在Facebook的FAIR實(shí)驗(yàn)室，研究人員正在努力將人工智能應(yīng)用于實(shí)踐。但是，面對來自谷歌DeepMind的競爭，這家社交媒體巨頭已經(jīng)處于落后狀態(tài)。

在加拿大蒙特利爾的一座共享辦公大樓里，一間角落辦公室里遍布著滿是代碼的黑色大屏幕。顯示器并排堆放著，一個挨著一個，對于Facebook AI實(shí)驗(yàn)室（FAIR）加拿大團(tuán)隊(duì)的20多名研究科學(xué)家和工程師來說，幾乎沒有足夠的空間了。

“我們很快就要搬去新辦公室了，”FAIR蒙特利爾實(shí)驗(yàn)室的負(fù)責(zé)人、麥吉爾大學(xué)副教授Joelle Pineau說。自一年多前成立以來，Pineau的實(shí)驗(yàn)室已經(jīng)從4人增長到20人，而且，它并不是唯一一個迅速擴(kuò)張的FAIR實(shí)驗(yàn)室。

自2013年FAIR由Facebook首席人工智能科學(xué)家Yann LeCun創(chuàng)立以來，這個組織在全球范圍內(nèi)已經(jīng)發(fā)展到近200名研究人員，并計(jì)劃到2020年增加一倍。它的使命是：開發(fā)最聰明的機(jī)器。這個研究團(tuán)隊(duì)幾乎公開發(fā)表了他們所有的研究成果，他們希望構(gòu)建能看、能聽，并能無障礙地和人類交流的AI。如果你和Siri、Alexa、Google Home或Cortana聊一聊，你很快就會意識到離這樣的AI還有很長的路要走。今年1月，F(xiàn)acebook自己的虛擬AI助理“M”已經(jīng)被關(guān)閉。

FAIR的研究人員目前分布在門洛帕克、紐約、西雅圖、匹茲堡、蒙特利爾、巴黎、倫敦和特拉維夫，他們的研究重點(diǎn)是機(jī)器人技術(shù)、計(jì)算機(jī)視覺、自然語言處理、語言翻譯和游戲等領(lǐng)域。他們的觀點(diǎn)是，每一個領(lǐng)域的每一次進(jìn)步都有助于AI的發(fā)展。最近，F(xiàn)AIR的研究人員教會了AI創(chuàng)建食譜，只需簡單地觀察一頓飯的照片，它就能列出一組食材配料。FAIR的研究人員也在探索如何利用AI將MRI掃描的速度提高10倍。

小扎邀請LeCun：FAIR誕生，與谷歌爭人才

這一切始于一頓晚餐。2013年，F(xiàn)acebook首席執(zhí)行官馬克?扎克伯格(Mark Zuckerberg)意識到，他需要開發(fā)更好的AI系統(tǒng)，以便在其社交網(wǎng)絡(luò)上實(shí)現(xiàn)更復(fù)雜的產(chǎn)品功能。最初，他考慮收購倫敦一家名為DeepMind的獨(dú)立人工智能實(shí)驗(yàn)室，該實(shí)驗(yàn)室得到了科技億萬富翁、Facebook董事會成員Peter Thiel、Elon Musk和Skype聯(lián)合創(chuàng)始人Jaan Tallinn的支持。但當(dāng)時還有另一個對DeepMind感興趣的重量級科技公司：Google。

Facebook和谷歌都希望DeepMind把總部搬到硅谷，但DeepMind拒絕了，理由是歐洲還有更多尚未發(fā)掘的人才。最終，谷歌在2014年以約4億英鎊的價格收購了DeepMind。Facebook選擇從頭開始建立一個人工智能研究組織，扎克伯格邀請LeCun共進(jìn)晚餐。LeCun很感興趣?！暗诙欤以L問了Facebook，那天結(jié)束時，(扎克伯格)對我說’好了，現(xiàn)在你能過來幫我們嗎?’”

LeCun，被稱為AI教父之一（與谷歌的Geoff Hinton和Element AI的yoshu Benjio齊名），他不想離開自己在紐約的家，這是他鐘愛的城市，也不想離開他在紐約大學(xué)的工作。自2003年以來，他一直在紐約大學(xué)擔(dān)任教授。這位58歲的法國人告訴扎克伯格他的情況?！八f’好’，我也說’好，那么我要在哪兒簽字?’”

如今，DeepMind是FAIR最大的競爭對手，兩家公司一直在爭奪業(yè)內(nèi)最有才華的人才，并在此過程中競相抬高薪酬待遇。LeCun說，一些高級AI研究人員的薪水是7位數(shù)。柏林的AI研究員Samim Winiger決定加入谷歌。他表示：“盡管Facebook擁有世界級的AI研究人員和基礎(chǔ)設(shè)施，但實(shí)際產(chǎn)出(研究論文和已部署項(xiàng)目)卻遍布在地圖上。”這意味著，F(xiàn)AIR在AI的每一個領(lǐng)域都很活躍，但在任何領(lǐng)域都不領(lǐng)先——這讓人感覺它不連貫，缺乏重點(diǎn)。

“當(dāng)然，我們經(jīng)常競爭。我們與(谷歌)在爭奪最優(yōu)秀的人才方面存在激烈的競爭。”FAIR紐約實(shí)驗(yàn)室主管Rob Fergus說：“有時候我們贏了，有時候我們輸了?！?/p>

FAIR研究投入應(yīng)用暢通無阻

這兩個組織都被認(rèn)為是世界上最好的AI研究團(tuán)隊(duì)。當(dāng)FAIR取得突破時，F(xiàn)acebook的應(yīng)用機(jī)器學(xué)習(xí)小組（Application Machine Learning, AML）會著手研究如何利用這項(xiàng)技術(shù)為Facebook和Facebook的其他平臺，包括Messenger、Instagram、Oculus和WhatsApp等開發(fā)新產(chǎn)品或新功能。

