2015人工智能报告（四）：Facebook“三板斧”玩转人工智能

2015年1月，Facebook开源了一些用于在Torch上更快速地训练神经网络的模块，这些模块合称为 fbcunn ，它们“比默认模块快得多”。此前，Nvidia发布了cuDNN，这是一个基于CUDA的库，用于深度神经网络。然而，Torch主要面向卷积神经网络(convolutional nets)，针对GPU做了优化，构建在Nvidia的 cuFFT 库之上。其中包括：

▪ 使用FFT加速卷积的空间卷积模块▪ 用于并行化多GPU上的训练数据和模型的容器▪ FFT/IFFT的包装器▪ 一个更快速的临时卷积层(比cuDNN快1.5到10倍)▪ 用于神经语言模型和单词嵌入的查找表▪ 训练所使用的Hierarchical SoftMax模块使用了大量的分类数据

Facebook基于《Fast Training of Convolutional Networks through FFTs》这篇论文中的想法构建了这些模块的。据称，与cuDNN相比，在卷积核较小的情况下(3×3)，fbcunn的速度提升可达1.84倍；而在卷积核较大的情况下(5×5)，速度提升可达23.5倍。实行速度大大加快，可以帮助科研人员在更短的时间内开发更大规模的神经网络。

通过开源Torch，Facebook希望推动整个深度学习领域的发展。

深度：开发人工智能系统

系统可以辨别出图片中的内容（图片来源：Yahoo）

让机器理解内容意义十分重大，这意味着Facebook可以将更精准的内容传递给相关受众。例如，系统“知道”用户不喜欢足球，而喜欢篮球，那么系统就会辨别运动视频和图片中相关的内容，只给用户呈现喜欢的内容。

2015年11月，Facebook公布Messenger新增了一项人工智能功能。该功能从用户上传的照片中识别出用户好友。

也就意味着，Facebook Messenger现在可以可查看用户的相册，分析最近的照片，看看里面是否存在可以识别的人脸。如果发现能够识别的人脸，便会提醒用户分享这些照片。这项功能让照片分享流程更简单、更有乐趣。

广度：建立实验室，开发AI助手

2015年6月，Facebook人工智能研究中心(Facebook AI Research，简称FAIR)在巴黎成立实验室，以挖掘欧洲的人工智能人才，建造能够理解海量数据的人工智能机器。

图片来源：Fanpage

该实验室已经开始招募世界上最优秀的科研人员，目前已经招募到了6名研究员，从事理解婴儿语言学习等项目。同时，Facebook还招募了图像处理、文本分析、语音识别及实施战略游戏领域的专家。

Facebook的另外两个人工智能实验室分别位于美国纽约和加州的门洛帕克，这两个团队目前大约有50名研究员。 Schroepfer表示，随着巴黎人工智能实验室的开设，每一家实验室最终将拥有40至50名研究员。

2015年7月，外媒报道称Facebook 正在开发代号为“Moneypenny”(简称M)的人工智能助理项目，该项目已展开内部测试。该人工助理运行于 Facebook Messenger内，类似 Cortana、Google Now 和 Siri，但它会对接人工客服，为客户提供商品查询和购买等服务。

内测Facebook助手M（图片来源：Fredzone）

8月份，M助手被正式推出。但只有文字版本，没有语音功能。

Facebook Messenger服务的负责人David Markus说：“M是一种个人数字助理，能够代替你完成任务或搜索信息。它由人工智能技术支持，但可被人为训练和监督。与市场上其他基于人工智能技术开发的服务相比，M真的能代替你完成任务，比如购物、为亲人地送礼物、预定参观、安排旅程等。”

目前Facebook正在对M进行内测，Markus表示，将M变成大规模服务还有很长的路要走，尽管人类在监管它，但很难令其为所有用户服务。但是目前Facebook已经向前迈进了一大步，M可以做很多事情，它可以学习人类的行为。这样，人类会有更多的时间去关注生活中的重要事情。

2015人工智能报告(一)苹果：高冷科技大咖挖墙脚买公司

2015人工智能报告(二)谷歌：让机器学习在血液中流淌

2015人工智能报告(三)微软: 小娜小冰姐妹花只是开始