雷鋒網(wǎng)按：本文作者為 Backchannel 的 編輯 Steven Levy，雷鋒網(wǎng)編譯發(fā)布。

當被問及是否想要用人工智能領(lǐng)導(dǎo)全球最大的社交網(wǎng)站時，Joaquin Qui?onero Candela 猶豫了。

猶豫不是因為這個西班牙裔又自詡為“機器學(xué)習(xí)人”的科學(xué)家沒有意識到人工智能會對 Facebook 提供巨大幫助。自從2012年 Candela 加入 Facebook 以來，他一直負責用機器學(xué)習(xí)的方法改革公司的廣告運營，讓廣告投放更加具有相關(guān)性和有效性。更重要的是，他讓團隊中的工程師在即使沒接受過訓(xùn)練的情況下也可以主動使用人工智能，用機器學(xué)習(xí)技巧讓廣告部門的工作更好。但是他不確定的是，人工智能能在 Facebook 其他更廣闊的領(lǐng)域內(nèi)發(fā)揮作用，畢竟在這個社交網(wǎng)絡(luò)中，數(shù)以十億計的個體聯(lián)系所依賴的數(shù)據(jù)比廣告運營的“硬數(shù)據(jù)”模糊而復(fù)雜得多。關(guān)于升級，他說到：“我想要確認，人工智能在這里的確有它的價值?！?/p>

雖然有猶豫，但是 Candela 還是接受了這個職位。而兩年后的今天，他的猶豫似乎已經(jīng)失去了意義。正如上個月在紐約的會議上 Candela 對大家說的：“我要在這里強調(diào)，如今的 Facebook 已經(jīng)與人工智能難舍難分了，你對 Facebook、Instagram 和 Messenger 的每一次使用，你也許不會意識到，但是你的體驗都是由人工智能驅(qū)動的?！?/p>

去年十一月，我有幸在 Facebook 位于門洛帕克市的總部采訪了 Candela 和他的部分團隊，我也清楚地看到人工智能是如何一夜間變成了 Facebook 不可或缺的一部分。

今天，大家都把注意力集中在了 Facebook 世界級的人工智能研究團隊（FAIR）上，該團隊由著名神經(jīng)網(wǎng)絡(luò)專家 Yann LeCun 領(lǐng)導(dǎo)，在谷歌、微軟、百度、亞馬遜和蘋果等眾多競爭者中，仍然是優(yōu)秀的人工智能領(lǐng)域人才渴望加入的理想工作團隊。

該團隊在計算機學(xué)習(xí)人類大腦進行觀察、傾聽和思考所用的數(shù)字神經(jīng)網(wǎng)絡(luò)領(lǐng)域常常做出突破性研究。但是 Candela 的機器學(xué)習(xí)應(yīng)用團隊（AML）承擔著與 FAIR 相對獨立的研究——將人工智能應(yīng)用在 Facebook 的實際產(chǎn)品中，更重要的是，讓公司的工程師們把機器學(xué)習(xí)應(yīng)用到他們的工作中。因為 Facebook 已經(jīng)無法離開人工智能而存活了，公司所有的工程師都必須使用 AI 開展工作。

在我進行采訪的兩天前，F(xiàn)acebook 發(fā)生了傳播假新聞幫助川普競選的事件，扎克伯格評論說“太瘋狂”，這個評論就像是火上澆油，很多人覺得 Facebook 是涉嫌串通將假消息放在 News Feed（動態(tài)信息流）中傳播了出去。盡管很多爭議早已超出了 Candela 的職責范圍，但是他明白 Facebook 對假新聞的最終解決辦法取決于機器學(xué)習(xí)研究的進展，而這也正是他的團隊所要負責的部分。

