目前，Facebook的月活躍用戶數已經達到 17.9 億，11月它的市值達到3456.4億美元。雄心勃勃的Facebook對于未來10年有一個宏大的計劃：連接世界、人工智能（AI）、虛擬現實與增強現實。人工智能，是這個計劃的核心。筆者將從Facebook為何開發AI，成立兩個AI實驗室（FAIR和AML），傳播免費的AI技術，以及Facebook的AI主攻方向四個方面詳細闡述其在AI方面的部署與動態。

社交網站Facebook的創始人——年輕有為的馬克扎克伯格是個雄心滿懷的夢想家。

他是哈佛大學計算機和心理學專業的輟學生，在哈佛時代，扎克伯格就被譽為“程序神人”。2004年，他創立了Facebook，當時的目的很簡單，為了在網絡上將人與人之間連接起來。Facebook起初只在哈佛校內使用，后來又推廣到斯坦福、哥倫比亞等大學，很快Facebook就越來越開放，據稱在2004年年底，用戶數量已經達到100萬。為了專心經營Facebook，扎克伯格選擇了退學。哈佛少了一個天才學生，世界多了一個偉大的社交網站領袖。

為什么用偉大來形容扎克伯格？過分嗎？筆者認為并不過分。因為年輕的扎克伯格真的做到了他創建網站的目的，通過簡單的方式，跨越距離和時間的障礙，將世界上的人與人連接起來。

根據上個月Facebook發布的2016年Q3季度財報顯示，Facebook 該季度月活躍用戶數已經達到 17.9 億——根據聯合國人口司2016年10月26日的數據，地球上生活著72.6億人，也就是說，幾乎每4個人中就有1個是Facebook的活躍用戶，Facebook現在連接著世界上近四分之一的人口，未來這個數字應該還會增長。（由于國情的原因，筆者曾經的Facebook賬號現在也無法登陸啦！目前中國這個十幾億的人口大國不對它開放。但這并不會降低Facebook在世界其他地區的影響力。這樣一個成功的公司是值得我們研究和借鑒的。）

一、遠見

年輕的扎克伯格敢想敢干。2016年4月13日，在Facebook F8 年度開發者大會上，扎克伯格正式公布了 Facebook 未來發展的 10 年規劃。

從這張規劃圖中，我們可以看到扎克伯格設計的發展路線：

未來 3 年：構建 Facebook 生態系統（ecosystems）；

未來 3 -5 年：繼續視頻、Messenger、搜索、WhatsApp、群組和Instagram等產品的開發；

未來 5 到 10 年：三大方向——

1、連接世界：主要致力于連接全球近40億無網可上的人。簡單來說，就是想讓全世界的人都可以上網，并且想讓他們上網后都使用Facebook進行社交聯絡；

2、人工智能（AI）：解決部分核心問題，構建真正智能的計算機系統，這也是Facebook連接世界的重要技術支撐；

3、虛擬現實與增強現實：通過技術讓遠隔千里的人們也能感覺身處一處。

在今年8月15日《福布斯》網站發布的文章《Facebook's 10-Year Plan: Connectivity, Artificial Intelligence, And Virtual Reality（Facebook的10年計劃：連接世界、人工智能和虛擬現實）》中，Peter High采訪了Facebook首席技術官（CTO）Mike Schroepfer。文中，Peter問到Facebook未來10年的三大方向是如何選出來的，Mike說，“很多都直接來自于扎克伯格，”“源自讓世界變得更加開放、更加互聯的使命。”

的確，扎克伯格的遠見正源于這種極為開放和互聯的思想。

2004年，扎克伯格白手起家，Facebook從大學宿舍迅速走向世界，到上個月，根據礪石發布的“全球企業市值100強（11月版）”，Facebook的市值已達到3456.4億美元。根據Facebook2016年Q3季度財報，除了月活躍用戶數已達到17.9 億的巨大數字，該季度日活躍用戶數從上個季度的 11.3 億增至 11.8億，Facebook 移動端月活躍用戶數達 16.6 億；另外，該季度移動端用戶達到10.55 億，再創一個10 億用戶的里程碑。在該季度財報電話會議上，扎克伯格還宣布了Facebook發起的Internet.org 項目已經幫助全球 4000 萬人用上了互聯網，高于一年前的 1500 萬。在這一系列巨大成就之下，反觀Facebook的未來10計劃，一切又似乎剛剛開始。

