Facebook 作為全世界最大的社交網絡平臺，其實在很多年前就已經悄然實現(xiàn)了轉型。今天的 Facebook，是絕對以人工智能技術作為核心技術支撐的。我們在互聯(lián)網上所享受到的每一個服務，其實都與 AI 息息相關。AI 究竟會給我們的生活帶來怎樣的概念？AI 在 IT 產業(yè)中究竟扮演著怎樣的角色。今天這篇長文就帶領大家走近 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應用機器學習小組』的負責人了。你的任務， 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絡平臺加速騰飛。你愿意承擔這個角色嗎？」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， 但是話到嘴邊卻猶豫了。

這個出生于西班牙的科學家， 形容自己是標準的「機器學習怪咖」， 此時的猶豫犯難，倒不是因為他對人工智能技術沒信心。事實上， 他親眼見證了在人工智能技術的幫助下，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整， 具體就體現(xiàn)在利用人工智能來讓廣告商的內容日志變得更加有效， 傳遞到更加準確的受眾那里。更重要的是， 他也在公司內部不斷地對人工智能技術進行推廣， 實踐， 他的團隊即便沒有受過什么人工智能方面的培訓， 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)務部門對機器學習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應用機器學習小組』的負責人，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：「我當時答應的時候，迫切的想要知道人工智能技術里是否存在著如他們所期盼的那種價值存在的?！?/p>

盡管當時心存疑慮，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：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)在已經成為了 Facebook 賴以存活的「氧氣」。

其實， 當人們談到 Facebook 在人工智能領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， 領頭人是神經學專家 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、甚至轉換等途徑上之所以能夠產生這么大的進步， 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上， 開發(fā)出來了一個數(shù)字化的神經網絡。

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「應用機器學習團隊」。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， 一起整合到 Facebook 現(xiàn)實存在著的產品當中。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， 都能將這種全新的科技融入到自己工作的每一天當中去。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， 馬克·扎克伯格當然不肯背這口鍋。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。關于 Facebbok 假消息肆虐的指責是火上澆油， 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致的。對 Facebook 的指責攻擊在 Facebook 內部也產生了震動， 但主要涉及某些 Facebook 更高層面的管理者， 跟 Candela 并沒有什么關系。但即便如此，Candela 認為自己肩膀上的擔子很重，因為他知道：Facebook 要對「虛假新聞指責」進行有力的回擊， 那么就得依靠機器學習來辦到， 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格的畫家的作品，然后軟件竟然會以這種個性十足的風格，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得到了應驗。

他解釋道：「這個軟件背后的科技叫做神經網絡風格轉移。這是一個大型的神經網絡，它經過訓練后，就能夠利用某一種特定的風格來重新臨摹最初的那張圖片。」說著，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 正在用這樣的技術打造自己的的神經網絡，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在 iPhone 上面做了一些神經網絡計算。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上繼續(xù)向前開發(fā)，項目與項目之間有著明顯的關聯(lián)，這樣工程師不需要接受太多的培訓就能開發(fā)出與之類似的產品。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，你所表達的內容的實時分析。

他說道：「我們是一家社交網站，對吧？我們需要預測人們對于某段內容會出現(xiàn)的反應，我的系統(tǒng)必須做到幾乎同步反饋。」

Candela 又看了一眼他剛拍的自拍，那張有明顯梵高畫作風格的照片，毫不掩飾他神采中透露出來的驕傲?！竿ㄟ^在手機上運行復雜的神經網絡運算，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，我們是在公司內部一點點的普及人工智能的重要性，然后再推廣它。」

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，當他三歲時，全家搬到了摩洛哥。在那里，他上了一所法語學校。盡管他在科學和人類學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，去學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)」在當時可是非?？岬母拍?。

在當時，他已經自己開始設計一套系統(tǒng)，系統(tǒng)中的智能過濾器可以提升移動電話的信號?，F(xiàn)在的他將其稱之為「一個嬰兒的神經網絡」。自那個時候，他的人生有了明確的方向，他對機器訓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期的學習，也就是在那里，他遇到了機器學習領域的教授 Carl Rasmussen，此人師從具有傳奇色彩的 Geoff Hinton（自孩童時就在機器學習上展現(xiàn)了驚人的天賦）。也就是在遇到了 Carl Rasmussen 之后，他對機器學習的熱情進一步高漲。在畢業(yè)之際，Rasmussen 發(fā)出邀請，希望他繼續(xù)深造博士學位，他果斷地選擇了機器學習。

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，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」領域的某個關鍵環(huán)節(jié)還需要進一步的提升，即「它需要預測什么時候用戶會點擊廣告?！?/p>

微軟當時覺得在公司內部展開一次競賽，勝出的團隊所給出的解決方案會投入到產品實踐當中，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，并沒有將其應用到 Bing 搜索引擎性能的提升中，他當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做人工智能相關決策的副總裁，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變。