采訪中，也許是有公關(guān)人員在場坐鎮(zhèn)，Candela 想要給我展示一些不同的東西——他的團隊研究的一個成果樣本。但是令我驚訝的是，他展示的只是一個有點無聊的把戲：用著名畫家的風(fēng)格重新演繹一幅畫或一段視頻，就像你曾經(jīng)在 Snapchat 上看到過的那種數(shù)字特效，在照片中加入畢加索立體主義的風(fēng)格。

Candela 解釋說：“這背后的技術(shù)叫做風(fēng)格遷移。就是用一個經(jīng)過訓(xùn)練的大型神經(jīng)網(wǎng)絡(luò)將原有的圖像用一個特殊的風(fēng)格重新繪制?！八贸鍪謾C拍了張照片，經(jīng)過一些操作之后，照片變成了一幅梵高《星空》的再生品。更驚奇的是，它還能按照規(guī)定的風(fēng)格繪制視頻。但是 Candela 說，這項技術(shù)最關(guān)鍵的是人們看不到的一點：Facebook 已經(jīng)建立了自己的神經(jīng)網(wǎng)絡(luò)，所以這項技術(shù)可以在手機上直接實現(xiàn)。

這實際上也并不新奇，因為蘋果此前曾夸口說他們已經(jīng)在 iPhone 上使用了一些神經(jīng)網(wǎng)絡(luò)計算。但是這對 Facebook 來說很難，因為他們無法控制硬件設(shè)備。Candela 說他的團隊之所以能勝任這份工作，是因為團隊的工作是疊加式的——每一個項目都可以輕易地疊加在另一個上面，每一個項目都如此運行，以便今后設(shè)計相似項目的時候減少對神經(jīng)網(wǎng)絡(luò)訓(xùn)練的工作量，提升工作效率?！皬拈_始接手任務(wù)到公開測試，我們只用了8周時間，這挺瘋狂的?！彼f。

（從左到右：機器學(xué)習(xí)應(yīng)用工程主管Joaquin Candela、計算機視覺應(yīng)用團隊主管Manohar Paluri、技術(shù)產(chǎn)品經(jīng)理 Rita Aquino、工程經(jīng)理 Rajen Subba）

Candela 還說，如此快速地完成任務(wù)還取決于大家的合作——這也是 Facebook 的企業(yè)文化精髓。在這次任務(wù)中，與 Facebook 其他團隊的順暢溝通非常重要，正是因為移動設(shè)備團隊對 iPhone 硬件非常了解，才使得我們可以用手機直接實現(xiàn)在 Facebook 數(shù)據(jù)中心上對圖像的重繪。這項研究的好處不僅僅能讓用戶視頻中的人物變成愛德華蒙克的《尖叫》風(fēng)格。它還是整個 Facebook變得更加強大的第一步。不久之后，這項技術(shù)能讓計算機對語言翻譯和文本理解的反應(yīng)速度更快。在更遠的未來，這項技術(shù)甚至可以實時分析你的所見所聞。Candela說：“我們是說‘實時‘，比一秒還短的時間。因為我們是社交網(wǎng)絡(luò)，如果我們想要對人們的社交反饋做出預(yù)測，那系統(tǒng)必須立即反應(yīng)，對吧？”說完，他又看了看剛剛那張梵高式的照片，毫不掩飾自己的自豪之情?！霸谑謾C上運行復(fù)雜的神經(jīng)網(wǎng)絡(luò)，意味著把人工智能交付到每個人手中?！八又f，”這不是偶然產(chǎn)生的，這也是我們在公司中實現(xiàn)人工智能自主化的一種方式。我們已經(jīng)為此努力很久了。“