去年10月，扎克伯格在清華經管學院的演講中提到，自己創立Facebook最重要的是找到人與人連接的方法。他說，十年前，我們的目標是連接十億人。當達到了這個目標，我們開始明白十億只是一個數字，我們真正的目標是連接世界上的每個人。

去年12月，扎克伯格喜得一女，夫婦二人在給女兒的長信中承諾，將在有生之年把扎克伯格持有的99%的Facebook股份捐出，用以發展人類潛能和促進平等。

為了擴大互聯網的覆蓋范圍，成立Internet.org項目時，扎克伯格告訴董事會，這個項目要花費十億多美元。他說，我不知道這個項目怎么賺錢，但我知道，連接人是我們的使命。我們必須向前看，如果我們幫助人們，未來，我們也會獲益。

在這個連接全世界的計劃中，Facebook已經與多家移動運營商合作，同時，它還在建造無人機和衛星，向傳統方式無法提供網絡服務的偏遠山區提供上網幫助，最終，Facebook希望在商業航班航道以上的高空部署無人機艦隊和衛星，向地球上大部分地區提供網絡服務。

這一系列龐大的、遍布全球的基礎設施建設，只是Facebook十年規劃的第一步。能夠使Facebook更加迅猛地展翅翱翔的，是第二步，也是核心——AI。

二、征程

Facebook為何要開發AI ？

一次在線問答活動中，扎克伯格在回答用戶提問時闡述了Facebook為什么要做AI。他說，“我們研究AI，是因為我們認為更加智能的服務用處更大�！�

扎克伯格認為AI能夠幫助Facebook更加了解用戶需求�！�—對于社交網站來說，了解每一個用戶的需求，提供個性化服務，是非常重要的，這樣可以增加用戶黏性，既為用戶提供良好的個人體驗，實現運營網站的初衷，又能維持網站高額的廣告收入。

不僅如此，扎克伯格還希望Facebook能成為全球AI的中心。他說，這項技術能影響所有人與人之間的交互方式，也會對Instagram、WhatsApp和Messenger等一切社交工具帶來變革。Facebook工程學副總裁Jay Parikh曾表示，在萬物互聯的時代，“世界上發生的一切所產生的數據都會大幅增加，10倍、20倍甚至50倍，當前的傳統模式和系統都將無法支撐。這需要真正的AI來協助處理�！爆F在，AI技術正在使計算機變得更加高效，并使我們能夠在前所未見的超大尺度上建立各種系統。從某種程度上說，扎克伯格認為AI可以成為Facebook駕馭萬物互聯時代的重要助手。

成立兩個AI實驗室

為了實現這個目標，Facebook在開發AI方面，采取了與其他科技巨頭并不相同的方式——成立了兩個相對獨立的AI實驗室開展研究：一個是Facebook’s Artificial Intelligence Research（人工智能研究實驗室），簡稱 FAIR，由AI領域最有成就科學家之一的Yann LeCun領導；一個是Applied Machine Learning（應用機器學習部門），簡稱 AML，由經驗非常豐富的機器學習領域的專家Joaquin Candela領導。這兩個部門有著不同的分工：FAIR主要致力于AI基礎科學和長期項目的研究，AML 則主要從事將AI科研成果應用到產品中的工作。兩個部門互相獨立，LeCun 和 Candela 都直接向Facebook 的 CTO匯報工作；同時兩個部門的辦公場所也緊緊挨著，彼此之間會有人員的流動和項目的合作。

