侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

机器在凝视人性深渊:走进脸书的人工智能开发团队

2017-03-03 08:46
野明月
关注

在采访过程中,Candela 给我准备了一个小小的惊喜,这个惊喜能够很好的展示他们团队的工作成果。对于我来说,这有点儿像魔术了。他给我看了一份视频,视频里首先展现出来的是某个具有强烈个人风格的画家的作品,然后软件竟然会以这种个性十足的风格,重新画出来一张图。这让我想到了某些你在 Snapchat 上看到的绝活把戏,那种将照片变形出毕加索立体主义的想法似乎已经得到了应验。

他解释道:「这个软件背后的科技叫做神经网络风格转移。这是一个大型的神经网络,它经过训练后,就能够利用某一种特定的风格来重新临摹最初的那张图片。」说着,他掏出手机,咔嚓拍了一张照片。然后他点击了一下,划动了屏幕一下之后,这张照片变成了梵高《星夜》画作的衍生品。

更令人印象深刻的是,这种应用还可以一边播放着视频,一边给视频添加上某一种特定的风格。而眼下的这一切都是我所能看到的,我看不到的是:Facebook 正在用这样的技术打造自己的的神经网络,它将作用在世界上每一部手机上面。

但如果横向来比对一下,这种科技并不是什么新鲜事儿了。Apple 公司此前就对外宣称自己已经在 iPhone 上面做了一些神经网络计算。但之所以这对于 Facebook 来说值得一说,是因为 Facebook 团队要做到这一切难度有点儿大,毕竟,他们不控制硬件。

Candela 说道:之所以团队能够完成这样的「把戏」,主要是因为团队的工作是累进性质的。也就是说一个项目完成后,另外一个项目是站在这个项目基础上继续向前开发,项目与项目之间有着明显的关联,这样工程师不需要接受太多的培训就能开发出与之类似的产品。所以,项目进度很快,成果一个又一个的拿出来。

他说道:「我们从一开始决定开启研发工作,到最终进行公众测试,这总共就只花了 8 周的时间。这真的是太难以置信了。」

除了「项目累进型开发」这一点之外,能够如此高效地完成这个工作还有赖于企业内部的协作机制,这其实就是 Facebook 本身的文化。在此次开发过程中,Facebook 内部团队与团队之间几乎不存在什么门槛壁垒,大家完全不是各自为战,就比如说移动团队本身就对 iPhone 的硬件非常了解,这也就使得 Facebook 的数据中心可以将图片很好地投射在 iPhone 屏幕上。

这种技术带来的好处可不简单,它可不是说方便你自己恶搞一个朋友亲戚的视频短片,让它看起来就像是美国电影《惊声尖叫》一样。事实上,人工智能技术让 Facebook 变得无比的强大。从短期来看,Facebook 在翻译语言、理解文本上面会有更加快速的响应表现;从长期来看,它可以实现对你所看到的,你所表达的内容的实时分析。

他说道:「我们是一家社交网站,对吧?我们需要预测人们对于某段内容会出现的反应,我的系统必须做到几乎同步反馈。」

Candela 又看了一眼他刚拍的自拍,那张有明显梵高画作风格的照片,毫不掩饰他神采中透露出来的骄傲。「通过在手机上运行复杂的神经网络运算,事实上,我们是把人工智能交到了每个人的手中。这可不是碰运气碰来的。首先,我们是在公司内部一点点的普及人工智能的重要性,然后再推广它。」

他顿了顿,说道:「这真的是一条漫长的艰辛之路啊。」

他是如何将人工智能带到 Facebook 的?Candela 生于西班牙,当他三岁时,全家搬到了摩洛哥。在那里,他上了一所法语学校。尽管他在科学和人类学方面获得了非常高的高分,但是他还是觉得报考马德里的大学,去学在他的概念里最具有挑战性的专业:电子通讯工程。这门学科要求的不仅仅是你要对硬件有所掌握,比如「天线」、「放大器」,同时你还需要理解数据。「数据」在当时可是非常酷的概念。

在当时,他已经自己开始设计一套系统,系统中的智能过滤器可以提升移动电话的信号。现在的他将其称之为「一个婴儿的神经网络」。自那个时候,他的人生有了明确的方向,他对机器训练算法的热爱超过了一切,也超过了编程。在 2000 年,他在丹麦进行了一个学期的学习,也就是在那里,他遇到了机器学习领域的教授 Carl Rasmussen,此人师从具有传奇色彩的 Geoff Hinton(自孩童时就在机器学习上展现了惊人的天赋)。也就是在遇到了 Carl Rasmussen 之后,他对机器学习的热情进一步高涨。在毕业之际,Rasmussen 发出邀请,希望他继续深造博士学位,他果断地选择了机器学习。