Candela 出生在西班牙。在他3歲的時候，全家搬到了摩洛哥，他在那里上了法語學(xué)校。盡管他在科學(xué)和人文方面的成績都很高，他還是決定在馬德里上大學(xué)，學(xué)習(xí)他覺得最難的專業(yè)：通信工程，這不僅要求對無線電、放大器等物理知識的充分掌握，還需要理解數(shù)據(jù)，但他認為“這非?？帷?。他師從一位研究改善自適應(yīng)系統(tǒng)的教授，建立了一個利用智能濾波器增強漫游手機信號的系統(tǒng)，他將這稱之為一個“初始的神經(jīng)網(wǎng)絡(luò)”。與編程相比，他更喜歡訓(xùn)練算法，2000 年在丹麥學(xué)習(xí)的一個學(xué)期的經(jīng)歷讓這個興趣更強了。在丹麥，Candela 結(jié)識了一位研究機器學(xué)習(xí)的教授 Carl Rasmussen，他與機器學(xué)習(xí)著名專家 Geoff Hinton 共事多年。畢業(yè)前夕，當 Candela 正準備加入寶潔團隊時， Rasmussen 教授邀請他繼續(xù)博士的學(xué)習(xí)。他最終選擇了機器學(xué)習(xí)。

2007年，他加入了英國劍橋的微軟研究實驗室。工作不久后，他就明白了公司層面的競爭：微軟將要推出 Bing，但是還需要改進搜索廣告部分一個關(guān)鍵構(gòu)件——用來預(yù)測用戶何時會點擊廣告。微軟決定開展一項內(nèi)部比賽，獲勝的團隊方案會被測試是否實用，團隊成員則會獲得一次免費夏威夷旅行。19 個隊伍參加了比賽，Candela 的團隊最終獲勝。他獲得了免費旅行，但是當微軟推遲方案測試的時候，他覺得自己被騙了。為了展示決心，Candela 開展了一個所謂的“瘋狂十字軍東征”，試圖說服公司給他一個機會。他進行了至少 50 次內(nèi)部談話，建立了一個模擬器來展示自己算法的優(yōu)越性，跟蹤可以拍板的高管，在吃飯的時候故意跟高管坐在一起，在洗手間向領(lǐng)導(dǎo)宣傳自己的系統(tǒng)，在總裁辦公室不請自來，爭論到“承諾就是承諾，必須執(zhí)行，況且他的算法確實更好”。最終，candela 的算法在 2009 年嵌入進 Bing 中。

2012 年，Candela 會見了一位在 Facebook 工作的朋友并參觀了位于門洛帕克市的辦公室。他驚奇地發(fā)現(xiàn)在這個公司里，大家不用求著領(lǐng)導(dǎo)測試自己的系統(tǒng)，他們可以自主決定。兩天后，他去 Facebook 面試了，一周后，他加入了 Facebook 的廣告團隊，領(lǐng)導(dǎo)一個小組研究如何向用戶展示更多相關(guān)廣告。盡管那時的系統(tǒng)已經(jīng)使用了機器學(xué)習(xí)，但是 Candela 認為，“模型不夠先進，太普通了”。

（Facebook 大樓內(nèi)景）

與 Candela 一同進入 Facebook 的另一個工程師是 Hussein Mehanna（他們一同參加了新雇員代碼訓(xùn)練營），他也認為 Facebook 的人工智能系統(tǒng)太過落后。Mehanna 說：“我從外部觀察它產(chǎn)品質(zhì)量的時候，以為 Facebook 的工作早已人工智能化了，現(xiàn)在看來，顯然還沒有。幾周后我告訴 Joaquin，F(xiàn)acebook 最缺少的是一個合適的先進的機器學(xué)習(xí)平臺。我們已經(jīng)有了機器，但是沒有合適的軟件幫助機器盡可能多地從數(shù)據(jù)中學(xué)習(xí)?！保∕ehanna 目前是 Facebook 的核心機器學(xué)習(xí)主管，也是微軟的老員工，采訪中微軟老員工都跳槽到了 Facebook，是巧合嗎？）

