（Facebook 计算机视觉应用团队主管Manohar Paluri，Stephen Lam 拍摄于门洛帕克市Facebook 大楼，2017年2月6日）
尽管AML 机器学习应用在帮助Facebook 的产品进行观察、理解甚至对话的过程中发挥了重大作用，但是扎克伯格认为机器学习的应用还会在Facebook 的良好社交方面起到重要作用。在他5700字的构建社交社区的声明中，7次提到了“人工智能”，阐释机器学习和其他技术能够如何帮助Facebook 保持社区安全和消息灵通。
实现这些目标并不是易事，这也是Candela 起初在任职问题上犹豫的原因。甚至机器学习也不能解决所有关于数十亿人之间沟通信息的问题。也正是因为这样，Facebook 不断研究算法，确定在News Feed 上要为用户展示怎样的内容。Candela 认为目前还未解决的最大问题是：当你不确定内容时，你要如何训练系统提供最优结果？他说：“我们提供随机消息流就意味着浪费了用户的时间；我们只提供一个朋友的信息流，则赢者通吃。连续不断的讨论只会得到一个结论，这两个极端情况都不是最佳选择。我们正在探索一个平衡。“ Facebook 试图利用人工智能来解决这个问题。人工智能也成为了公司解决任何问题都不可或缺的工具。”我们在机器学习和人工智能方面有很多实质性研究，试图优化这种平衡。“ Candela说道，语气中充满希望。
自然而然地，当Facebook 变成传播假新闻的罪人时，它便召集了AI 团队迅速删除了界面上所有假消息。这是一次不同寻常的全体努力，甚至包括FAIR 团队，LeCun 认为它可以作为“咨询顾问“。结果是FAIR 团队创造出一个解决问题的工具：一个叫做：World2Vec”的模型（Vec 指代矢量Vector），该模型在神经网络中加入了记忆能力，帮助Facebook 标记信息的构成，比如信息来源、谁分享了该信息。（这里可能会有些混淆，谷歌有一个发明叫做W ord2Vec）。通过这个信息，Facebook 可以理解信息分享模式，描述虚假新闻的特征，之后可能会使用机器学习策略剔除掉虚假消息。LeCun 说：“我们最终发现，识别假新闻与找到人们最喜爱页面的工作并没有什么不同。“
Candela 团队之前建立的平台让Facebook 推出数据检查类产品的速度比以往都快。虽然他们的表现达到什么程度还有待检验，但是Candela 说，过不了多久就能看到Facebook 用算法判断来减少假消息的效果有多好了。然而不论这种新方法是否奏效，困境本身对算法是否能解决问题提出了质疑——即使机器学习解决了一个问题，但是可能会无意中产生不好的结果。Candela 反驳了这种质疑：“我认为我们会让世界变得更好。”他对我讲了一个故事：在我采访的前一天，Candela 给Facebook 上一个用户打了电话，那个人是他一个朋友的父亲，他们有过一面之缘。他看到这个人在Facebook 上发表了一些支持川普的言论，觉得有些疑问。Candela 意识到他的工作就是基于数据做出决策，而他好像遗漏了一些重要信息，所以他给这个人发了消息约谈，他们最终在电话里进行了对话。Candela 说：“这次经历没有改变我的生活，但是却让我从一个非常不同的角度观察事物。如果没有Facebook，这一切也不会发生。“ 换句话说，尽管人工智能非常重要，对Facebook 不可或缺，但是这也不是唯一的答案。“问题在于人工智能仍处于婴儿时期，我们的工作才刚刚开始。”Candela说。
Via Backchannel
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！