如果你认为Facebook是一家社交媒体公司,那就错了。过去也许是,但现在不是。目前这家公司正在推进利用无人机提供互联网服务,并收购虚拟现实(VR)头显厂商Oculus,切入VR市场。特别是不久前开始,它还对可能成为人类生活游戏规则改变者的人工智能(AI)进行积极的研发投资。它以惊人的速度成为全球顶尖尖端技术研究企业之一。
仅就AI而言,这一领域早已成为巨头企业的角力场。谷歌与IBM等正围绕未来市场的主导权展开真刀真枪的较量。而它们在各领域取得的成果,正在让人机交互方式被根本改变的那一天提前到来。不,准确地说,它们已经做到了。只是隐藏在幕布之后,悄无声息地完成罢了。仅Facebook一家,每月就向15亿名用户提供相关技术服务。它运用机器学习(machine learning)技术预测用户希望在新闻推送中看到什么,从而提供定制化服务。
不过AI业界面临一大难题。要实现真正意义上的AI,也就是像人一样思考、感受并行动的机器,就必须实现所谓的“通用人工智能(AGI)”。而要实现能够模拟人类一切智力活动的AGI,就必须让计算机从既有的线性、逻辑性思维,转向像人一样无形式的自由思维。
Facebook则通过多方位的方法试图解决这一问题。在Facebook人工智能研究(FAIR)团队攻克AI的一般性问题的同时,语言技术团队或Facebook M等团队则推出面向用户的实用功能与服务。
<br>Facebook FAIR负责人扬·勒昆教授。由于他主要在Facebook纽约分部工作,因此仍在纽约大学继续授课。<b>Facebook的下一代增长引擎</b><br>Facebook看上AI领域,要追溯到创业约10年后的2013年。当时创始人兼首席执行官(CEO)马克·扎克伯格与首席技术官(CTO)迈克·施罗弗等主要高管一起,开始寻找未来10~20年引领公司成功的下一代增长引擎,AI在这一过程中被选定。据悉,扎克伯格CEO自AI早期起便关注其潜力。
众所周知,Facebook已经应用了机器学习技术。但与模仿人脑神经细胞信息处理方式的最新AI实现手法“神经网络(neural network)”相比,这只是简单而基础的算法。
因此,目前部分工程师正在研究近来成为主流的机器学习手法、并被广泛用于图像识别的“卷积神经网络(CNN)”技术。与此相关,扎克伯格CEO在把AI定为未来业务方向后,从谷歌的AI研究团队谷歌大脑挖来了机器学习专家马克·奥雷利奥·兰扎托博士。随后他找到了发明CNN的纽约大学教授扬·勒昆。
现已成为FAIR负责人的勒昆教授,是把毕生精力献给AI研究的人物。自1988年在贝尔实验室与AI结缘以来,他历经AT&T实验室,并自2003年起在纽约大学持续相关研究。今天的CNN可以说是勒昆教授毕生研究的产物。
“与扎克伯格和施罗弗见面交谈时,我感觉到他们被我的话吸引住了。两人让我确信我能做到。你想想,像扎克伯格这样的人找上门来说:‘如果是你,就能建成世界最好的AI实验室。我会把全权交给你,尽情去做吧。’谁都很难拒绝。”
事实上,勒昆教授清楚要建成世界顶级AI实验室该做什么、怎么做。
“如果想要最优秀的人才,就必须拥有能让他们感到吸引力的最好实验室和雄心勃勃的长期目标。同时要赋予他们研究的自主性,并分享至今取得的研究成果。这也与Facebook‘开放性(openness)’的哲学一脉相承。”
<br>Facebook FAIR团队纽约分部办公室内部。自左起为莱昂·博图博士、扬·勒昆教授、罗布·弗格斯教授。<b>人才引进作战</b><br>相较于创造Facebook未来这一重大使命,FAIR团队的规模比想象中要小。据勒昆教授介绍,全部只有30余名研究科学家和15名工程师。他们分在三处开展研究:在美国纽约的FAIR团队总部,勒昆教授指挥着20余名成员;加利福尼亚州门洛帕克分部有20余人工作。此外,去年6月与法国国立信息与自动化研究所(INRIA)共同开设的巴黎办公室配置了5人。
“Facebook除FAIR之外还有语言技术等与AI相关的团队,但FAIR团队以研究为核心,这一点区别于其他团队。”
FAIR的成员都是在技术领域颇有名气的人物。由于高端AI研究者不多,成员中多数人在加入FAIR之前就有与勒昆教授合作的经验。
当然,据说引进优秀成员并不容易。例如勒昆教授培养的弟子中有不少进入了AI相关创业企业,而这些创业公司大多已被推特之类的大企业收购。凭AlphaGo而广为人知的基于神经网络的机器学习法“深度学习(deep learning)”的大家——加拿大多伦多大学杰弗里·辛顿教授和蒙特利尔大学约书亚·本吉奥教授,虽与他有交情,但当时已分别加入谷歌和一家名为ApStat的数据挖掘企业。