Mehanna 所說的“機器學(xué)習(xí)平臺”，是將人工智能從上個世紀的“寒冬”變?yōu)楝F(xiàn)在蓬勃發(fā)展的模仿人類大腦行為的范式應(yīng)用。在廣告領(lǐng)域，F(xiàn)acebook 需要的是一個人類工作無法實現(xiàn)的系統(tǒng)：對廣告點擊人數(shù)的即時預(yù)測。Candela 和他的團隊要基于機器學(xué)習(xí)的方法創(chuàng)造出這個新系統(tǒng)。并且，因為他們想要將這個系統(tǒng)建成一個平臺，他們的模型和訓(xùn)練必須具有一般性和可復(fù)制性。

建立機器學(xué)習(xí)平臺的一個重要因素是高質(zhì)量數(shù)據(jù)的獲取，越多越好。幸運的是，這正是 Facebook 一項最大的資產(chǎn)：當超過十億人每天與 Facebook 的產(chǎn)品互動時，它可以為他們的訓(xùn)練收集大量數(shù)據(jù)，并且當他們開始測試時，會有取之不盡的用戶行為樣本。這使得廣告團隊進展很快，從每幾周推出一個新模型到每周推出一個新模型。另外，因為系統(tǒng)最終會成建成一個平臺，公司內(nèi)部會使用平臺來設(shè)計自己的產(chǎn)品，Candela 設(shè)計了一個多團隊同時工作的方法——一個簡潔的三步過程：“首先關(guān)注績效，接著是效用，最后建立一個社區(qū)”。

Candela 的廣告團隊已經(jīng)證明了機器學(xué)習(xí)可以為 Facebook 帶來多大的變革力量。他說：“我們在預(yù)測廣告點擊率上取得了巨大成功，就像是一次大轉(zhuǎn)變。”所以將這個方法擴展到更大的服務(wù)中是很自然的事情。事實上，F(xiàn)AIR 的領(lǐng)導(dǎo) LeCun 已經(jīng)在爭取建立一個伙伴團隊，將人工智能應(yīng)用在公司產(chǎn)品中，將機器學(xué)習(xí)的方法更廣泛地應(yīng)用在公司運營中。LeCun 說：“我正在為此努力，因為我們需要高素質(zhì)的工程師，雖然他們不直接與產(chǎn)品打交道，但產(chǎn)品團隊卻需要他們提供技術(shù)基礎(chǔ)?！?/p>

2015 年 10 月，Candela 成為了新的 AML 團隊主管（在一段時間內(nèi)，他還同時兼任著廣告團隊的負責人）。他與 FAIR 團隊保持著密切的聯(lián)系。雖然 FAIR 在紐約、巴黎和門洛帕克市都有辦公地，但實際上他們的成員就坐在 AML 工程師旁邊。

他們合作的方式可以用一個正在運行中的產(chǎn)品來說明，該產(chǎn)品是 Facebook 上對照片進行語音描述功能。過去的 5 年中，訓(xùn)練系統(tǒng)識別屏幕中的物體并給出一般性結(jié)論（比如照片是在室內(nèi)還是室外拍攝）已經(jīng)成為了人工智能訓(xùn)練的普遍標準。但是最近，F(xiàn)AIR 的科學(xué)家們發(fā)現(xiàn)了一個方法，可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)在圖像中變出每一個物體并判斷他們之間的位置和關(guān)系，進而理解整個圖像的含義，比如分析出圖中人們正在擁抱，或者有人正在騎馬。LeCun 說：“我們將這個方法展示給 AML 團隊，他們思考了一會兒，說‘在一種情形下，這項技術(shù)會非常有用’?！庇谑牵粋€幫助盲人或視力低下的人“閱讀”圖片的功能原型出現(xiàn)了。Candela 談到他的姐妹團隊：“我們一直在交流。更大的挑戰(zhàn)是將科學(xué)技術(shù)轉(zhuǎn)化成產(chǎn)品，這需要粘合劑，而我們就是這個粘合劑。”

Candela 將人工智能的應(yīng)用分為四個部分：視覺、語言、談話和照相機特效。他認為這四個部分會產(chǎn)生一個“理解內(nèi)容的機器”。通過研究如何明白內(nèi)容的含義，F(xiàn)acebook 可以從評論中、話語的細微變化中探查隱含的意思，在視頻中識別出你朋友一閃而過的面孔，在你真實的會話中解譯你的表達。

