼f，“這不是偶然發(fā)生的事情。它是我們在公司內(nèi)部廣泛推廣AI的一部分。”
“這是一個漫長的征程?！彼a充道。
坎德拉的出身
坎德拉出生于西班牙。他在3歲時隨家人移居摩洛哥，并在那里上法語學(xué)校。雖然他的科學(xué)和人文學(xué)科成績非常優(yōu)異，但在決定到馬德里上大學(xué)時，他選擇了他認為最難的學(xué)科：電信工程。電信工程不僅僅需要掌握像天線和放大器這樣的物理知識，還需要懂得數(shù)據(jù)分析，這在他看來“很酷”.他非常仰慕一位改造自適應(yīng)系統(tǒng)的教授。坎德拉做了個系統(tǒng)，利用智能過濾器來改進漫游手機的信號；如今他稱這是“幼小版神經(jīng)網(wǎng)絡(luò)”.他癡迷于訓(xùn)練算法，不滿足于只是編寫代碼。在2000年在丹麥度過的一個學(xué)期，他遇見曾在多倫多與機器學(xué)習領(lǐng)域的傳奇杰夫·辛頓（Geoff Hinton）一道學(xué)習的機器學(xué)習教授卡爾·拉斯馬森（Carl Rasmussen），這進一步激發(fā)了他對訓(xùn)練算法的熱情。在畢業(yè)之際，他準備進入寶潔公司的一個領(lǐng)導(dǎo)力項目。此時拉斯馬森則邀請他去讀博士，最終他選擇了機器學(xué)習專業(yè)。
2007年，他加入微軟研究院位于英格蘭劍橋的實驗室。他在加盟不久后獲知公司要舉行比賽：微軟準備推出必應(yīng)，但需要在搜索廣告這一重要組成部分上進行改進--準確預(yù)測用戶會在什么時候點擊廣告。該公司決定就此舉行內(nèi)部比賽。勝出團隊的解決方案將接受測試看看是否值得推出，團隊成員也將獲得免費到夏威夷旅游的獎勵。19個團隊參與競爭，最后坎德拉的團隊并列獲得冠軍。他獲得了免費出游的獎勵，但微軟卻遲遲沒有兌現(xiàn)更大的獎品（展開測試來決定他的作品是否可以推出），這讓他感到受騙。
后來發(fā)生的事情充分顯示了坎德拉的決心。他開啟瘋狂的窮追不舍模式，以讓公司給他一次機會。他進行了超過50次的內(nèi)部講話，他打造了模擬器來證明其算法的優(yōu)越性。他也不斷游說那位握有決策權(quán)的副總裁，不管后者去到哪，包括洗手間，他都伺機接近，不停宣講自己的系統(tǒng)。
2009年，坎德拉的算法隨必應(yīng)推出。
2012年初，坎德拉探訪在Facebook供職的一位朋友，在它的門洛帕克園區(qū)呆了一個周五。他驚訝地發(fā)現(xiàn)，在這家公司，人們并不需要乞求上級批準測試他們的作品。他們直接那么做就行了。在接下來的周一，他去Facebook面試，周末便拿到了要約。
當初的模型并不先進
加入Facebook的廣告團隊后，坎德拉的任務(wù)是領(lǐng)導(dǎo)一個小組展示相關(guān)度更高的廣告?？驳吕f，雖然當時的系統(tǒng)有使用機器學(xué)習技術(shù)，“但我們所使用的模型并不是很先進，它們很簡單?！?/p>
侯賽因·梅漢納（Hussein Mehanna）是另一位跟坎德拉同時間加盟Facebook的工程師，他同樣對該公司的系統(tǒng)在整合AI上缺乏進展感到驚訝?！霸谖疫€沒有加入Facebook之前，看到該產(chǎn)品的質(zhì)量，我以為一切都已經(jīng)成型，但很顯然還沒有?！泵窛h納說，“在入職幾個星期后，我就跟坎德拉說，F(xiàn)acebook真正缺少的是一個合適的世界級機器學(xué)習平臺。我們有機器，但沒有合適的軟件來幫助機器盡可能多地從數(shù)據(jù)學(xué)習?！保窛h納如今是Facebook核心機器學(xué)習主管，也曾在微軟供職多年--本文另外幾位受訪的工程師也是微軟出身。巧合？）