之所以建立這樣的研究系統，筆者認為，扎克伯格有著明確的考慮：一方面，他想支持AI科學長期發展——不少科技公司在建立實驗室方面都有失敗案例，或是科研成果沒有真正得到實際應用，或是過于追求眼前效益導致科研人員無法集中精力研發，科學家需要更加寬松、更少限制的研究環境（例如，如果將科學家放入工程師團隊中，就很容易限制科學家的創造力），因此Facebook通過FAIR吸引科學家的加入，并允許其70%的工作進行長期科研，30%的工作完成短期的產品開發。另一方面，為了不斷應對日益擴大的用戶群和不斷提高產品、服務的性能和質量，以及開發更多的新產品，Facebook也需要大力推動先進的AI技術在產品上的最大化應用，因此他們成立了AML作為科研成果與產品開發之間的粘合劑。

LeCun現在仍是紐約大學計算機科學的兼職教授，他是深度學習的分支——卷積神經網絡（convolutional neural nets）的奠基人之一。LeCun加入Facebook并非偶然，在價值觀上，他與扎克伯格都有一點極其相似：他們都堅信，成功的關鍵在于秉承開放的理念。這個開放的理念給Facebook帶來了大量的人才也收獲了豐富的成果。Facebook的CTO Mike Schroepfer就曾公開表示，“研究與科學都需要盡可能地在開放環境中完成�！痹贏I研發的路上，Facebook到目前為止都在踐行這樣一個理念：傳播免費的AI技術。“公布AI技術能夠讓它更加普及，”Schroepfer強調，Facebook認為技術共享與獨自開發相比能讓所有人更快地受益，LeCun也一直認為，沒有必要去發明已經存在的技術，共享新技術可以節約更多的時間探索新技術。

傳播免費的AI技術——開源

在Facebook目前已經開源的AI清單中，既包括軟件，也包括硬件。

先說說它的硬件開源。去年年底，Facebook宣布開源它的AI硬件平臺Big Sur。Big Sur的設計特點是主板易于維修，帶有8個NVIDIA（英偉達）的Tesla M40 GPU（GPU是用于深度學習算法的微處理器，每個GPU包含數十個功耗300瓦的芯片，是專為執行復雜的數學和幾何計算而設計的）。Big Sur可以操控計算機，以類似人腦神經網絡的方式理解及使用數據。通過Big Sur，Facebook希望使AI技術能夠閱讀新聞、回答問題，以及操作游戲，免去人工的介入。開源硬件平臺的好處不僅在于可以加速AI技術的發展，對Facebook來說，還可以快速在業界建立自己的硬件標準，攤平成本，提高其普及率。

軟件方面，雖然Facebook涉足AI領域沒有幾年的時間，但短短數年中其開源項目卻越來越多，從中，我們也可以看到Facebook巨大的實力和更大的潛力。由于篇幅所限，在此僅舉幾例。

2015年1月，FAIR開源了一系列軟件庫，該軟件庫在 Facebook 被稱作模塊。用它們替代機器學習領域常用的Torch 的默認模塊，可在更短時間內訓練更大規模的神經網絡模型。Facebook的模塊一部分可用于訓練大型計算機視覺系統，一部分模塊可以用來訓練不同類型數據的模型。部分模塊還把大型卷積神經網絡模型的訓練速度提升了23.5 倍。

2016年6月，Facebook開源基于Torch的深度學習框架Torchnet。近年來有關機器學習的框架層出不窮，比較著名的有Caffe、Theano、Torch等。主流的機器學習框架Torch不能執行抽象和公式化（boilerplate）的代碼實現，因此研究人員不得不重復執行一些算法的實驗。Facebook在Torch的基礎上，提供了一種可抽象和公式化邏輯的開源框架Torchnet，可以模塊化編程和代碼重復使用，從而減少Bug,并直接使用異步數據加載和高效多GPU運算。Torchnet 是用 Lua 腳本語言寫成的（Lua由標準C編寫而成，幾乎在所有操作系統和平臺上都可以編譯和運行），易于集成安裝于任何架構中。它對于想要訓練大規模深度學習系統的機構來說，可以大幅節省I/O的成本。