當時他的一個朋友在 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。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，他的工作任務就是讓 Facebook 推送出更加精準，跟用戶有關的廣告。那個時候整個平臺上還沒有用機器學習呢。Candela 回憶道：「當時我們使用的模型都是非常簡單的，幾乎沒有什么技術含量?！?/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？）當時他沒有進 Facebook 的時候，原以為 Facebook 已經做好了擁抱人工智能技術的部署，但是事實上什么都沒有。Facebook 擁有著遍布全世界的人際網絡，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。此人目前已經是 Facebook 核心機器學習團隊的總監(jiān)。

說到目前的「機器學習平臺」，Mehanna 進一步解釋道。在上個世紀，人工智能領域基本上可以算是「荒原」，而正是因為借鑒了人腦的工作機制，并在此基礎上開發(fā)出了一些模型，人工智能技術才突破瓶頸實現(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，準確的預測有多少人會點擊它。Candela 和他的團隊成員就是基于機器學習的流程，開發(fā)出一套全新的系統(tǒng)。

說是系統(tǒng)，更應該稱之為平臺。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)，建模還是機器學習會非常容易完成并復制。

要開發(fā)這樣的機器學習系統(tǒng)，有一個非常重要的前提：一定要獲得高質量的數(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)質的資產。當你的產品上每天有超過 10 億人在上面互動，上面產生的數(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習。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)自己的產品。人工智能技術由此在公司內部慢慢被人所熟悉接受，慢慢推廣出去。Candela 總結了一下：「其實這是一個非常簡單的三部曲。首先是你需要關注性能表現(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習技術給 Facebook 帶來了怎樣的創(chuàng)新和轉型?！肝覀冊陬A測廣告的點擊數(shù)、點贊數(shù)、訪客到客戶的轉化率上面，越來越準確。而這樣的技術正在慢慢蔓延到 Facebook 其他的產品和服務商?！?/p>

在 2015 年的 12 月，F(xiàn)acebook 又成立了另外一支新的「應用機器學習團隊」，Candela 兼任這個團隊的負責人。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，應用機器學習團隊的成員往往就坐在 FAIR 成員的旁邊。

這種緊密合作的關系，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 技術來訓練系統(tǒng)識別物體，已經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)自己得出結論它是在門內拍攝的還是門外拍攝的。

就在最近，F(xiàn)AIR 的科學家們又有了新的進展，他們將神經網絡訓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 的科學家之一 Lecun 說道：「我把研發(fā)進展拿給應用機器學習團隊的人看。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，圖片整體內容又是什么了。」

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

Candela 將 AI 的應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：「內容理解引擎」。在這里，他還專門對「內容」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、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，在內容爆炸的互聯(lián)網上，我們需要讓軟件能夠理解和分析內容，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項目。如果我能找到一種算法，將一個任務中所形成的知識迅速地挪移應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成為了一個平臺，才使得 Facebook 能夠這么快地推出產品。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，按照相關性來給照片排級。

Candela 說道：「Instagram 要做出這樣的轉變，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習比較精通的，然后負責讓他們跟外部若干個研究排名應用的團隊保持對接，很多研究成果直接拿過來復制即可，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，就完成了一次脫胎換骨的轉變。

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，將人工智能技術跟其他的技術產品相結合，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：「我們在使用機器學習技術打造產品的核心功能，并永遠致力于取悅我們的用戶。」該人之前曾經供職于……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 分享團隊的一名產品經理在聊天時彈起來了這樣一個現(xiàn)象：當人們在 Facebook 上詢問身邊的朋友，當?shù)赜惺裁春贸缘酿^子或者其他優(yōu)質服務時，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確。但是，在他們經過一番討論之后，他們決定利用神經網絡訓練技術，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，同樣也是在機器學習技術的支持下，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)出了一個機器學習遠景平臺 Lumos，它能夠對發(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，開始一項機器學習領域中的簡單任務：不斷地提升神經網絡識別直升機的能力。有一個頁面上堆疊了各式各樣的有關直升機的照片，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習。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相結合，從而實現(xiàn)更加具有「生命力」的人工智能技術。

但是，要完成上述的目標可不是簡單的事。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)危阌衷跄苤竿麢C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，目前在機器學習領域已經有好幾個團隊同時進行研發(fā)，讓機器在內容發(fā)現(xiàn)上處在一個恰當?shù)乃骄€上。

當 Facebook 發(fā)現(xiàn)自己深陷「虛假新聞」的輿論風暴旋渦時，它讓所有人工智能團隊出動，采用各種技術手段，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，它給神經網絡賦予了記憶的能力，這可以幫助 Facebook 給每一段內容都打上標簽，例如它的出處是哪里？它是經由哪些人分享傳遞的？（這里特意說明一下，Google 科技創(chuàng)新產品中有一個叫 Word2Vec，不是一回事兒）。在這樣的技術支持下，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。