梦想家扎克伯格为Facebook插上人工智能之翼

本文为科技“易语中的”专稿，未经授权或签约不得转载。

文/郑娟娟

写在前面：目前，Facebook的月活跃用户数已经达到 17.9 亿，11月它的市值达到3456.4亿美元。雄心勃勃的Facebook对于未来10年有一个宏大的计划：连接世界、人工智能（AI）、虚拟现实与增强现实。人工智能，是这个计划的核心。笔者将从Facebook为何开发AI，成立两个AI实验室（FAIR和AML），传播免费的AI技术，以及Facebook的AI主攻方向四个方面详细阐述其在AI方面的部署与动态。

社交网站Facebook的创始人——年轻有为的马克扎克伯格是个雄心满怀的梦想家。

他是哈佛大学计算机和心理学专业的辍学生，在哈佛时代，扎克伯格就被誉为“程序神人”。2004年，他创立了Facebook，当时的目的很简单，为了在网络上将人与人之间连接起来。Facebook起初只在哈佛校内使用，后来又推广到斯坦福、哥伦比亚等大学，很快Facebook就越来越开放，据称在2004年年底，用户数量已经达到100万。为了专心经营Facebook，扎克伯格选择了退学。哈佛少了一个天才学生，世界多了一个伟大的社交网站领袖。

为什么用伟大来形容扎克伯格？过分吗？笔者认为并不过分。因为年轻的扎克伯格真的做到了他创建网站的目的，通过简单的方式，跨越距离和时间的障碍，将世界上的人与人连接起来。

根据上个月Facebook发布的2016年Q3季度财报显示，Facebook 该季度月活跃用户数已经达到 17.9 亿——根据联合国人口司2016年10月26日的数据，地球上生活着72.6亿人，也就是说，几乎每4个人中就有1个是Facebook的活跃用户，Facebook现在连接着世界上近四分之一的人口，未来这个数字应该还会增长。（由于国情的原因，笔者曾经的Facebook账号现在也无法登陆啦！目前中国这个十几亿的人口大国不对它开放。但这并不会降低Facebook在世界其他地区的影响力。这样一个成功的公司是值得我们研究和借鉴的。）

一、远见

年轻的扎克伯格敢想敢干。2016年4月13日，在Facebook F8 年度开发者大会上，扎克伯格正式公布了 Facebook 未来发展的 10 年规划。

从这张规划图中，我们可以看到扎克伯格设计的发展路线：

未来 3 年：构建 Facebook 生态系统（ecosystems）；

未来 3 -5 年：继续视频、Messenger、搜索、WhatsApp、群组和Instagram 等产品的开发；

未来 5 到 10 年：三大方向——

1、连接世界：主要致力于连接全球近40亿无网可上的人。简单来说，就是想让全世界的人都可以上网，并且想让他们上网后都使用Facebook进行社交联络；

2、人工智能（AI）：解决部分核心问题，构建真正智能的计算机系统，这也是Facebook连接世界的重要技术支撑；

3、虚拟现实与增强现实：通过技术让远隔千里的人们也能感觉身处一处。

在今年8月15日《福布斯》网站发布的文章《Facebook's 10-Year Plan: Connectivity, Artificial Intelligence, And Virtual Reality（Facebook的10年计划：连接世界、人工智能和虚拟现实）》中，Peter High采访了Facebook首席技术官（CTO）Mike Schroepfer。文中，Peter问到Facebook未来10年的三大方向是如何选出来的，Mike说，“很多都直接来自于扎克伯格，”“源自让世界变得更加开放、更加互联的使命。”