2016年8月，Facebook開源文本分類專用工具fastText。fastText是一款快速文本分類器，提供簡單高效的文本分類和表征學習的方法，Facebook稱fastText比其他學習方法要快得多，能夠訓練模型在使用標準多核CPU的情況下10分鐘內處理超過10億個詞匯，與深度模型對比，fastText能將訓練時間由數天縮短到幾秒鐘。此外，通過利用語言的形態結構，fastText可以支持多國語言，包括英語、德語、西班牙語、法語及捷克語。

同樣在8月，Facebook又開源了三款機器視覺工具——DeepMask 分割構架、SharpMask 分割精煉模塊和MultiPathNet 的代碼。人們看一張圖片時，可以將物體識別到最后一個像素。FAIR致力于將機器視覺推進到新階段——在像素的層面上理解圖像和物體。FAIR稱，最近正在設計能夠識別和分割圖像中每個物體的技術，它將帶來很多全新的應用，推動FAIR進步的最主要的新算法是 DeepMask 分割構架和SharpMask 分割精煉模塊。它們使FAIR 的機器視覺系統可以探測并精確勾畫出圖片中所有物體的輪廓。在識別過程的最后階段，FAIR使用的是一個特定的卷積網絡 MultiPathNet，它可以標記出每個物體掩碼（mask）所含有的物體類型（例如人、狗、羊）。Facebook的此次開源是希望它能幫助機器視覺領域快速發展。

Facebook的AI主攻方向

今年11月3日，Business Insider發表了對Yann LeCun進行的專訪，訪問中，LeCun介紹了FAIR的主要任務是推進AI科學與技術，通過實驗發展AI技術在各領域的應用，例如計算機視覺、對話系統、虛擬助手、語音識別、自然語言識別等等。他也談到了AML的主要方向是將科學轉化為技術，通過構建應用平臺，將AI服務變為產品團隊可以使用的東西。

LeCun提到了一個非常重要的問題，也是Facebook目前面臨的最大問題，時刻需要解決的問題——就是將最好的內容向呈現給每個用戶。為了解決這個問題，Facebook必須理解內容，理解每個用戶，然后把內容和對它感興趣的人相連接。只有做到這一點，人們才會選擇Facebook的News Feed。

談到News Feed，它可以說是Facebook的功臣。10年前，Facebook上線了這一功能，它是Facebook借助算法調整用戶打開其網頁后看到的一切內容，包括朋友的狀態更新、重要新聞推送等。10年間，這一功能為Facebook留下了大量用戶，人們使用該網站的次數和時間也都大幅提升。它不僅改變了歐美地區的新聞傳播方式，改變了社交媒體盈利模式，甚至影響了人們的在線行為習慣。當然，不得不說的是，在最近結束的美國大選季中，News Feed也被公認為極大地影響了選舉結果。（在筆者11月24日的作品《揭秘：臉書假新聞背后的真問題到底是什么》中，詳細分析了News Feed的假新聞問題，有興趣的讀者可以選擇閱讀。）

這個功臣所面臨的問題也恰恰涉及了AI對于Facebook的重要性問題——在解決News Feed的假新聞問題的舉措中，扎克伯格列出的第一點就是通過建立更好的技術系統，提高分辨錯誤信息的能力，在人們舉報前就檢測出錯誤信息。無疑，提高檢測技術需要更多地依靠AI，相信這也會成為Facebook的AI實驗室重點研究項目之一。如果不能很好地解決假新聞的問題，Facebook就會漸漸喪失用戶的信賴程度，這個問題也會成為用戶流失的一大隱患。