但所幸他成功引进了名列AI研究界最高层名单的专家们。微软的莱昂·博图博士、纽约大学的罗布·弗格斯教授,以及“支持向量机(SVM)”机器学习法的创立者、伦敦大学的弗拉基米尔·瓦普尼克教授等就是其中的主角。
其中,曾在微软研究机器学习与机器推理、2014年3月转入FAIR团队并领导语言相关研究组的博图博士,是勒昆教授的老同事。两人自1987年起曾利用Amiga操作系统(AmigaOS)共同开发神经网络模拟器。2014年11月以顾问身份加入的瓦普尼克教授,也是勒昆教授在贝尔实验室工作时期的同事。当时两人还共同发表过包含机器学习能力测定手法的AI相关论文。
“我在贝尔实验室第一次担任组长时,上司这样建议我:‘在这里要记牢两件事。一是绝对不能与部门成员竞争,二是必须只录用比你更聪明的人。’FAIR团队的引进标准也是一样的。”
<br><b>明确的智能</b><br>FAIR团队在规模和成员阵容上都很耀眼。所进行的研究课题的学术价值也很大。因此Facebook也对FAIR团队的长期目标寄予期待。在Facebook纽约分部的一间会议室见到的勒昆教授,把这一目标自称为“明确的智能(unambiguously intelligent)”。
“即便是现存最好的AI系统也无异于笨蛋。因为它完全没有常识。”
他描述了自己命令笔者拿起桌上的饮料走出会议室的情形。据他所说,人脑处理这种程度的情况毫无问题,能够轻松预测并完成。相反,机器要完成这件事,用来构成完整情景的信息严重缺失。
“也许你会从椅子上站起来,拿起瓶子走向门口。然后开门,走出去后关上门。无需任何额外信息或补充说明。人类非常了解现实世界的种种约束,因此能够推断出这么多东西。不需要一一告知。”
与此不同,AI研究者们至今仍不知道如何教给机器这种程度的推理能力。因此Facebook把AI研究的焦点放在开发能够像人一样充分理解并学习自身周边环境的机器上。勒昆教授说,实现这一点的最大障碍是“无监督学习(unsupervised learning)”。
<br>现有的机器学习手法大致分为两类。首先是“监督学习(supervised learning)”。例如想让机器识别小狗时,不断展示数千至数万张照片直到它理解小狗的样子,这就是这种方式。谷歌的AI图像软件“深梦(Deep Dream)”则反向应用这一方式,生成类似抽象画的图像。
另一种是“强化学习(reinforcement learning)”。这是一种基于AI自身判断、在体验任务成功与失败的过程中逐步提高成功概率的机器学习法;给出特定信息后,AI在“是”或“不是”中选择其一,分析结果并修正失误。
这种强化学习耗时较多,但与监督学习并行可以取得卓越成果。在与李世石九段对局之前,通过职业棋手的监督学习和每天3万次以上的虚拟对局(强化学习)在短时间内实现实力显著提升的AlphaGo就是实例。
与此不同,无监督学习指的是人类完全不介入的机器学习。
“人类自己观察外部并进行推理,把结果存放在知识这个仓库里。也就是说,无监督学习意味着人类学习的方式。不需要单独的数据输入,也不需要反馈。”
问题是实现它并不像说起来那么容易。因为我们至今连人类学习的基本原理都还不能准确了解。
“目前有很多研究正在推进以查明这一点。在此过程中也得出了多种面向AI的无监督学习思路。但没有任何一种表现出有意义的效果。”
<br>
<b>迈向AGI的第一步</b><bR>但这并不意味着通往AGI的研究一直停滞不前。勒昆教授就沉浸在与CNN融合、可赋予AI信息保持能力的所谓“记忆网络”研究之中。他把这种新的记忆保存模式比作人脑海马体与大脑皮质分别负责的长期与短期记忆。
“可以联想一个有5亿个旋钮(knob)的黑箱。研究者利用这个记忆模块向网络提供特定信息。那么网络之后也能回答关于该信息的提问。就像人一样记住信息。”
具体而言,勒昆教授团队把J.R.R.托尔金的小说《指环王》作为前述的特定信息使用。而且提供的并非全书,只是核心情节的概要;据说之后研究团队指定小说的某个时点,问戒指现在在哪里,AI简短而确切地给出了正确答案。
Facebook的施罗弗CTO就此解释说,这意味着AI理解了物体与时间之间的相关关系。他还判断,将这一技术嫁接到Facebook上,就能准确找到并展示用户想要的信息。他在去年3月举行的一次开发者大会上也曾这样提到。
“如果能完成理解世界脉络的系统,Facebook就能理解用户的需求(needs)和欲求(wants),提供实际帮助。我们追求的是让所有用户在Facebook上活动的全部时间,都能精准投入到自己想要的信息上的系统。”
FAIR团队正通过名为“Embed the World”的项目发展这一概念。例如,为帮助机器更好地理解现实,正在教它把图像、帖子、评论、照片、视频等的所有相关关系识别为向量。