對于“機器學(xué)習平臺”,梅漢納是說在基于大腦運作方式的模型普及后，那個將AI帶出上世紀的寒冬期進入近年的綻放時期的范例的普及。以廣告為例，F(xiàn)acebook需要它的系統(tǒng)做某種沒有人能夠做的事情：即時且準確地預(yù)測有多少人會點擊給定的廣告。于是坎德拉和他的團隊著手打造一個基于機器學(xué)習程序的新系統(tǒng)。由于該團隊想要將該系統(tǒng)打造成平臺，讓該部門所有的工程師都可以訪問，他們采取了一種讓建模和訓(xùn)練能夠推廣和復(fù)制的建造方式。
打造機器學(xué)習系統(tǒng)的一大重要因素是獲得優(yōu)質(zhì)數(shù)據(jù)--越多越好。幸運的是，這是Facebook最大的資產(chǎn)之一：當你有超過10億人每天使用你的產(chǎn)品，你就可以給你的訓(xùn)練集收集大量的數(shù)據(jù)，一旦開始測試你也可以獲得無數(shù)用戶行為方面的例子。正因為此，廣告團隊能夠加快到每周推出幾個模型，而不再是每幾周推出一個新模型。由于要將系統(tǒng)做成平臺--讓公司內(nèi)部其他的人員也能夠用來開發(fā)他們自己的產(chǎn)品--坎德拉得聯(lián)手數(shù)個團隊來展開工作。這是一個精細的分三步走的過程?！澳阋葘Ｗ⒂谛阅?，再專注于效用，然后專注于打造社區(qū)?！彼f道。
坎德拉的廣告團隊證明了機器學(xué)習技術(shù)在Facebook的變革性。“我們在預(yù)測點擊、點贊、轉(zhuǎn)換等方面變得極為成功?！彼f。將那種模式擴展到Facebook平臺的其它服務(wù)也就成了順理成章的事情。事實上，F(xiàn)AIR領(lǐng)導(dǎo)者樂昆之前就在呼吁設(shè)立部門來負責將AI應(yīng)用到產(chǎn)品當中--準確來說，是在公司內(nèi)部更大范圍地推廣機器學(xué)習技術(shù)。“我的確曾呼吁設(shè)立這樣的部門，因為你需要這樣由優(yōu)秀工程師人才組成的組織專注于可為很多產(chǎn)品部門使用的基礎(chǔ)技術(shù)，而不是直接負責產(chǎn)品?！睒防ケ硎尽?/p>
2015年10月，坎德拉成為新AML團隊的主管（有一段時間，出于謹慎起見，他保留他在廣告部門的職位，在兩個職位之間穿梭）。他與FAIR保持緊密的聯(lián)系。FAIR在紐約市、巴黎和門洛帕克均設(shè)有辦事處，在門洛帕克它的研究人員實際上就在AML工程師的旁邊工作。
AML和FAIR之間的協(xié)作，從一個給用戶分享的照片提供語音描述的研發(fā)中的產(chǎn)品可見一斑。在過去的幾年里，訓(xùn)練系統(tǒng)識別場景中的物品或者做出一般性的結(jié)論，如照片是在室內(nèi)還是室外拍的，已經(jīng)成為了標準的AI慣例。但最近，F(xiàn)AIR的科學(xué)家找到方法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)描述圖像中幾乎所有的有趣物體，然后根據(jù)物體的位置和相對其它物體的位置來判斷照片是關(guān)于什么的--實際上是通過分析姿勢來判斷特定照片里人們是在擁抱，還是在騎馬?！拔覀兘oAML部門展示了這項技術(shù)，”樂昆說，“他們想了想，說，‘在這種情境中，那個技術(shù)會很有用。’”最終他們做出了一項可造福盲人或者視覺障礙著的功能原型，用戶指向圖像，就能讓他們的手機通過語音給他們描述圖像的內(nèi)容。
“我們一直都在溝通，”坎德拉如是說到他的兄弟團隊，“總的來說，要從科學(xué)技術(shù)發(fā)展到實際的項目，你需要粘合劑對吧？我們就是粘合劑?！?/p>
