（从左到右：机器学习应用工程主管Joaquin Candela、计算机视觉应用团队主管Manohar Paluri、技术产品经理Rita Aquino、工程经理Rajen Subba）
Candela还说，如此快速地完成任务还取决于大家的合作——这也是Facebook的企业文化精髓。在这次任务中，与Facebook其他团队的顺畅沟通非常重要，正是因为移动设备团队对iPhone硬件非常了解，才使得我们可以用手机直接实现在Facebook数据中心上对图像的重绘。这项研究的好处不仅仅能让用户视频中的人物变成爱德华蒙克的《尖叫》风格。它还是整个Facebook变得更加强大的第一步。不久之后，这项技术能让计算机对语言翻译和文本理解的反应速度更快。在更远的未来，这项技术甚至可以实时分析你的所见所闻。Candela说：“我们是说‘实时‘，比一秒还短的时间。因为我们是社交网络，如果我们想要对人们的社交反馈做出预测，那系统必须立即反应，对吧？”说完，他又看了看刚刚那张梵高式的照片，毫不掩饰自己的自豪之情。“在手机上运行复杂的神经网络，意味着把人工智能交付到每个人手中。“他接着说，”这不是偶然产生的，这也是我们在公司中实现人工智能自主化的一种方式。我们已经为此努力很久了。“
Candela出生在西班牙。在他3岁的时候，全家搬到了摩洛哥，他在那里上了法语学校。尽管他在科学和人文方面的成绩都很高，他还是决定在马德里上大学，学习他觉得最难的专业：通信工程，这不仅要求对无线电、放大器等物理知识的充分掌握，还需要理解数据，但他认为“这非常酷”。他师从一位研究改善自适应系统的教授，建立了一个利用智能滤波器增强漫游手机信号的系统，他将这称之为一个“初始的神经网络”。与编程相比，他更喜欢训练算法，2000年在丹麦学习的一个学期的经历让这个兴趣更强了。在丹麦，Candela结识了一位研究机器学习的教授Carl Rasmussen，他与机器学习著名专家Geoff Hinton共事多年。毕业前夕，当Candela正准备加入宝洁团队时， Rasmussen教授邀请他继续博士的学习。他最终选择了机器学习。
2007年，他加入了英国剑桥的微软研究实验室。工作不久后，他就明白了公司层面的竞争：微软将要推出Bing，但是还需要改进搜索广告部分一个关键构件——用来预测用户何时会点击广告。微软决定开展一项内部比赛，获胜的团队方案会被测试是否实用，团队成员则会获得一次免费夏威夷旅行。19个队伍参加了比赛，Candela的团队最终获胜。他获得了免费旅行，但是当微软推迟方案测试的时候，他觉得自己被骗了。为了展示决心，Candela开展了一个所谓的“疯狂十字军东征”，试图说服公司给他一个机会。他进行了至少50次内部谈话，建立了一个模拟器来展示自己算法的优越性，跟踪可以拍板的高管，在吃饭的时候故意跟高管坐在一起，在洗手间向领导宣传自己的系统，在总裁办公室不请自来，争论到“承诺就是承诺，必须执行，况且他的算法确实更好”。最终，candela的算法在2009年嵌入进Bing中。
2012年，Candela会见了一位在Facebook工作的朋友并参观了位于门洛帕克市的办公室。他惊奇地发现在这个公司里，大家不用求着领导测试自己的系统，他们可以自主决定。两天后，他去Facebook面试了，一周后，他加入了Facebook的广告团队，领导一个小组研究如何向用户展示更多相关广告。尽管那时的系统已经使用了机器学习，但是Candela认为，“模型不够先进，太普通了”。
（Facebook大楼内景）
与Candela一同进入Facebook的另一个工程师是Hussein Mehanna（他们一同参加了新雇员代码训练营），他也认为Facebook的人工智能系统太过落后。Mehanna说：“我从外部观察它产品质量的时候，以为Facebook的工作早已人工智能化了，现在看来，显然还没有。几周后我告诉Joaquin，Facebook最缺少的是一个合适的先进的机器学习平台。我们已经有了机器，但是没有合适的软件帮助机器尽可能多地从数据中学习。”（Mehanna目前是Facebook的核心机器学习主管，也是微软的老员工，采访中微软老员工都跳槽到了Facebook，是巧合吗？）