勒昆教授说,应用这一系统就可以着手把推理转换为代数即符号,而其结果非常强大。实际上,通过Embed the World项目开发的人工神经网络,能够依据照片中风景的视觉相似性,把在同一地点拍摄的两张不同照片归入同一类别。此外还能判断该照片的说明是否正确描述了照片中的风景。
“唤起关于现实的虚拟记忆,把它与其他地点或事件的脉络归为一个类别。甚至还能基于用户的偏好、关注和数字体验来记住某个个人。”
目前这项技术被有限地用于话题标签的追踪,显然还处于实验水平。但将来它在Facebook新闻推送中发挥的影响力将十分巨大。
<br>
关于FAIR团队的长期目标,评价众说纷纭。但仅凭研究过程中取得的小小成功,Facebook就已变得更加聪明。顺便一提,2014年6月研究团队曾向国际电气电子工程师协会(IEEE)发表题为《DeepFace:面部识别性能向人类水平的改进》的论文。根据这篇论文,研究团队把面部识别技术“DeepFace”的准确率提高到世界最高水平的97%。DeepFace是实现Facebook现正提供的照片自动标记功能的源头技术之一。
“如果有有用的想法,一个月内就可以呈现给15亿名其他用户。我们现在也在望向远方地平线之外的终极目标,但通往那里的路上摆满了需要开发和完成的短期目标。一个个攻克下来,真正的AI就会来到眼前。”
在照片自动标记技术的开发中,由在纽约大学和MIT人工智能实验室持续从事AI研究的资深研究者弗格斯教授领导的AI视觉研究组发挥了很大作用。继照片之后,他的下一个目标正是视频。
“视频往往没有单独的说明,或者元数据不足。因此相当多的视频在没能被正常曝光、被人看到之前就消失了。我们研究组的目标是让AI观看每段视频,把相似的视频自动归入一个类别。”
这项技术在能够从源头拦截Facebook希望从自家服务器上过滤掉的色情与侵犯著作权内容,以及其他违反使用条款的视频这一点上也意义重大。特别是若今后实现实用化,用户不仅能筛选主要视频,还能把处于其他类别的视频按一个主题提取出来。至今Facebook通过外包处理这项工作,但若由AI代替,预计可大幅节省成本。
最近的测试结果足以令人期待。AI准确区分出了篮球、冰球、乒乓球等各种项目的体育视频。
“连棒球与垒球、皮划艇与漂流、职业篮球与街头篮球这样风格极为相似的项目也准确区分开了。”
<br><b>打破语言的壁垒</b><bR>如前所述,Facebook的AI研究组织并非只有FAIR团队。语言技术团队把研究焦点放在语音识别、翻译、自然语言识别等马上就能提供服务的实用功能上。如果说FAIR团队是Facebook的纯AI研究组,那么语言技术团队可以说是应用研究组。
他们虽也与FAIR团队合作,但开发与实用化工作独立进行。语言技术团队最近的研究成果之一是应用机器学习的“多语言编排器(multilingual composer)”。利用这一功能,用户可以用自己的母语撰写文章,然后自动翻译成英语、德语、法语等45种语言并发布到新闻推送上。阅读者同样可以看到被翻译成自己所选语言的文章。
语言技术团队负责人艾伦·帕克指出,Facebook的用户中一半以上属于非英语圈,但内容大多是英语。
“多语言编排器是打破此前存在的语言壁垒的划时代技术。考虑到提升世界的开放性与连接性是Facebook的信条,提供AI翻译服务可以说是自然的步骤。”
这一翻译服务的使用者已达3.3亿人。第一次按下“查看翻译”按钮了?恭喜你。你刚刚启动了AI。
帕克表示,Facebook要把AI应用于翻译的理由很明确。因为语法不通的低级翻译,或不理解比喻、习语、俚语而造成的误译,对人与人的互动毫无帮助。这也是像过去的谷歌翻译那样逐词直译的翻译器所具有的问题。也就是说,无法实现沟通的翻译不能称为翻译。
“英语‘hot dog’逐词直译成法语就成了‘chaud chien’。这是意为‘热的狗’的荒唐翻译。另外英语‘hot dog’还有在滑雪或冲浪中做花式动作的人之意。不看前后文,必然出现胡乱的翻译。”
当然,目前AI也尚未达到这种程度的理解力。不过看初期阶段的AI,就能知道这绝不是不可能的目标。帕克解释说,其秘诀不仅在于理解比喻或习语。由于语言不断发展,新的含义被追加,新词不断诞生,因此接受AI可能无法准确理解含义这一点也很重要。
“也就是说必须不断地学习人类的语言。正是在这一点上,天生适应力出色、能迅速学会新说法的AI的优势得以闪光。”
与此相关,最近语言技术团队发现法国足球迷正在使用一种相当于感叹词“wow”的新俚语。于是他们利用发布在Facebook上的文章进行神经网络训练。多亏如此,现在这个俚语也能按照上下文准确翻译出来。
