在Facebook的FAIR實驗室，研究人員正在努力將人工智能應用于實踐。但是，面對來自谷歌DeepMind的競爭，這家社交媒體巨頭已經處于落后狀態。

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實驗室（FAIR）加拿大團隊的20多名研究科學家和工程師來說，幾乎沒有足夠的空間了。

“我們很快就要搬去新辦公室了，”FAIR蒙特利爾實驗室的負責人、麥吉爾大學副教授Joelle Pineau說。自一年多前成立以來，Pineau的實驗室已經從4人增長到20人，而且，它并不是唯一一個迅速擴張的FAIR實驗室。

自2013年FAIR由Facebook首席人工智能科學家Yann LeCun創立以來，這個組織在全球范圍內已經發展到近200名研究人員，并計劃到2020年增加一倍。它的使命是：開發最聰明的機器。這個研究團隊幾乎公開發表了他們所有的研究成果，他們希望構建能看、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，Facebook自己的虛擬AI助理“M”已經被關閉。

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，他們的研究重點是機器人技術、計算機視覺、自然語言處理、語言翻譯和游戲等領域。他們的觀點是，每一個領域的每一次進步都有助于AI的發展。最近，FAIR的研究人員教會了AI創建食譜，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，Facebook首席執行官馬克?扎克伯格(Mark Zuckerberg)意識到，他需要開發更好的AI系統，以便在其社交網絡上實現更復雜的產品功能。最初，他考慮收購倫敦一家名為DeepMind的獨立人工智能實驗室，該實驗室得到了科技億萬富翁、Facebook董事會成員Peter Thiel、Elon Musk和Skype聯合創始人Jaan Tallinn的支持。但當時還有另一個對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共進晚餐。LeCun很感興趣。“第二天，我訪問了Facebook，那天結束時，(扎克伯格)對我說’好了，現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的工作。自2003年以來，他一直在紐約大學擔任教授。這位58歲的法國人告訴扎克伯格他的情況。“他說’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內最有才華的人才，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。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研究人員和基礎設施，但實際產出(研究論文和已部署項目)卻遍布在地圖上。”這意味著，FAIR在AI的每一個領域都很活躍，但在任何領域都不領先——這讓人感覺它不連貫，缺乏重點。

“當然，我們經常競爭。我們與(谷歌)在爭奪最優秀的人才方面存在激烈的競爭。”FAIR紐約實驗室主管Rob Fergus說：“有時候我們贏了，有時候我們輸了。”

FAIR研究投入應用暢通無阻

這兩個組織都被認為是世界上最好的AI研究團隊。當FAIR取得突破時，Facebook的應用機器學習小組（Application Machine Learning, AML）會著手研究如何利用這項技術為Facebook和Facebook的其他平臺，包括Messenger、Instagram、Oculus和WhatsApp等開發新產品或新功能。

扎克伯格認為AI是一項至關重要的技術，Facebook已經利用AI為Facebook主要平臺的許多核心功能提供支持。例如，Facebook的News Feed是由AI支持的，AI可以預測每個人想看的內容。“基本上，每個人都有一個經過訓練的系統，它已經了解了他們的喜好，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要想將新技術應用到谷歌的產品中可以說是相當困難的，因為他們與谷歌大腦（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：我們為什么要花這么多錢？這不是我想要的情況。”（谷歌在其數據中心和Android操作系統中使用了DeepMind的AI）。

對于Facebook來說，AI的應用可能更為明顯。AI是Facebook的精確廣告定位軟件的基礎，每年為Facebook帶來數十億美元的收入，此外還提供其他用戶服務，比如自動照片標簽和自動翻譯服務。Facebook也正試圖使用AI軟件來識別虛假新聞和有害內容（比如恐怖組織發布的仇恨言論視頻）。它還訓練了一個AI系統，可以識別那些可能正在考慮自殺的人的帖子，以便聯系到他們并提供幫助。

從監督學習到強化學習，探索世界模型

Facebook現有的大部分AI功能都是通過監督學習（supervised learning）的機器學習方式構建的。LeCun說：“在過去五年里，只關注監督學習是完全合理的，因為有很多應用程序在經濟上是可行的，可以收集數據，加上標記，然后訓練一個控制網絡來解決任何問題，比如將法語和中文翻譯成英語，或者對一段文本的主題進行分類，或者識別圖像，或者檢測圖像中的物體，等等。”

但現在，Facebook想要開發的應用程序中，數據并不總能滿足。例如，如果Facebook想要將普什圖語翻譯成斯瓦希里語，那么機器就沒有足夠的可以學習的并行文本，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督學習無法解決的問題，這種技術被稱為強化學習。強化學習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，以便訓練它們。

事實證明，這有助于機器熟練掌握Atari游戲（如“太空侵略者”）和復雜的棋盤游戲（如圍棋），但這種“試錯法”也有其局限性。“要讓強化學習系統學會玩Atari游戲，它需要用最好的算法進行大約100個小時游戲的訓練，才能達到人類幾分鐘就能達到的水平，”LeCun說：“所以，這告訴我們，我們似乎遺漏了一些東西。”

其中一個因素是，人類能夠快速、安全地學習某些任務，因為他們有一定程度的背景知識。“我感興趣的問題是，人類是怎么學會的?”LeCun補充道：“如果你想用強化學習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，然后才會明白不應該這么做。然而，我們人類似乎只需30小時的訓練，不會出任何意外事故，就能學會開車。有什么區別嗎？這是一個大問題。”

他的假設是，人們對世界有一個預測模型，他們已經掌握了很多關于世界如何運作的背景知識——換句話說，就是常識。“這讓我們可以提前預測，如果我們把方向盤轉向左邊，車就會從懸崖上沖下去，那不會有什么好結果。所以我們可以提前計劃，而不是真的去做了才知道結果。然而，一個經典的強化學習系統必須真正去嘗試了，才會意識到這樣做不好。”

這就是Facebook下一步要做的事情——構建能夠運行世界模型的機器。但是，LeCun說，這是一個復雜的問題：世界并不是完全可以預測的。