AI的四個應(yīng)用領(lǐng)域
坎德拉將AI的應(yīng)用分成四個領(lǐng)域：視覺、語言、語音和攝像效果。他表示，所有的這些東西將會帶來“內(nèi)容理解引擎?！蓖ㄟ^研究如何理解平臺內(nèi)容的意思，F(xiàn)acebook想要從評論中檢測出微妙的意圖，從口語中提取出細微的東西，鑒別你在視頻中快速出現(xiàn)的朋友的面孔，解讀你的表情，然后將它們反映在你在虛擬現(xiàn)實場景中的化身。
“我們在研究AI的普遍化?！笨驳吕f，“隨著內(nèi)容的爆炸性增長，我們需要提升理解和分析能力?！苯鉀Q方案就在于打造普遍化的系統(tǒng)，使得一個項目的成功能夠積累起來，讓其它研究相關(guān)項目的團隊能夠受益。坎德拉稱，“如果我能夠打造出可將知識從一項任務(wù)轉(zhuǎn)移到另一項的算法，那會很美妙，是吧？”
那種知識轉(zhuǎn)移能夠大大加快Facebook推出產(chǎn)品的速度。以Instagram為例。自上線以來，該照片分享服務(wù)就以時間倒序的形式來顯示用戶的照片。但2016年年初，它決定使用算法來按照相關(guān)性將照片排序?？驳吕赋?，好消息是，由于AML已經(jīng)在像動態(tài)消息（News Feed）這樣的產(chǎn)品中實施過機器學(xué)習技術(shù)，“Instagram不必從頭開始做?！彼€說，“他們讓一兩個精通機器學(xué)習的工程師聯(lián)系部分其它在運行某種內(nèi)容排序應(yīng)用的團隊。然后，你可以直接將工作流程復(fù)制過來，有什么問題就問對方?！闭驗榇?，Instagram短短幾個月就能夠?qū)嵤┻@一重大變動。
AML團隊一直都在尋找它的神經(jīng)網(wǎng)絡(luò)技術(shù)能夠跟多個其它團隊的技術(shù)相結(jié)合的使用案例，以打造適用于整個Facebook平臺的獨特功能?！拔覀兝脵C器學(xué)習技術(shù)來打造我們的核心功能和取悅我們的用戶。”AML感知團隊首席工程師湯墨·雷范德（Tommer Leyvand）說。（他也曾供職于微軟。）
其中一個案例是最近的一項名為社交推薦的功能。大約一年前，AML的一位工程師和Facebook分享團隊的一位產(chǎn)品經(jīng)理在討論人們叫朋友推薦本地的美食或者服務(wù)時活躍度很高?！皢栴}在于，你要如何將相關(guān)內(nèi)容呈現(xiàn)給用戶呢？”AML自然語言團隊產(chǎn)品經(jīng)理麗塔·阿基諾（Rita Aquino）說道。為此，該共享團隊一直在嘗試匹配推薦請求相關(guān)的特定用語?！拌b于你一天有10億條帖子，那不一定很準確，不一定可擴展?！卑⒒Z指出。通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)和用用戶的實時行為測試模型，該團隊能夠檢測出非常細微的語言差別，因而能夠準確檢測用戶是在問特定區(qū)域哪里有美食，還是問該在哪里買鞋子。那會觸發(fā)請求出現(xiàn)在動態(tài)消息的合適聯(lián)系人上。接下來的一步同樣由機器學(xué)習驅(qū)動，是判斷出用戶在提供似乎合理的推薦，在用戶的動態(tài)消息中顯示商家的位置或者餐館在地圖上的位置。