的确，扎克伯格的远见正源于这种极为开放和互联的思想。

2004年，扎克伯格白手起家，Facebook从大学宿舍迅速走向世界，到上个月，根据砺石发布的“全球企业市值100强（11月版）”，Facebook的市值已达到3456.4亿美元。根据Facebook2016年Q3季度财报，除了月活跃用户数已达到 17.9 亿的巨大数字，该季度日活跃用户数从上个季度的 11.3 亿增至 11.8 亿，Facebook 移动端月活跃用户数达 16.6 亿；另外，该季度移动端用户达到 10.55 亿，再创一个10 亿用户的里程碑。在该季度财报电话会议上，扎克伯格还宣布了Facebook发起的Internet.org 项目已经帮助全球 4000 万人用上了互联网，高于一年前的 1500 万。在这一系列巨大成就之下，反观Facebook的未来10计划，一切又似乎刚刚开始。

去年10月，扎克伯格在清华经管学院的演讲中提到，自己创立Facebook最重要的是找到人与人连接的方法。他说，十年前，我们的目标是连接十亿人。当达到了这个目标，我们开始明白十亿只是一个数字，我们真正的目标是连接世界上的每个人。

去年12月，扎克伯格喜得一女，夫妇二人在给女儿的长信中承诺，将在有生之年把扎克伯格持有的99%的Facebook股份捐出，用以发展人类潜能和促进平等。

为了扩大互联网的覆盖范围，成立Internet.org项目时，扎克伯格告诉董事会，这个项目要花费十亿多美元。他说，我不知道这个项目怎么赚钱，但我知道，连接人是我们的使命。我们必须向前看，如果我们帮助人们，未来，我们也会获益。

在这个连接全世界的计划中，Facebook已经与多家移动运营商合作，同时，它还在建造无人机和卫星，向传统方式无法提供网络服务的偏远山区提供上网帮助，最终，Facebook希望在商业航班航道以上的高空部署无人机舰队和卫星，向地球上大部分地区提供网络服务。

这一系列庞大的、遍布全球的基础设施建设，只是Facebook十年规划的第一步。能够使Facebook更加迅猛地展翅翱翔的，是第二步，也是核心——AI。

二、征程

Facebook为何要开发AI ？

一次在线问答活动中，扎克伯格在回答用户提问时阐述了Facebook为什么要做AI。他说，“我们研究AI，是因为我们认为更加智能的服务用处更大。”

扎克伯格认为AI能够帮助Facebook更加了解用户需求。——对于社交网站来说，了解每一个用户的需求，提供个性化服务，是非常重要的，这样可以增加用户黏性，既为用户提供良好的个人体验，实现运营网站的初衷，又能维持网站高额的广告收入。

不仅如此，扎克伯格还希望Facebook能成为全球AI的中心。他说，这项技术能影响所有人与人之间的交互方式，也会对Instagram、WhatsApp和Messenger等一切社交工具带来变革。Facebook工程学副总裁Jay Parikh曾表示，在万物互联的时代，“世界上发生的一切所产生的数据都会大幅增加，10倍、20倍甚至50倍，当前的传统模式和系统都将无法支撑。这需要真正的AI来协助处理。”现在，AI技术正在使计算机变得更加高效，并使我们能够在前所未见的超大尺度上建立各种系统。从某种程度上说，扎克伯格认为AI可以成为Facebook驾驭万物互联时代的重要助手。

成立两个AI实验室

为了实现这个目标，Facebook在开发AI方面，采取了与其他科技巨头并不相同的方式——成立了两个相对独立的AI实验室开展研究：一个是Facebook’s Artificial Intelligence Research（人工智能研究实验室），简称 FAIR，由AI领域最有成就科学家之一的Yann LeCun领导；一个是Applied Machine Learning（应用机器学习部门），简称 AML，由经验非常丰富的机器学习领域的专家Joaquin Candela领导。这两个部门有着不同的分工：FAIR主要致力于AI基础科学和长期项目的研究，AML 则主要从事将AI科研成果应用到产品中的工作。两个部门互相独立，LeCun 和 Candela 都直接向Facebook 的 CTO汇报工作；同时两个部门的办公场所也紧紧挨着，彼此之间会有人员的流动和项目的合作。