在 2007 年,他进入位于剑桥的微软研究室工作。他进入工作岗位没几天,立刻就意识到了在全行业内,围绕着人工智能,各家公司都在全力以赴地进行研发。微软在那个时候即将发布 Bing 这款搜索引擎,但是在「搜索广告」领域的某个关键环节还需要进一步的提升,即「它需要预测什么时候用户会点击广告。」

微软当时觉得在公司内部展开一次竞赛,胜出的团队所给出的解决方案会投入到产品实践当中,而团队成员将获得一次免费去夏威夷度假的机会。19 个团队参与到这次竞赛当中,而 Candela 成为了最终的胜者。他虽说是得到了一次免费去夏威夷游玩儿的机会,但是,微软在进一步测试他的解决方案时,并没有将其应用到 Bing 搜索引擎性能的提升中,他当时感觉自己被人给欺骗了。

这次对他工作成果的否定反而激发起来他无尽的斗志和决心。之后,他开始在公司内部进行疯狂的演讲推介,面向公司同事,他做了超过 50 次的演讲,并开发了一个模拟器来展示他所开发的算法高明之处在哪里。甚至于他还跟踪过负责做人工智能相关决策的副总裁,吃自助餐的选菜的时候刻意接近他搭话,副总裁去上厕所的时候也跟着,在旁边的尿池看似无意,实则主动创造谈话机会。

在 2009 年,Bing 上终于搭载了 Candela 所开发的算法。而在 2012 年年初,他的职业生涯再一次迎来了重大转变。

当时他的一个朋友在 Facebook 工作,某个周五,他们俩相约在 Menlo Park 园区见面。就在这次相互诉说工作近况如何的闲谈之中,他才意识到原来在 Facebook 还有如此与众不同的一种企业文化:人们不像他在微软,为了进行某项测试工作还得可怜巴巴地向上面打申请,请求批复。Facebook 的员工想做什么有充分的自由度。于是,周一一上班,他就去参加 Facebook 的面试,很快,他就拿到了 Facebook 开出来的 Offer。

加入到 Facebook 广告团队之后,他的工作任务就是让 Facebook 推送出更加精准,跟用户有关的广告。那个时候整个平台上还没有用机器学习呢。Candela 回忆道:「当时我们使用的模型都是非常简单的,几乎没有什么技术含量。」

同期加入 Facebook 的员工还有 Hussein Mehanna,他之前也是微软的老员工。(在本文中我们采访的好多 Facebook 员工都是从微软跳槽过来的。巧合还是其他原因?)当时他没有进 Facebook 的时候,原以为 Facebook 已经做好了拥抱人工智能技术的部署,但是事实上什么都没有。Facebook 拥有着遍布全世界的人际网络,丰富的信息资源,但是却没有合适的软件帮助 Facebook 从里面提取出来价值。于是,此人也选择加入 Facebook 助他一臂之力。此人目前已经是 Facebook 核心机器学习团队的总监。

说到目前的「机器学习平台」,Mehanna 进一步解释道。在上个世纪,人工智能领域基本上可以算是「荒原」,而正是因为借鉴了人脑的工作机制,并在此基础上开发出了一些模型,人工智能技术才突破瓶颈实现飞跃。在 Facebook 广告的这个例子上,系统做了一件人力无法企及的事情:针对某一个具体的广告,软件能够迅速,准确的预测有多少人会点击它。Candela 和他的团队成员就是基于机器学习的流程,开发出一套全新的系统。

说是系统,更应该称之为平台。因为团队成员的愿景是,所有工程师都能够在这个平台上研发,建模还是机器学习会非常容易完成并复制。

要开发这样的机器学习系统,有一个非常重要的前提:一定要获得高质量的数据,而且越多越好。幸运的是,这方面正好是 Facebook 最大,最优质的资产。当你的产品上每天有超过 10 亿人在上面互动,上面产生的数据量那真的是一个天文数字,而这正好可以用于机器学习。一旦你开始进行测试,用户行为的案例取之不尽用之不竭。

其他的团队,个人也可以借此开发自己的产品。人工智能技术由此在公司内部慢慢被人所熟悉接受,慢慢推广出去。Candela 总结了一下:「其实这是一个非常简单的三部曲。首先是你需要关注性能表现;其次你需要提升实用性,最后你需要围绕着它开发一个社群。」

Candela 的广告团队用事实证明了机器学习技术给 Facebook 带来了怎样的创新和转型。「我们在预测广告的点击数、点赞数、访客到客户的转化率上面,越来越准确。而这样的技术正在慢慢蔓延到 Facebook 其他的产品和服务商。」

<上一页  1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号