扎克伯格認(rèn)為AI是一項(xiàng)至關(guān)重要的技術(shù)，F(xiàn)acebook已經(jīng)利用AI為Facebook主要平臺的許多核心功能提供支持。例如，F(xiàn)acebook的News Feed是由AI支持的，AI可以預(yù)測每個人想看的內(nèi)容?！盎旧希總€人都有一個經(jīng)過訓(xùn)練的系統(tǒng)，它已經(jīng)了解了他們的喜好，它會使用各種各樣的信號來處理他們喜歡與之互動的內(nèi)容和他們喜歡與之互動的人，”LeCun說。

谷歌DeepMind擁有700多名員工，它因AlphaGo在2016年成功擊敗世界頂級圍棋選手李世乭而為大眾所熟知。但是DeepMind要想將新技術(shù)應(yīng)用到谷歌的產(chǎn)品中可以說是相當(dāng)困難的，因?yàn)樗麄兣c谷歌大腦（Google Brain）存在競爭，而且研究和代碼是孤立的。LeCun說：“因此，幾年后，谷歌或許會有人疑惑：我們?yōu)槭裁匆ㄟ@么多錢？這不是我想要的情況?！保ü雀柙谄鋽?shù)據(jù)中心和Android操作系統(tǒng)中使用了DeepMind的AI）。

對于Facebook來說，AI的應(yīng)用可能更為明顯。AI是Facebook的精確廣告定位軟件的基礎(chǔ)，每年為Facebook帶來數(shù)十億美元的收入，此外還提供其他用戶服務(wù)，比如自動照片標(biāo)簽和自動翻譯服務(wù)。Facebook也正試圖使用AI軟件來識別虛假新聞和有害內(nèi)容（比如恐怖組織發(fā)布的仇恨言論視頻）。它還訓(xùn)練了一個AI系統(tǒng)，可以識別那些可能正在考慮自殺的人的帖子，以便聯(lián)系到他們并提供幫助。

從監(jiān)督學(xué)習(xí)到強(qiáng)化學(xué)習(xí)，探索世界模型

Facebook現(xiàn)有的大部分AI功能都是通過監(jiān)督學(xué)習(xí)（supervised learning）的機(jī)器學(xué)習(xí)方式構(gòu)建的。LeCun說：“在過去五年里，只關(guān)注監(jiān)督學(xué)習(xí)是完全合理的，因?yàn)橛泻芏鄳?yīng)用程序在經(jīng)濟(jì)上是可行的，可以收集數(shù)據(jù)，加上標(biāo)記，然后訓(xùn)練一個控制網(wǎng)絡(luò)來解決任何問題，比如將法語和中文翻譯成英語，或者對一段文本的主題進(jìn)行分類，或者識別圖像，或者檢測圖像中的物體，等等?！?/p>

但現(xiàn)在，F(xiàn)acebook想要開發(fā)的應(yīng)用程序中，數(shù)據(jù)并不總能滿足。例如，如果Facebook想要將普什圖語翻譯成斯瓦希里語，那么機(jī)器就沒有足夠的可以學(xué)習(xí)的并行文本，因此需要使用其他方法。AI研究人員最近一直在試圖解決一些監(jiān)督學(xué)習(xí)無法解決的問題，這種技術(shù)被稱為強(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)是人工智能的流行分支，它會對行為人的行為給予積極和消極的獎勵，以便訓(xùn)練它們。

事實(shí)證明，這有助于機(jī)器熟練掌握Atari游戲（如“太空侵略者”）和復(fù)雜的棋盤游戲（如圍棋），但這種“試錯法”也有其局限性?！耙審?qiáng)化學(xué)習(xí)系統(tǒng)學(xué)會玩Atari游戲，它需要用最好的算法進(jìn)行大約100個小時游戲的訓(xùn)練，才能達(dá)到人類幾分鐘就能達(dá)到的水平，”LeCun說：“所以，這告訴我們，我們似乎遺漏了一些東西?！?/p>

其中一個因素是，人類能夠快速、安全地學(xué)習(xí)某些任務(wù)，因?yàn)樗麄冇幸欢ǔ潭鹊谋尘爸R。“我感興趣的問題是，人類是怎么學(xué)會的?”LeCun補(bǔ)充道：“如果你想用強(qiáng)化學(xué)習(xí)讓一輛自動駕駛汽車行駛，它可能會撞死1萬名行人，沖下懸崖幾千次，然后才會明白不應(yīng)該這么做。然而，我們?nèi)祟愃坪踔恍?0小時的訓(xùn)練，不會出任何意外事故，就能學(xué)會開車。有什么區(qū)別嗎？這是一個大問題。”

他的假設(shè)是，人們對世界有一個預(yù)測模型，他們已經(jīng)掌握了很多關(guān)于世界如何運(yùn)作的背景知識——換句話說，就是常識。“這讓我們可以提前預(yù)測，如果我們把方向盤轉(zhuǎn)向左邊，車就會從懸崖上沖下去，那不會有什么好結(jié)果。所以我們可以提前計(jì)劃，而不是真的去做了才知道結(jié)果。然而，一個經(jīng)典的強(qiáng)化學(xué)習(xí)系統(tǒng)必須真正去嘗試了，才會意識到這樣做不好。”

這就是Facebook下一步要做的事情——構(gòu)建能夠運(yùn)行世界模型的機(jī)器。但是，LeCun說，這是一個復(fù)雜的問題：世界并不是完全可以預(yù)測的。