之所以建立这样的研究系统，笔者认为，扎克伯格有着明确的考虑：一方面，他想支持AI科学长期发展——不少科技公司在建立实验室方面都有失败案例，或是科研成果没有真正得到实际应用，或是过于追求眼前效益导致科研人员无法集中精力研发，科学家需要更加宽松、更少限制的研究环境（例如，如果将科学家放入工程师团队中，就很容易限制科学家的创造力），因此Facebook通过FAIR吸引科学家的加入，并允许其70%的工作进行长期科研，30%的工作完成短期的产品开发。另一方面，为了不断应对日益扩大的用户群和不断提高产品、服务的性能和质量，以及开发更多的新产品，Facebook也需要大力推动先进的AI技术在产品上的最大化应用，因此他们成立了AML作为科研成果与产品开发之间的粘合剂。

LeCun现在仍是纽约大学计算机科学的兼职教授，他是深度学习的分支——卷积神经网络（convolutional neural nets）的奠基人之一。LeCun加入Facebook并非偶然，在价值观上，他与扎克伯格都有一点极其相似：他们都坚信，成功的关键在于秉承开放的理念。这个开放的理念给Facebook带来了大量的人才也收获了丰富的成果。Facebook的CTO Mike Schroepfer就曾公开表示，“研究与科学都需要尽可能地在开放环境中完成。”在AI研发的路上，Facebook到目前为止都在践行这样一个理念：传播免费的AI技术。“公布AI技术能够让它更加普及，”Schroepfer强调，Facebook认为技术共享与独自开发相比能让所有人更快地受益，LeCun也一直认为，没有必要去发明已经存在的技术，共享新技术可以节约更多的时间探索新技术。

传播免费的AI技术——开源

在Facebook目前已经开源的AI清单中，既包括软件，也包括硬件。

先说说它的硬件开源。去年年底，Facebook宣布开源它的AI硬件平台Big Sur。Big Sur的设计特点是主板易于维修，带有8个NVIDIA（英伟达）的Tesla M40 GPU（GPU是用于深度学习算法的微处理器，每个GPU包含数十个功耗300瓦的芯片，是专为执行复杂的数学和几何计算而设计的）。Big Sur可以操控计算机，以类似人脑神经网络的方式理解及使用数据。通过Big Sur，Facebook希望使AI技术能够阅读新闻、回答问题，以及操作游戏，免去人工的介入。开源硬件平台的好处不仅在于可以加速AI技术的发展，对Facebook来说，还可以快速在业界建立自己的硬件标准，摊平成本，提高其普及率。

软件方面，虽然Facebook涉足AI领域没有几年的时间，但短短数年中其开源项目却越来越多，从中，我们也可以看到Facebook巨大的实力和更大的潜力。由于篇幅所限，在此仅举几例。

2015年1月，FAIR开源了一系列软件库，该软件库在 Facebook 被称作模块。用它们替代机器学习领域常用的Torch 的默认模块，可在更短时间内训练更大规模的神经网络模型。Facebook的模块一部分可用于训练大型计算机视觉系统，一部分模块可以用来训练不同类型数据的模型。部分模块还把大型卷积神经网络模型的训练速度提升了23.5 倍。

2016年6月，Facebook开源基于Torch的深度学习框架Torchnet。近年来有关机器学习的框架层出不穷，比较著名的有Caffe、Theano、Torch等。主流的机器学习框架Torch不能执行抽象和公式化（boilerplate）的代码实现，因此研究人员不得不重复执行一些算法的实验。Facebook在Torch的基础上，提供了一种可抽象和公式化逻辑的开源框架Torchnet，可以模块化编程和代码重复使用，从而减少Bug,并直接使用异步数据加载和高效多GPU运算。Torchnet 是用 Lua 脚本语言写成的（Lua由标准C编写而成，几乎在所有操作系统和平台上都可以编译和运行），易于集成安装于任何架构中。它对于想要训练大规模深度学习系统的机构来说，可以大幅节省I/O的成本。