因此，對于Facebook的AI研究來說，不僅僅是將內容與用戶的興趣匹配，還要提前進行篩查，篩去假新聞和錯誤信息。難度不小。

作為FAIR的領導者，LeCun更多地考慮到AI發展的遠期目標，那就是建立一個真正的智能機器。它可以與人直接對話，回答任何問題，并對人們的生活提供幫助。這件事對當今的AI而言非常具有挑戰性。迎接這個挑戰，首要解決的是讓機器學會人類的常識。

因此，FAIR設立了一個目標：教會機器常識。讓機器能夠像嬰兒或動物那樣學習。LeCun表示，FAIR目前最大的項目是對話系統的自然語言理解，它也將成為Facebook智能語音助手的基礎。

去年，Facebook推出了自己的虛擬助手“M”。不過它目前還處于測試階段，它的主要功能設定為，用戶向 M 發送文字消息，它就能幫助購買商品、寄送禮物、預訂餐廳、安排旅行和約會等。目前支持M運行的并不是完全的AI，而是機器加人工的系統。通過AI對文本進行語義分析之外，還有一個用來訓練和監督AI系統的真人團隊。在測試階段，用戶不斷與 M 對話，其實就是和人工團隊一起，用信息喂養這個AI系統。

Facebook一直在想辦法讓機器人變得更加智能，為此，他們正在開發一個重要的項目：記憶網絡（memory network）。記憶網絡能夠將機器學習的算法，尤其是神經網絡，和工作記憶（working memory）結合起來，使聊天機器人能在給定的語境中存儲、檢索信息。今年，Facebook提出了一個新方法，關鍵值記憶網絡（key-value memory networks）。這個新方法不僅能使聊天機器人存儲相關的源數據，還能存儲用戶提問過的問題以及它所給出的答復。目前Facebook已經將記憶網絡應用在了M中。

CTO Mike Schroepfer曾把記憶稱作AI缺失的部分。FAIR的研究員，記憶網絡相關論文的作者Antoine Bordes則談到，他相信記憶網絡是構建能與人類自然交互的聊天機器人的關鍵。

除了這些研究成果，Facebook還有不少驚艷的AI產品。例如，用AI打造“人口地圖”積極普及互聯網。今年3月，扎克伯格稱，為開發出更精確的人口地圖，Facebook通過AI對156億張衛星圖片進行分析。地圖繪制完成后可以共享，這將有利于規劃中的能源、醫療及交通基礎設施的建設。

今年4月，Facebook在iOS平臺上線了一項新功能，iPhone用戶只要開啟輔助功能中的VoiceOver，在使用Facebook時，圖片內容就會被“讀”出來。這項功能可以幫助盲人或視力低下的用戶“看到”圖片。

11月，Facebook在手機 App 中測試了新的相機應用，可以實時在視頻中添加藝術元素，該技術被稱為“風格轉換”。它可以將一種藝術風格，例如梵高的畫作，加入普通的圖片或視頻中去。與諸如Prisma一類的應用不同的是，此前的類似應用都需要把用戶數據發送至數據中心，通過大型服務器進行處理。而Facebook最新開發的產品則不需這樣的往返過程，它的新程序Caffe2Go，是一個完整的深度學習系統，其架構已嵌入手機App中。通過將處理圖片和視頻的AI模型壓縮至1%的大小，Facebook已經能在iOS和安卓系統中高效運行深度學習網絡。速度上，在部分手機中能夠以不到50毫秒的速度完成AI任務的處理。

當然，Facebook的AI計劃并不僅限于此，筆者所做的只是窺其一角，為大家提供一些參考和借鑒。

關于人工智能，科學研究還有很多路要走，但是筆者相信，隨著技術的進步，這條路會越走越快。雖然對于人工智能的發展存在很多隱憂，但我們其實無法阻擋它飛速的腳步。我們可以做的，是通過各種力量、各種方式，盡量引導AI的研究在符合倫理和道德的范疇內發展，讓它更多地為人類提供服務。同時，各個國家也應當不斷普及新的科學技術，唯有如此，才能更多降低AI的迅速發展為就業以及其他方面帶來的負面影響。