阿基諾稱，在她進入Facebook后的一年半里，AI已經(jīng)從鮮少出現(xiàn)在公司的產(chǎn)品當中，變成產(chǎn)品從開發(fā)之初就要引入。“人們希望他們所使用的產(chǎn)品變得更加智能?！彼f，“團隊們看到像社交推薦這樣的產(chǎn)品，看到我們的代碼，就會說‘我們要如何做這個？’你不必成為機器學(xué)習專家就能夠為你的團隊帶來這樣的技術(shù)?！币宰匀徽Z言處理為例，該團隊打造了一個其它團隊也能夠輕松接入的系統(tǒng)，該系統(tǒng)名為Deep Text.它有助于驅(qū)動Facebook每天為逾40億帖子使用的翻譯功能背后的機器學(xué)習技術(shù)。
對于圖像和視頻，AML團隊打造了名為Lumos的機器學(xué)習視覺平臺。Lumos在馬諾哈爾·帕魯里（Manohar Paluri）當初在FAIR做實習生時打造的，他將該大型機器學(xué)習視覺平臺稱之為Facebook的視覺皮層--處理和理解Facebook上發(fā)布的所有圖像和視頻的方式。在2014年的一次黑客松中，帕魯里和同事尼基爾·約里（Nikhil Johri）一同在一天半內(nèi)打造出了原型，并給非常興奮的扎克伯格和Facebook首席運營官謝麗爾·桑德伯格（Sheryl Sandberg）展示了他們的成果。坎德拉開始在AML工作時，帕魯里便加盟，領(lǐng)導(dǎo)計算機視覺團隊，打造Lumos來幫助Facebook所有的工程師（包括Instagram、Messenger、WhatsApp、Oculus等產(chǎn)品的工程師）利用該視覺皮層。
“有了Lumos,公司任何人都能夠使用來自這些不同的神經(jīng)網(wǎng)絡(luò)的功能，針對他們特定的場景打造模型，看看模型是否奏效。”同時在AML和FAIR任職的帕魯里指出，“然后，他們可以派一個人修正系統(tǒng)，對它進行重新訓(xùn)練和推送，完全不需要AML團隊的人參與進來?！?/p>
帕魯里快速地給我演示了一下。他打開他筆記本上的Lumos,然后我們開始做一項樣本任務(wù)：改進神經(jīng)網(wǎng)絡(luò)識別直升飛機的能力。一個布滿圖片的頁面（不斷滾動下去，共有5000張圖片）出現(xiàn)在屏幕上，滿是直升飛機和直升飛機以外物品的圖片。對于這些數(shù)據(jù)集，F(xiàn)acebook采用的是來自旗下資產(chǎn)公開發(fā)布的圖片。雖然我不是工程師，更不是AI專家，但點擊那些錯誤例子來“訓(xùn)練直升飛機圖像分類器”對我來說也并不困難。
“智能應(yīng)用開發(fā)將快上百倍”
最終，這個“分類”步驟（被稱為監(jiān)督式學(xué)習）可能會被自動化，因為該公司在追求機器學(xué)習的圣杯：“非監(jiān)督式學(xué)習”,神經(jīng)網(wǎng)絡(luò)能夠自行判斷那些圖像里面有什么東西。帕魯里說，公司正在取得進展?！拔覀兊哪繕耸牵磥硪荒陮⑷斯俗⒌臄?shù)量減少100倍?！?/p>
長期而言，F(xiàn)acebook將會為將視覺皮層和自然語言平臺融合起來，以實現(xiàn)坎德拉所說的普遍性內(nèi)容理解引擎。“毫無疑問，我們將會把它們結(jié)合起來?！迸留斃镎f。
最終，F(xiàn)acebook希望，它用于其進展的核心原則將會通過期刊論文等形式在公司以外流傳開來，使得它的普遍化做法能夠更大范圍地推廣機器學(xué)習技術(shù)?！澳隳軌虼蟠蠹涌熘悄軕?yīng)用開發(fā)速度，而不再需要花費好些年的時間?！泵窛h納指出，“想象這對于醫(yī)療、安全、交通等行業(yè)的影響吧。我想，在那些領(lǐng)域打造應(yīng)用未來將要快上百倍以上?！?/p>
AML在深度參與這個給Facebook的產(chǎn)品帶來視覺、解讀能力甚至說話能力的史詩般進程，扎克伯格認為這對于實現(xiàn)其對Facebook造福社會的愿景也至關(guān)重要。在扎克伯格有關(guān)建設(shè)社區(qū)的長篇人道主義宣言中，該CEO多達七次說到“人工智能”或者“AI”,全都是在說機器學(xué)習和其它的技術(shù)將如何保障社區(qū)的安全和消息靈通的語境中提及的。