Candela 說：“我們正在使人工智能一般化。在內(nèi)容激增的今天，我們需要理解和分析內(nèi)容，否則我們貼標簽的能力就會跟不時代了。”而解決方法就在于建立一個普遍性的系統(tǒng)，使得一個項目的工作可以為相關(guān)項目的工作提供幫助。他說：“如果我能將其他項目的成果轉(zhuǎn)移來構(gòu)建我自己的算法，豈不是非常棒？” 這樣的轉(zhuǎn)變讓 Facebook 產(chǎn)品上新的速度飛速提升。拿 Instagram 舉例：最開始的時候，用戶展示的照片是按照時間順序反向排序的。但是在 2016 年初，公司決定使用算法將照片按照相關(guān)性來排列。好消息是因為 AML 已經(jīng)完成了類似于 News Feed 動態(tài)信息流中的機器學(xué)習(xí)部分，所以“他們不用從抓取數(shù)據(jù)開始做起“，Candela 說，“他們有一兩個熟悉機器學(xué)習(xí)的工程師負責聯(lián)系其他運作排序類應(yīng)用的團隊，所以他們可以直接復(fù)制那些團隊的工作流程，出現(xiàn)問題的時候也可以去詢問他們?！庇谑?，Instagram 在幾個月內(nèi)就完成了這個劃時代的轉(zhuǎn)變。

AML 團隊總是在找尋機會，將神經(jīng)網(wǎng)絡(luò)的強大功能融入不同的團隊，幫助他們在 Facebook 層面創(chuàng)造獨特的產(chǎn)品功能。AML 知覺團隊主工程師 Tommer Leyvand 說：“我們正在使用機器學(xué)習(xí)技術(shù)構(gòu)建自己的核心競爭力，滿足用戶的需求。”（FYI，他也是從微軟跳槽來的?。?/p>

（Facebook 技術(shù)產(chǎn)品經(jīng)理 Rita Aquino，雷鋒網(wǎng)注）

最近新出的一個叫做“社交推薦”的功能也是一個很好的例子。大約一年前，一個 AML 的工程師和 Facebook 分享團隊的一個產(chǎn)品經(jīng)理談到了公司可以介入的一個場景：當人們詢問朋友有什么可以推薦的當?shù)夭蛷d的時候。“那么 Facebook 可以怎樣把推薦的信息展示給用戶呢？“Rita Aquino 說道。分享團隊一開始使用詞匯匹配的方式回應(yīng)推薦指令。但是 Aquino 說：“當每天有數(shù)十億的推送時，精確和升級的要求就不是必須的了?！?通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和使用真實數(shù)據(jù)對模型的測試，他們已經(jīng)可以探查非常細微的語言區(qū)別，準確地探查到哪個用戶正在詢問某地區(qū)內(nèi)的餐廳或商場，進而觸發(fā)一個指令，將相關(guān)的鏈接展示在用戶的 News Feed 上。接著當某人提供了一個推薦時，機器學(xué)習(xí)會在用戶的 News Feed 上顯示出餐廳或商場的地理位置。

Aquino 說，她在 Facebook 的一年半時間里，見證了人工智能從產(chǎn)品中的邊緣成分變成了產(chǎn)品概念產(chǎn)生的來源。她說：“人們期望與他們交互的產(chǎn)品能夠更加智能。而團隊在創(chuàng)造產(chǎn)品的時候，并不需要成為一個機器學(xué)習(xí)專家?！?在處理自然語言的例子中，AML 建立了個一個叫做 “Deep Text” 的系統(tǒng)，讓其他團隊可以輕松訪問，用機器學(xué)習(xí)輔助 Facebook 每日使用超過40億次的翻譯功能的實現(xiàn)。

