回顧2015，Facebook在人工智能領域做了哪些大動作？

（圖片來源：Facebook）

2015年1月，Facebook開源了一些用于在Torch上更快速地訓練神經網絡的模塊，這些模塊合稱為 fbcunn ，它們“比默認模塊快得多”。此前，Nvidia發布了cuDNN，這是一個基于CUDA的庫，用于深度神經網絡。然而，Torch主要面向卷積神經網絡（convolutional nets），針對GPU做了優化，構建在Nvidia的 cuFFT 庫之上。其中包括：

• 使用FFT加速卷積的空間卷積模塊

• 用于并行化多GPU上的訓練數據和模型的容器

• FFT/IFFT的包裝器

• 一個更快速的臨時卷積層（比cuDNN快1.5到10倍）

• 用于神經語言模型和單詞嵌入的查找表

• 訓練所使用的Hierarchical SoftMax模塊使用了大量的分類數據

Facebook基于《Fast Training of Convolutional Networks through FFTs》這篇論文中的想法構建了這些模塊的。據稱，與cuDNN相比，在卷積核較小的情況下（3x3），fbcunn的速度提升可達1.84倍；而在卷積核較大的情況下（5x5），速度提升可達23.5倍。實行速度大大加快，可以幫助科研人員在更短的時間內開發更大規模的神經網絡。

通過開源Torch，Facebook希望推動整個深度學習領域的發展。

2015年初，Facebook收購了語音指令創業公司Wit.AI，之后建立了語言技術部門。

不久后，Facebook宣布將開始在Messenger上面測試語音轉錄功能。用戶可以把接收到的語音信息轉錄成文本進行閱讀，在某些環境下，這個功能十分便利。

2015年3月，Facebook的首席技術官Mike Schroepfer公布了多鐘全新人工智能系統，它們可以識別視頻和句子中的內容及相關的背景。

其中一種人工智能系統可以識別487種不同的運動類型，并可以發現不同運動間的微小差異，比如可以分清滑冰和冰球的區別。

還有一種人工智能則可以“讀懂”句子，首先讀取句子，然后對句子進行分析，理解句子的涵義。這一系統得益于Facebook的“記憶網絡”（Memory Network），Facebook稱“記憶網絡”可以“讓機器來回答相對復雜的問題。”

讓機器理解內容意義十分重大，這意味著Facebook可以將更精準的內容傳遞給相關受眾。例如，系統“知道”用戶不喜歡足球，而喜歡籃球，那么系統就會辨別運動視頻和圖片中相關的內容，只給用戶呈現喜歡的內容。

2015年11月，Facebook公布Messenger新增了一項人工智能功能。該功能從用戶上傳的照片中識別出用戶好友。

也就意味著，Facebook Messenger現在可以可查看用戶的相冊，分析最近的照片，看看里面是否存在可以識別的人臉。如果發現能夠識別的人臉，便會提醒用戶分享這些照片。這項功能讓照片分享流程更簡單、更有樂趣。

（圖片來源：Fanpage）

該實驗室已經開始招募世界上最優秀的科研人員，目前已經招募到了6名研究員，從事理解嬰兒語言學習等項目。同時，Facebook還招募了圖像處理、文本分析、語音識別及實施戰略游戲領域的專家。

Facebook的另外兩個人工智能實驗室分別位于美國紐約和加州的門洛帕克，這兩個團隊目前大約有50名研究員。 Schroepfer表示，隨著巴黎人工智能實驗室的開設，每一家實驗室最終將擁有40至50名研究員。

8月份，M助手被正式推出。但只有文字版本，沒有語音功能。

Facebook Messenger服務的負責人David Markus說：“M是一種個人數字助理，能夠代替你完成任務或搜索信息。它由人工智能技術支持，但可被人為訓練和監督。與市場上其他基于人工智能技術開發的服務相比，M真的能代替你完成任務，比如購物、為親人地送禮物、預定參觀、安排旅程等。”

目前Facebook正在對M進行內測，Markus表示，將M變成大規模服務還有很長的路要走，盡管人類在監管它，但很難令其為所有用戶服務。但是目前Facebook已經向前邁進了一大步，M可以做很多事情，它可以學習人類的行為。這樣，人類會有更多的時間去關注生活中的重要事情。