“可以认为如今所有语言都在按月更新。因此我们每天用新数据训练AI,扩充Facebook的词汇量。”
<br><b>下一代AI个人助理</b><br>苹果的“Siri”、微软的“Cortana”、谷歌的“Now”等,我们已经在使用应用了AI技术的语音识别虚拟助理服务。Facebook也宣布加入其中。被命名为“M”的这一服务,在能够执行手机此前无法完成的复杂任务这一点上,区别于既有的个人虚拟助理。
举例来说,利用Siri可以用语音发送短信,而M还能预订航班、制定旅行计划。一位即将搬家的Facebook员工还利用M对搬家运输公司的价格与服务进行了比较评估。
在Facebook M的推出中,去年初被Facebook收购的语音识别技术初创企业wit.ai发挥了很大作用。他们在戴维·马库斯副总裁的指挥下加入Facebook Messenger团队,同年8月M问世。
wit.ai团队负责人亚历克斯·勒布伦强调,借助Facebook的AI技术,M不仅能完成一般的虚拟助理业务,还能成功执行带幼儿出行等特殊任务。
“意思是AI的发展与M能力的提升直接相关。按现在的趋势,未来3年内或许可以利用M给电信公司或信用卡公司打电话,让它代为处理业务。M这类服务真正的附加价值,在于即便面对不寻常、奇怪而复杂的事情,也能满足用户需求的能力。”
就在此刻,M的学习仍在继续。通过Facebook的AI教育团队开发的程序,不断进行自我学习。偶尔用户提出M自身无法理解的请求时,AI教育团队会处理该请求。此时M会观察并学习教育团队的处理方式,下次收到类似请求时便能在没有教育团队帮助的情况下自行解决。
“自我学习程序中也包含随机要素。这是为了让学习尽可能接近人类的学习方法。所以M常常即便在处理日常请求时,也会试图寻找更新颖、更高效的方法。今后我们将掌握并评估需要人类介入的请求件数,朝着完全不需要人类介入的未来前进。”
尽管如此,勒布伦表示在开发过程中人类的介入在一定部分上是必需的。理由是人类既是教育AI的主体,也是质量管理的最后防线。因此M也承担着FAIR团队试验平台的角色。
“FAIR团队每当有东西要测试时就会利用M。因为它接受人类的教育与监督,可以预防意料之外的风险。”
M的平台建立在wit.ai平台之上。大部分是在被Facebook收购之前开发的,但FAIR团队计划追加从用户与M的互动中获得的深度学习数据。
勒昆教授表明,FAIR团队的所有研究都以开放性为导向。实际上FAIR团队几乎所有活动都通过论文等公开。编码方面也在很多部分利用开源代码。特别是这些资料任何人都可以在Facebook的研究网站(research.facebook.com)和科学论文网站“arXiv.org”上查阅,其中还包含许多可应用于医疗影像设备或自动驾驶汽车的研究论文。
此外,勒昆教授还主导构建了面向AI开发的编程语言C++的在线资料库“Torch”,并与推特和谷歌DeepMind的研究者一起不惜努力,将其运营为对所有AI研究者都有帮助的资料库。可以说Facebook在提升自身竞争力之外,也为整个AI业界的发展作出了巨大贡献。这正是Facebook在AI研究界占据重要位置的核心原因之一。
“看好莱坞电影,常有在阿拉斯加之类的地方独自研究的天才科学家造出性能惊人、完美无缺的AI。但在现实中这样的概率完全为零。AI研究是我们时代最庞大、最复杂的科学课题之一。不是一个人或一家企业能解开的。再大的企业单靠一己之力也不可能。这是只有相关科技界全体合力才能达到的价值。”
<br>============================<br><b>|注释|</b><br><b><font color=CD853F>AGI</b></font> Artificial General Intelligence.<br><b><font color=CD853F>FAIR </b></font> Facebook AIResearch<br><b><font color=CD853F>CNN </b></font> Convolutional Neural Networks.<br><b><font color=CD853F>SVM </b></font> Support Vector Machine.
<br><b><font color=CD853F>DeepFace:面部识别性能向人类水平的改进 </b></font> DDeepFace: Closing the Gap to Human-Level Performance in Face Verification.
Seoul Economic Daily Popular Science编辑部/BY DAVE GERSHGORN