對于圖像和視頻，AML 團隊建立了一個叫做“Lumos”的機器學(xué)習(xí)視覺平臺。平臺起初是由 Manohar Paluri 創(chuàng)建的，后來 FAIR 的一個實習(xí)生在此基礎(chǔ)上設(shè)計了一個大型機器學(xué)習(xí)視覺系統(tǒng)，他稱之為 Facebook 的“視覺皮質(zhì)”，一種處理和理解 Facebook 上所有圖像和視頻的方法。在2014年的編程馬拉松上，Paluri 和同事 Nikhil Johir 在一天半時間里創(chuàng)建了一個產(chǎn)品原型，并向扎克伯格和 Facebook 首席運營官 Sheryl Sandberg 展示了結(jié)果。在Candela 開始組建 AML 團隊的時候，Paluri 也加入進來（他同時在 AML 和FAIR 任職），領(lǐng)導(dǎo)計算機視覺團隊，完善 Lumos 平臺，幫助 Facebook 的工程師（包括 Instagram、Messenger、WhatsApp 和 Oculus）使用視覺處理方法。Paluri 說：“在 Lumos 上，公司里的每個人都可以使用神經(jīng)網(wǎng)絡(luò)的各種功能來構(gòu)建自己的模型方案。這樣除了 AML 團隊，公司內(nèi)的其他人都可以修正、訓(xùn)練、推動系統(tǒng)的發(fā)展?！?/p>

Paluri 給我做了一個快速展示。他在筆記本上啟動 Lumos，做了一個簡單的任務(wù)：改進了神經(jīng)網(wǎng)絡(luò)識別直升機圖像的能力。屏幕上出現(xiàn)了一個大概有5000個直升機形象的頁面，其中也有一些不是直升機（一個是玩具直升機、一些是從直升機視角拍攝的天空），這些數(shù)據(jù)是 Facebook 從用戶發(fā)布的照片中收集來的。即使我完全不是一個工程師，更不懂人工智能，但是也可以簡單地點擊負面樣本來訓(xùn)練圖像分類器分辨直升機。最終，這個分類步驟，所謂的有監(jiān)督學(xué)習(xí)，會完全自動化，利用機器學(xué)習(xí)方法，神經(jīng)網(wǎng)絡(luò)會自動探索圖像中的物體，實現(xiàn)“無監(jiān)督學(xué)習(xí)”。Paluri 說 Facebook 正在為此努力，“我們的目標是明年將人工注釋減少到百分之一?！?/p>

長期來看，F(xiàn)acebook 會將“視覺皮質(zhì)”融入進自然語言平臺上，幫助 Candela 所謂的內(nèi)容理解引擎進行一般化擴展。Paluri 說：“毫無疑問，我們會將他們結(jié)合在一起，也許就叫做……大腦皮質(zhì)?！?/p>

Facebook 的最終目標是將機器學(xué)習(xí)的核心原理通過發(fā)表論文等方式，擴展到甚至是公司之外的領(lǐng)域。Mehanna 說：“大家不用在花費大量時間創(chuàng)建智能應(yīng)用，我們可以進展得更快。想象一下，它的影響可以涉及到醫(yī)藥，安全，交通等各個領(lǐng)域。我認為這些領(lǐng)域的應(yīng)用開發(fā)速度會有百倍增長?！?/p>

（Facebook 計算機視覺應(yīng)用團隊主管 Manohar Paluri，Stephen Lam 拍攝于門洛帕克市 Facebook 大樓，2017年2月6日）

盡管 AML 機器學(xué)習(xí)應(yīng)用在幫助 Facebook 的產(chǎn)品進行觀察、理解甚至對話的過程中發(fā)揮了重大作用，但是扎克伯格認為機器學(xué)習(xí)的應(yīng)用還會在 Facebook 的良好社交方面起到重要作用。在他 5700 字的構(gòu)建社交社區(qū)的聲明中，7次提到了“人工智能”，闡釋機器學(xué)習(xí)和其他技術(shù)能夠如何幫助 Facebook 保持社區(qū)安全和消息靈通。