2016年8月，Facebook开源文本分类专用工具fastText。fastText是一款快速文本分类器，提供简单高效的文本分类和表征学习的方法，Facebook称fastText比其他学习方法要快得多，能够训练模型在使用标准多核CPU的情况下10分钟内处理超过10亿个词汇，与深度模型对比，fastText能将训练时间由数天缩短到几秒钟。此外，通过利用语言的形态结构，fastText可以支持多国语言，包括英语、德语、西班牙语、法语及捷克语。

同样在8月，Facebook又开源了三款机器视觉工具——DeepMask 分割构架、SharpMask 分割精炼模块和MultiPathNet 的代码。人们看一张图片时，可以将物体识别到最后一个像素。FAIR致力于将机器视觉推进到新阶段——在像素的层面上理解图像和物体。FAIR称，最近正在设计能够识别和分割图像中每个物体的技术，它将带来很多全新的应用，推动FAIR进步的最主要的新算法是 DeepMask 分割构架和SharpMask 分割精炼模块。它们使FAIR 的机器视觉系统可以探测并精确勾画出图片中所有物体的轮廓。在识别过程的最后阶段，FAIR使用的是一个特定的卷积网络 MultiPathNet，它可以标记出每个物体掩码（mask）所含有的物体类型（例如人、狗、羊）。Facebook的此次开源是希望它能帮助机器视觉领域快速发展。

Facebook的AI主攻方向

今年11月3日，Business Insider发表了对Yann LeCun进行的专访，访问中，LeCun介绍了FAIR的主要任务是推进AI科学与技术，通过实验发展AI技术在各领域的应用，例如计算机视觉、对话系统、虚拟助手、语音识别、自然语言识别等等。他也谈到了AML的主要方向是将科学转化为技术，通过构建应用平台，将AI服务变为产品团队可以使用的东西。

LeCun提到了一个非常重要的问题，也是Facebook目前面临的最大问题，时刻需要解决的问题——就是将最好的内容向呈现给每个用户。为了解决这个问题，Facebook必须理解内容，理解每个用户，然后把内容和对它感兴趣的人相连接。只有做到这一点，人们才会选择Facebook的News Feed。

谈到News Feed，它可以说是Facebook的功臣。10年前，Facebook上线了这一功能，它是Facebook借助算法调整用户打开其网页后看到的一切内容，包括朋友的状态更新、重要新闻推送等。10年间，这一功能为Facebook留下了大量用户，人们使用该网站的次数和时间也都大幅提升。它不仅改变了欧美地区的新闻传播方式，改变了社交媒体盈利模式，甚至影响了人们的在线行为习惯。当然，不得不说的是，在最近结束的美国大选季中，News Feed也被公认为极大地影响了选举结果。（在笔者11月24日的作品《揭秘：脸书假新闻背后的真问题到底是什么》中，详细分析了News Feed的假新闻问题，有兴趣的读者可以选择阅读。）

这个功臣所面临的问题也恰恰涉及了AI对于Facebook的重要性问题——在解决News Feed的假新闻问题的举措中，扎克伯格列出的第一点就是通过建立更好的技术系统，提高分辨错误信息的能力，在人们举报前就检测出错误信息。无疑，提高检测技术需要更多地依靠AI，相信这也会成为Facebook的AI实验室重点研究项目之一。如果不能很好地解决假新闻的问题，Facebook就会渐渐丧失用户的信赖程度，这个问题也会成为用户流失的一大隐患。

因此，对于Facebook的AI研究来说，不仅仅是将内容与用户的兴趣匹配，还要提前进行筛查，筛去假新闻和错误信息。难度不校

作为FAIR的领导者，LeCun更多地考虑到AI发展的远期目标，那就是建立一个真正的智能机器。它可以与人直接对话，回答任何问题，并对人们的生活提供帮助。这件事对当今的AI而言非常具有挑战性。迎接这个挑战，首要解决的是让机器学会人类的常识。

