（facebook aml實驗室負責人 joaquin candela）
雷鋒網(公衆号：雷鋒網)按：在facebook，有兩個實驗室上司着ai發展方向，一個是yann
lecun上司的fair實驗室，偏向ai的基礎研究；另一個，就是aml實驗室，偏向機器學習應用，負責将ai技術落地在facebook各種産品。本月初，aml實驗室負責人joaquin
candela在@scale大會上發表了一次演講，他講述了facebook在規模化應用ai技術的方方面面，包括facebook人工智能母體fb
learner flow平台、圖像處理引擎lumos、文本了解、語音識别、視訊風格變換等各領域的應用。
下面是演講文字版，由雷鋒網亞萌和夏睿共同編輯整理。
我在facebook已經工作了五年，這是令人愉悅的經曆。今天，我想要跟大家分享一下facebook是如何設計ai來改善人們每天的生活。
每次你使用facebook、instagram和messanger的時候，可能你沒有意識到，你的使用體驗已經是由ai技術做支撐了。
而實際上，我想強調的一點是，facebook如果沒有ai，那就會失去存在根基。
我們在ai上面加入了雙倍的投資，幫助使用者彼此之間聯系更加緊密，及時得知最關心的消息和内容。我們aml團隊，與fair團隊及公司内其它産品團隊緊密合作。
我們面臨的一個挑戰就是，我們的工作是在facebook這麼大的一個規模上進行的。這周三，facebook釋出了統計資料：我們每天支援了12億使用者。也就是說，每一天就有12億人使用facebook
。而其中的11億使用者，都是在手機上使用facebook 的。是以手機的使用，占據主導地位。
首先，我們需要回過頭去，思考“工程”這件事情，好好思考“工程”對于facebook的價值所在。其中有2個關鍵的價值：關注影響力（foucus
on impact）和快速行動（move
fast）。前者是指，要時刻清楚了解我目前所能解決的最重要的問題是什麼。關于第二點，快速行動，facebook對于“犯錯”的容忍度極大，我們反複提醒自己，有時最危險的做法就是不去冒險，不去行動其實是非常冒險的一件事情。我們需要在facebook這麼大的體量上去快速行動。
這些價值觀，啟發了aml的戰略，這個戰略包括 3 大基本支柱：
推進最新技術，最大程度實作産品影響力。我們一直與fair實驗室及産品團隊合作，推進最新的技術。我們進入非常具體的問題領域，雖然我們可能起初并不知道如何去解決，但是我們知道，一旦我們攻克這個問題，其價值将異常巨大。
通過ai打造全新産品體驗。當你在現今最前沿領域工作時，你往往會遇到别人從未想過的産品體驗。待會後面，我會就此舉一個具體的例子來說明。
使ai大衆化。“規模化”是個大事情。對于facebook來說，你需要不斷地在平台、實驗室和服務項目上進行創新，讓整個公司都能用你的新技術。
很久之前，我還是一名phd學生，當時緻力于貝葉斯非參數法（bayesian nonparametric method），我在其中感受了一種類似于“巫師”的力量，當被給予一個任務時，比如在不同的域裡做分類和遞歸任務，這種解決具體問題的感覺非常好。
之後，我去了工業界。我為此感到興奮，因為工業界充滿了亟待解決的諸多問題。但很快，我變得有點“被淹沒”了，因為預測任務的類型、域的數量、訓練資料的數量，這些比你所能想象的要龐大的多。
我意識到，巫師不知道如何“規模化”。當我在學術界的時候，關注點在于“準确度”，我能建造一個模型，以期比其它已經發表的研究成果，多出那麼0.1%的auc值。但是在工業界我發現，最重要的事情是“疊代速度”，是你每天可以運作多少次實驗。因為，你無法忽視一個事實，那就是你所做的事情是融合各方利益的，如果你每周都可以将一個新的模型投入生産中（當然在我剛加入facebook的時候這是很困難的一件事情），最終的成果是建立在一次又一次的嘗試之上的。
如果你仔細想一想，你需要探索的參數、模型架構、輸入值特征等如此龐大，實驗的加速會産生非常非常大的影響。
是以，你必須建造一個“工廠”（就是後面要講到的fb learner flow平台），成為一個巫師很酷，但是建造一個強大的“工廠”，讓公司的每個人能夠并行探索這個廣闊的領域，将會讓你以很穩定的節奏取得進步，不斷地輸出對産品的影響力。