實現(xiàn)這些目標并不是易事，這也是 Candela 起初在任職問題上猶豫的原因。甚至機器學(xué)習(xí)也不能解決所有關(guān)于數(shù)十億人之間溝通信息的問題。也正是因為這樣，F(xiàn)acebook 不斷研究算法，確定在 News Feed 上要為用戶展示怎樣的內(nèi)容。Candela 認為目前還未解決的最大問題是：當你不確定內(nèi)容時，你要如何訓(xùn)練系統(tǒng)提供最優(yōu)結(jié)果？他說：“我們提供隨機消息流就意味著浪費了用戶的時間；我們只提供一個朋友的信息流，則贏者通吃。連續(xù)不斷的討論只會得到一個結(jié)論，這兩個極端情況都不是最佳選擇。我們正在探索一個平衡。“ Facebook 試圖利用人工智能來解決這個問題。人工智能也成為了公司解決任何問題都不可或缺的工具?！蔽覀冊跈C器學(xué)習(xí)和人工智能方面有很多實質(zhì)性研究，試圖優(yōu)化這種平衡?！?Candela說道，語氣中充滿希望。

自然而然地，當 Facebook 變成傳播假新聞的罪人時，它便召集了AI 團隊迅速刪除了界面上所有假消息。這是一次不同尋常的全體努力，甚至包括 FAIR 團隊，LeCun 認為它可以作為“咨詢顧問“。結(jié)果是FAIR 團隊創(chuàng)造出一個解決問題的工具：一個叫做：World2Vec”的模型（Vec 指代矢量 Vector），該模型在神經(jīng)網(wǎng)絡(luò)中加入了記憶能力，幫助 Facebook 標記信息的構(gòu)成，比如信息來源、誰分享了該信息。（這里可能會有些混淆，谷歌有一個發(fā)明叫做 W ord2Vec）。通過這個信息，F(xiàn)acebook 可以理解信息分享模式，描述虛假新聞的特征，之后可能會使用機器學(xué)習(xí)策略剔除掉虛假消息。LeCun 說：“我們最終發(fā)現(xiàn)，識別假新聞與找到人們最喜愛頁面的工作并沒有什么不同?！?/p>

Candela 團隊之前建立的平臺讓 Facebook 推出數(shù)據(jù)檢查類產(chǎn)品的速度比以往都快。雖然他們的表現(xiàn)達到什么程度還有待檢驗，但是 Candela 說，過不了多久就能看到 Facebook 用算法判斷來減少假消息的效果有多好了。然而不論這種新方法是否奏效，困境本身對算法是否能解決問題提出了質(zhì)疑——即使機器學(xué)習(xí)解決了一個問題，但是可能會無意中產(chǎn)生不好的結(jié)果。Candela 反駁了這種質(zhì)疑：“我認為我們會讓世界變得更好?！彼麑ξ抑v了一個故事：在我采訪的前一天，Candela 給 Facebook 上一個用戶打了電話，那個人是他一個朋友的父親，他們有過一面之緣。他看到這個人在 Facebook 上發(fā)表了一些支持川普的言論，覺得有些疑問。Candela 意識到他的工作就是基于數(shù)據(jù)做出決策，而他好像遺漏了一些重要信息，所以他給這個人發(fā)了消息約談，他們最終在電話里進行了對話。Candela 說：“這次經(jīng)歷沒有改變我的生活，但是卻讓我從一個非常不同的角度觀察事物。如果沒有 Facebook，這一切也不會發(fā)生?！?換句話說，盡管人工智能非常重要，對 Facebook 不可或缺，但是這也不是唯一的答案?！皢栴}在于人工智能仍處于嬰兒時期，我們的工作才剛剛開始?！盋andela說。

Via Backchannel 

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。