Facebook AI 研究院负责人：相比百度和谷歌，我们有哪些优势？

现在这一研究社群有很多兴奋的进展，因为一直有新的发现被公布，基准测试结果被不断刷新。但是你不需要发明一些新的东西来从事AI工作。你需要复制这些成功的工具都是开源的，而且很有可能你想要的网络在Github上是开放的，而且是预训练好并随时可用的。

查看一下代码；鼓捣一下模型看看会发生什么；在社群中问问题。这个领域需要更多的实践者，和更多的人来将这些发现变为有用的产品。

我必须指出，News Feed项目最初成立是在2006年，那时我还没有进入Facebook。这个故事也基本上传开了，因此如果你有兴趣的话，你应该能在Quora的其他问题中找到关于那些天的描述。

我在2007年才开始从事News Feed项目的工作，帮助重写了后端部分，开发了排序算法，领导了几年的团队。这是我生涯中最好的体验——我无法表达出这让我多么自豪：你关于人们如何和为什么相互联系的想法被采用，接着一路编译到C++中，让亿万计的人实时得到他们所关心的内容。

我们在FAIR用到了很多工具。主要有：

Lua（和Torch），用于原型制作、训练、调试、可视化等等；

CUDA，用于编写高性能模块，GPU优化模块；

C/C++用于低层的编写，Caffe用于产品；

Python、Matlab和一些其他工具用于一些专业的工作中；

非监督学习。

我们今天构建的几乎所有的东西都被我称为专业AI。我们有某个任务的足够样本，接着我们训练电脑在没有我们的情况下完成任务。在我们的AI示例中没有显示出来的一件事是我们在人力标记图片、标记视频数据集等等方面花费了多少精力才让机器得到了足够数据来学习完成某个任务。

人类真的不是这样学习的。我们能够通过看、感知和体验现实来理解世界并在世界中进行活动。如果我们想要造出类似通用AI的东西的话，我们要弄清楚如何从简单的观察中进行学习。换句话来说，我们要开发出一个不需要人类标记来“监督”的系统。

我不认为有人真正破解了这个问题，虽然有很多人尝试，而且我们的模型和电脑要想成功处理这类问题，有可能还要变强大10或100或1000倍。

当然，我们在评估中很珍惜研究所带来的影响，也珍惜产品所带来的影响。我们无法完美的测量这些，但我们有一些方式。如果你的产品有影响，它可能为很多用户服务，带来了很多互动或者作为一个平台吸引了很多使用者。如果你的研究有影响力，它可能会有很多次引用，在开源社区中有很多人使用它，或者在Facebook中有很多产品团队在尝试将其应用到产品中。

注重影响力真的是让Facebook取得如此成功的一个重要因素，这是我们在产品和研究中都在关注的东西。

我们最近的硬件设计就是这样做的，名为“Big Sur”。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!