回顾2015，Facebook在人工智能领域做了哪些大动作？

（图片来源：Facebook）

2015年1月，Facebook开源了一些用于在Torch上更快速地训练神经网络的模块，这些模块合称为 fbcunn ，它们“比默认模块快得多”。此前，Nvidia发布了cuDNN，这是一个基于CUDA的库，用于深度神经网络。然而，Torch主要面向卷积神经网络（convolutional nets），针对GPU做了优化，构建在Nvidia的 cuFFT 库之上。其中包括：

• 使用FFT加速卷积的空间卷积模块

• 用于并行化多GPU上的训练数据和模型的容器

• FFT/IFFT的包装器

• 一个更快速的临时卷积层（比cuDNN快1.5到10倍）

• 用于神经语言模型和单词嵌入的查找表

• 训练所使用的Hierarchical SoftMax模块使用了大量的分类数据

Facebook基于《Fast Training of Convolutional Networks through FFTs》这篇论文中的想法构建了这些模块的。据称，与cuDNN相比，在卷积核较小的情况下（3x3），fbcunn的速度提升可达1.84倍；而在卷积核较大的情况下（5x5），速度提升可达23.5倍。实行速度大大加快，可以帮助科研人员在更短的时间内开发更大规模的神经网络。

通过开源Torch，Facebook希望推动整个深度学习领域的发展。

2015年初，Facebook收购了语音指令创业公司Wit.AI，之后建立了语言技术部门。

不久后，Facebook宣布将开始在Messenger上面测试语音转录功能。用户可以把接收到的语音信息转录成文本进行阅读，在某些环境下，这个功能十分便利。

2015年3月，Facebook的首席技术官Mike Schroepfer公布了多钟全新人工智能系统，它们可以识别视频和句子中的内容及相关的背景。

其中一种人工智能系统可以识别487种不同的运动类型，并可以发现不同运动间的微小差异，比如可以分清滑冰和冰球的区别。

还有一种人工智能则可以“读懂”句子，首先读取句子，然后对句子进行分析，理解句子的涵义。这一系统得益于Facebook的“记忆网络”（Memory Network），Facebook称“记忆网络”可以“让机器来回答相对复杂的问题。”

让机器理解内容意义十分重大，这意味着Facebook可以将更精准的内容传递给相关受众。例如，系统“知道”用户不喜欢足球，而喜欢篮球，那么系统就会辨别运动视频和图片中相关的内容，只给用户呈现喜欢的内容。

2015年11月，Facebook公布Messenger新增了一项人工智能功能。该功能从用户上传的照片中识别出用户好友。

也就意味着，Facebook Messenger现在可以可查看用户的相册，分析最近的照片，看看里面是否存在可以识别的人脸。如果发现能够识别的人脸，便会提醒用户分享这些照片。这项功能让照片分享流程更简单、更有乐趣。

（图片来源：Fanpage）

该实验室已经开始招募世界上最优秀的科研人员，目前已经招募到了6名研究员，从事理解婴儿语言学习等项目。同时，Facebook还招募了图像处理、文本分析、语音识别及实施战略游戏领域的专家。

Facebook的另外两个人工智能实验室分别位于美国纽约和加州的门洛帕克，这两个团队目前大约有50名研究员。 Schroepfer表示，随着巴黎人工智能实验室的开设，每一家实验室最终将拥有40至50名研究员。

8月份，M助手被正式推出。但只有文字版本，没有语音功能。

Facebook Messenger服务的负责人David Markus说：“M是一种个人数字助理，能够代替你完成任务或搜索信息。它由人工智能技术支持，但可被人为训练和监督。与市场上其他基于人工智能技术开发的服务相比，M真的能代替你完成任务，比如购物、为亲人地送礼物、预定参观、安排旅程等。”

目前Facebook正在对M进行内测，Markus表示，将M变成大规模服务还有很长的路要走，尽管人类在监管它，但很难令其为所有用户服务。但是目前Facebook已经向前迈进了一大步，M可以做很多事情，它可以学习人类的行为。这样，人类会有更多的时间去关注生活中的重要事情。