實現(xiàn)那些目標不會是易事，這也是坎德拉當初在猶豫是否出任AML的職位時擔心的事情。單個的機器學(xué)習無法解決所有人的問題，而你是要嘗試成為上十億用戶發(fā)現(xiàn)信息和建立個人連接的主要來源。正因為此，F(xiàn)acebook在不斷搗鼓決定用戶在動態(tài)消息中看到的內(nèi)容的算法--當你不確定什么才是最優(yōu)的內(nèi)容組合時，你要如何訓(xùn)練系統(tǒng)來提供最優(yōu)的內(nèi)容組合呢？“我想這是一個近乎無解的問題?！笨驳吕f，“我們隨機展示消息內(nèi)容的話，意味著要浪費你的時間，是吧？而我們只顯示來自一個朋友的消息內(nèi)容的話，又等于是贏家通吃。你可能會一直陷入這種討論當中，走兩個極端顯然都不是最優(yōu)解決方案。我們嘗試進行一些探索?！盕acebook將會利用AI繼續(xù)嘗試解決這個問題?！澳壳皺C器學(xué)習和AI領(lǐng)域有許多優(yōu)化那種探索方面的研究?！笨驳吕f，聽起來很有希望。
假消息問題
當Facebook發(fā)現(xiàn)自己被指是假消息傳播的罪魁禍首時，它理所當然地號召它的AI團隊來快速清理其服務(wù)上的假消息。樂昆指出，這是一項非比尋常的全員行動，當中甚至包括幾乎是擔當“顧問”角色的FAIR團隊。FAIR已經(jīng)打造了一項工具來幫助解決該問題：一個名為World2Vec的模型。World2Vec給神經(jīng)網(wǎng)絡(luò)增加了某種記憶功能，可幫助Facebook給所有的內(nèi)容標上一些信息，如內(nèi)容的來源和分享者。有了那些信息，F(xiàn)acebook就能夠理解假消息的的分享模式，進而利用機器學(xué)習技術(shù)清除那些內(nèi)容?！笆聦嵶C明，識別假消息跟識別人們最想要看的頁面并沒有什么不同?！睒防ブ赋?。
出自坎德拉團隊的原有平臺讓Facebook能夠更加快速地推出那些內(nèi)容審查產(chǎn)品。它們實際上作用有多大還有待觀察；坎德拉說，現(xiàn)在分享數(shù)據(jù)來說明公司在借助算法裁判減少假消息上做得有多好，還為時過早。但不管那些新措施是否奏效，該困境本身也提出了一個問題：用算法來解決問題--即便算法借助機器學(xué)習技術(shù)得到了改進--是否不可避免地會產(chǎn)生意想不到甚至有害的結(jié)果?？隙ㄓ腥藭f這種情況2016年就發(fā)生過。
坎德拉對此提出異議?！拔蚁胛覀冏屖澜缱兊酶昧??！彼f，還講了一個故事。就在接受采訪前一天，坎德拉給一個他僅見過一次的Facebook聯(lián)系人打電話，那是他朋友的父親。他看到那個人發(fā)布支持特朗普的內(nèi)容，對此他覺得有些困惑。之后，坎德拉意識到自己的職責是根據(jù)數(shù)據(jù)做出決策，他缺少重要的信息。于是他發(fā)信息給那個人，請求進行通話。后者同意后，他們進行了電話通話?！斑@沒有幫我改變現(xiàn)實，但卻讓我能夠從很不一樣的角度來看問題?！笨驳吕f道，“要是在沒有Facebook的世界，我永遠都不會和他有交集?！?/p>
換句話來說，雖然AI之于Facebook非常重要，甚至關(guān)乎存亡，但它并不是唯一的答案?！拔覀兊奶魬?zhàn)在于，AI實際上還處于初生階段，”坎德拉說，“我們才剛上路?！?br/>
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
