Facebook通過這四種渠道將人工智慧用於實踐

【AI世代編者按】美國《福布斯》雜誌近日撰文，列舉了Facebook將人工智慧技術應用於實踐的4種方式。

以下為原文內容：

我之前寫過幾篇介紹機器學習和深度學習等人工智慧基礎知識的文章，現在似乎應該通過一些實例來講解這些技術如何應用於實踐。

Facebook通過了解用戶並將其數據打包賣給廣告主的方式構建自己的業務，他們隨後會利用藉此賺取的收入展開再投資，以便為我們提供有用的新功能（目前包括視頻和購物）從而加深對我們的了解。

Facebook為我們提供的溝通和交流方式的確意義重大，也正因如此，它像磁鐵一樣從我們身上吸收了海量數據——我們是誰？我們把時間花在哪裡？我們喜歡什麼東西？但Facebook科學家的挑戰在於，他們希望挖掘的這些龐大數據非常鬆散，幾乎沒有結構可言。

每分鐘約有12億人向這項服務上傳13.6萬張照片，更新29.3萬次狀態。面對如此龐大的數據，Facebook直到最近都只能從這些非結構化數據中提取一小部分價值——這些數據難以量化，也很難製作成表格供計算機分析。

深度學習有助於改變這種狀況。深度學習技術可以讓機器自己學會如何對數據分類。圖片分析工具就是其中的簡單例子，它可以自學識別貓咪圖片，而不必從程序員那裡獲知貓咪的具體特徵。通過分析大量圖片，它可以從圖片的背景信息中吸收數據——貓咪圖片中的其他東西看起來是什麼樣子？哪些文本或元數據可能表明一張圖片包含貓咪？

通過這種方式，便可對非結構化數據進行結構化處理，通過量化方式將其呈現在一個表格中，讓分析工具得以從中提取價值。他們試圖藉此回答一些問題，例如：一家公司的產品出現在貓咪圖片中的頻率有多高？我們是否應該把廣告展示給愛貓人士？

這只是Facebook使用深度學習的基本原則，而隨著深度學習演算法越來越複雜，還可以將這些技術應用到我們分享的更多數據中，包括文本、圖片和視頻。

下文幾個用例可以展示深度學習技術如何為Facebook創造價值，並幫助其為用戶提供更多便利，使之加深對我們的了解。

1、文本分析

Facebook上分享的數據仍有很大一部分以文本形式體現。從數據容量上看，視頻的數據量或許更大。但從信息量上看，文本仍然可以提供豐富的數據。一張圖片或許可以描繪1000個單詞，但如果你只想回答一個簡單的問題，往往並不需要1000個單詞。如果無助於回答你的問題，那麼所有數據都是噪音。更重要的是，這麼做反而會浪費存儲和分析資源。

Facebook使用自家開發的DeepText工具了解我們發布的文字，展開上下文分析，從而提取其中的含義。神經網路負責分析文字之間的關係，以便根據周圍其他的文字了解這些文字的意義發生了怎樣的變化。由於這是一個半自動學習過程，演算法未必有類似於字典這樣的參考數據可用。相反，它需要根據文字的使用方式自主學習這些內容。

這就意味著文字的拼寫變化、俚語或個人偏好不會對它產生影響。事實上，Facebook表示，這項技術不受語言的制約——得益於它給文字分配標籤的方式，這項技術可以輕而易舉地在不同的人類語言之間切換，並將一種語言中學到的知識應用的另一種語言。

這項工具目前可以分析人們正在進行的對話，引導其查看他們可能購買的產品。該公司還專門製作了一段視頻，幫助我們了解Facebook如何根據背景信息判斷是否應該向用戶展示購物鏈接。

2、面部識別

Facebook使用名為DeepFace的深度學習應用識別圖像中的人。該公司稱，在判斷兩張不同圖片中的人是否是同一個人時，其最先進的圖像識別工具的準確率已經超過人類——DeepFace成功率為97%，人類僅為96%。

公平地講，這項技術的使用引發了爭議。隱私倡議者認為，由於該技術可以使用高清圖片識別每個人的身份，導致我們在公共場合匿名活動的自由受到限制。歐盟監管者也認同這一觀點，並在2013年說服Facebook在歐洲停用這項功能。

這家社交媒體巨頭當時使用了面部識別工具的早期版本，其中並未融入深度學習技術。自從引發媒體關注以來，該公司似乎對其技術進展保持沉默。他們似乎要等待尚未宣判的隱私官司公布最終結果，才會宣布該技術的推廣計劃。

3、精準廣告

Facebook藉助深度神經網路（這是深度學習的基石）來決定應該將哪些廣告展示給哪些用戶。這一直以來都是該公司的業務基礎，但讓機器自行尋找對我們加深了解的方式，並在給我們展示廣告時以最深刻的方式將我們分門別類，便可幫助其在與谷歌等高科技公司對抗的過程中保持競爭優勢——後者同樣希望在這一市場佔據主導。

4、設計人工智慧應用

Facebook甚至認為，完全可以讓機器決定應該用人工智慧和深度學習技術改善哪些流程。一套名為Flow的系統已經完成部署，每月可以利用深度學習分析來模擬30萬個機器學習模型，讓工程師測試各種想法，並尋找能夠提高效率的機會。

開源

Facebook一直都很擁護開源技術，該公司的Facebook人工智慧研究實驗室已經開放了多數技術的源代碼，方便開發者隨意使用和修改。該公司的多數深度學習技術都是基於Torch平台開發的，這套環境的重點是深度學習技術和神經網路的開發。

該公司甚至開放了基於GPU的人工智慧硬體設計方案——這種超級計算機針對深度學習任務進行了優化，而由於需要以極快的速度處理龐大的數據，所以這類任務往往需要強大的處理能力作後盾。

展望未來

深度學習可能在Facebook今後的發展中繼續扮演關鍵角色。雖然該公司並未披露新應用的方向，但他們可能自動生成可以描述圖片內容的音頻，為視力受損的用戶提供幫助；還有可能藉此預測應該在哪裡擴大覆蓋範圍，以便為世界各地的偏遠地區提供上網服務。

該公司的人工智慧和深度學習實驗室擁有完善的資源，他們的一些長期項目可以為許多組織帶來各種利益，既可以通過直接使用他們的服務來實現，也可以藉助該公司對開源項目的支持來間接實現。（編譯/長歌）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！