當我們在設計一個“工廠”時，我們主要考慮五個方面的事情。
性能（performance）。我們必須加快速度，之前需要花幾天時間進行的實驗，現在要在一個小時内完成。這種速度的提升，對人們的心理狀态會産生很大影響，當你工作到晚上回到家的時候，在這一天裡你實際上已經完成了實驗的一部分。而在之前，可能你一天裡隻能弄出一個模型，回家後可能就有點忘了，再過幾天，這個模型可能會崩潰掉。
自動化（automation）。這非常重要，拖慢速度的永遠都是人自己。比如，我曾經有一些系統，要進行轉移到新的伺服器等操作，但是運作不好，最後崩潰了，這浪費了我幾天的時間。是以你必須将事情自動化。
重複使用（reusability）。這點非常重要，你必須得確定其中的工作内容，是可以一遍又一遍地使用。
成套系統（turnkey）。讓整個系統變得容易使用，大部分工程師都是局限于一個小的領域，沒有那麼全面的知識和技術。
應用研究社群（applied research community）。對于建造研究社群這一點，我充滿熱情，我将會對此多談一點，關于在整個公司内部打造“應用研究社群”的力量。
而我們建造的這個“工廠”确實是有效果的，而且效果很不錯。
我們這個平台的建造工作，目前隻進行了1%，也就是說，一切還是開始。整個facebook公司使用這個平台的人數中，超過25%的人是該平台的活躍使用者。而其中令人驚訝的是，如果你仔細觀察這些工程師的背景，大部分人并不是ai或ml方面的專家。
另一件事就是，我們建構了一個非常強大的應用研究社群（applied
research community）。我們為這個平台的“重複使用”性能感到興奮，當一個工程師寫了一個ai
工作流（workflow），可以被其它工程師拿過來接着使用。這有一個關于instagram的例子。去年6月，instagram開始對它的feed進行排序，幾個工程師共同完成了這個功能，而這其中花費的時間之少令人驚訝。作為對比，facebook的feed功能在前幾年進行的，這在當時就是一個大工程，因為它是從無到有建立起來的。現在，instagram的工程師，就可以進入一個公共的實驗平台，找到其它産品類似功能實作時的工作流和模型。也就是說，工程師們可以借用前人的工作成果，“站在巨人的肩膀上”建立instagram的feed功能，而且他們也能很快找到相關同僚去請教。
其中有一個資料，我很驕傲。在過去的6個月時間裡，這個平台的ml工作流的數量增長了6倍。
fb learner flow平台是一個非常有彈性的環境，用于書寫和執行ai工作流。生産力是最重要的事。其中有一件很酷的事情，那就是如果你要運作某個任務，fb learner flow将會把一整個流程都規劃好，比如硬體用什麼、如何規模化等等。
fb
learner flow平台設計之初，就把“重複使用”的理念植入其中。如果你是一個instagram工程師，想要訓練和部署你的排序模型，fb
learner
flow就像是一個放滿了工作流的圖書館庫（library），你可以在當中搜尋、索引、發現各種工作流，然後對此重複利用。你還可以進入到算法裡，你可以看到不同參數下的各種學習曲線，最重要的是，你可以看到某個特定工作流的作者是誰，這是最重要的，因為這時你就知道找誰去請教問題了。
flow非常綜合，這裡有一個有趣的故事。有一次，我對團隊成員說：“夥計們，你們在這個平台上運作pytorch、caffe和caffe
2，我們試試tensorflow怎麼樣？”。三天後，他們跟我說，我們試了一下tensorflow，可以運作。是以它是相容各種語言的，這很重要。
接下來我會講解一些關于基于fb learner flow平台的一些系統，包括計算機視覺引擎、文本和語言了解系統、語音等方面的内容。
更多雷鋒網文章：
<a href="http://www.leiphone.com/news/201702/fpkuw0kfabuqvqyl.html">對話百度idl負責人林元慶：人臉識别獲評十大突破性科技背後百度的布局和野心</a>
<a href="http://www.leiphone.com/news/201702/qasmvdqnbiy4cxby.html">百度引入ring allreduce算法，大規模提升模型訓練速度</a>
本文作者：亞萌