因此，FAIR设立了一个目标：教会机器常识。让机器能够像婴儿或动物那样学习。LeCun表示，FAIR目前最大的项目是对话系统的自然语言理解，它也将成为 Facebook智能语音助手的基矗

去年，Facebook推出了自己的虚拟助手“M”。不过它目前还处于测试阶段，它的主要功能设定为，用户向 M 发送文字消息，它就能帮助购买商品、寄送礼物、预订餐厅、安排旅行和约会等。目前支持M运行的并不是完全的AI，而是机器加人工的系统。通过AI对文本进行语义分析之外，还有一个用来训练和监督AI系统的真人团队。在测试阶段，用户不断与 M 对话，其实就是和人工团队一起，用信息喂养这个AI系统。

Facebook一直在想办法让机器人变得更加智能，为此，他们正在开发一个重要的项目：记忆网络（memory network）。记忆网络能够将机器学习的算法，尤其是神经网络，和工作记忆（working memory）结合起来，使聊天机器人能在给定的语境中存储、检索信息。今年，Facebook提出了一个新方法，关键值记忆网络（key-value memory networks）。这个新方法不仅能使聊天机器人存储相关的源数据，还能存储用户提问过的问题以及它所给出的答复。目前Facebook已经将记忆网络应用在了M中。

CTO Mike Schroepfer曾把记忆称作AI缺失的部分。FAIR的研究员，记忆网络相关论文的作者Antoine Bordes则谈到，他相信记忆网络是构建能与人类自然交互的聊天机器人的关键。

除了这些研究成果，Facebook还有不少惊艳的AI产品。例如，用AI打造“人口地图”积极普及互联网。今年3月，扎克伯格称，为开发出更精确的人口地图，Facebook通过AI对156亿张卫星图片进行分析。地图绘制完成后可以共享，这将有利于规划中的能源、医疗及交通基础设施的建设。

今年4月，Facebook在iOS平台上线了一项新功能，iPhone用户只要开启辅助功能中的VoiceOver，在使用Facebook时，图片内容就会被“读”出来。这项功能可以帮助盲人或视力低下的用户“看到”图片。

11月，Facebook在手机 App 中测试了新的相机应用，可以实时在视频中添加艺术元素，该技术被称为“风格转换”。它可以将一种艺术风格，例如梵高的画作，加入普通的图片或视频中去。与诸如Prisma一类的应用不同的是，此前的类似应用都需要把用户数据发送至数据中心，通过大型服务器进行处理。而Facebook最新开发的产品则不需这样的往返过程，它的新程序Caffe2Go，是一个完整的深度学习系统，其架构已嵌入手机App中。通过将处理图片和视频的AI模型压缩至1%的大小，Facebook已经能在iOS和安卓系统中高效运行深度学习网络。速度上，在部分手机中能够以不到50毫秒的速度完成AI任务的处理。

当然，Facebook的AI计划并不仅限于此，笔者所做的只是窥其一角，为大家提供一些参考和借鉴。

关于人工智能，科学研究还有很多路要走，但是笔者相信，随着技术的进步，这条路会越走越快。虽然对于人工智能的发展存在很多隐忧，但我们其实无法阻挡它飞速的脚步。我们可以做的，是通过各种力量、各种方式，尽量引导AI的研究在符合伦理和道德的范畴内发展，让它更多地为人类提供服务。同时，各个国家也应当不断普及新的科学技术，唯有如此，才能更多降低AI的迅速发展为就业以及其他方面带来的负面影响。

本文为作者原创，欢迎批评、指正、建议！同时也欢迎订阅笔者媒体号：“一心的未来世界”，立足当下，探索未来。接下来一段时间，笔者打算做一个天文科普的原创系列，欢迎大家留言，提供主题。