在加拿大蒙特利尔的WeWork大楼里，满是代码的黑色大屏幕散落在一间办公室的角落里。显示器并排堆放着，一个挨着一个，几乎没有足够的空间容纳20名左右的研究科学家和工程师，他们为Facebook人工智能研究(FAIR)小组工作。“我们很快就要搬到一个新办公室了，”费尔蒙特利尔实验室的负责人，麦吉尔大学副教授Joelle Pineau说。自从一年前成立以来，Pineau的实验室已经从4人增长到20人，而且它并不是唯一一个快速发展的FAIR 实验室。
自2013年由Facebook首席人工智能科学家Yann LeCun创立以来，该组织在全球范围内已发展到近200名研究人员，并计划到2020年增加一倍。它的使命是：开发最聪明的机器。这个研究小组几乎公开发表了他们所有的研究成果，他们想要建立一种能与人类无缝地看到、听到和交流的人工智能。如果你想要和Siri、Alexa、谷歌或Cortana流畅的聊天，你很快就会意识到还有很长的路要走。今年1月，Facebook自己的虚拟人工智能助手“M”被关闭。2015年8月，Facebook正式推出M个人助手服务。虽然Facebook计划分步将M推向所有用户，但是自推出以来服务一直处在私人测试版状态。Facebook在个人助手中提供Messenger和基于文本的交互服务。不过M的底层技术并不是人工智能，它还是依赖人力。Facebook M让员工回答复杂问题。例如，你可以用M向餐馆订位、预订鲜花、安排度假。
FAIR的研究人员目前分布在门洛帕克、纽约、西雅图、匹兹堡、蒙特利尔、巴黎、伦敦和特拉维夫，他们的研究重点是机器人技术、计算机视觉、自然语言处理、语言翻译和游戏等领域。他们的观点是，每一个领域的每一次进步都有助于人工智能的发展。最近，FAIR团队的研究人员教人工智能创建一个食谱，通过简单地看一餐饭的照片就能列出一套配料。FAIR的研究人员还在探索如何利用人工智能将MRI扫描速度提高10倍。
一切从一顿晚餐开始。2013年，Facebook首席执行官马克•扎克伯格意识到，他需要开发更好的人工智能系统，以便在其社交网络上实现更复杂的产品功能。最初，他考虑收购一家名为DeepMind的独立伦敦人工智能实验室，该实验室得到了科技亿万富翁、Facebook董事会成员Peter Thiel、埃隆•马斯克和Skype联合创始人Jaan Tallinn的支持。但还有另一个对DeepMind感兴趣的重量级科技公司:谷歌。
Facebook和谷歌都希望DeepMind迁往硅谷，但DeepMind拒绝了，理由是欧洲还有更多尚未开发的人才。最后，谷歌在2014年斥资约4亿英镑收购DeepMind。DeepMind带来的最直接利益是，让谷歌和Alphabet在全球科技公司的AI争夺战中拥有了战略优势，这有助于吸纳AI人才，让Facebook、微软和亚马逊等竞争对手在研究人力上失去一定优势。DeepMind已招揽大约400名电脑科学家和神经系统科学家，据称团队规模还将扩大到1000人。此外，Alphabet也因DeepMind而赢得更大声望。被收购后，DeepMind两次登上《自然》的封面，一次是由于一个视频游戏AI程序，另一次则是由于AI软件“阿法尔狗(AlphaGo)”
Facebook选择从头开始建立一个人工智能研究组织，并邀请LeCun共进晚餐。这位科学家对此很感兴趣。“第二天，我访问了Facebook，当天结束时，(扎克伯格)说：‘好吧，现在你能帮我们吗?’”
LeCun，被称为人工智能的教父之一(以及谷歌的Geoff Hinton和Element AI的Yoshua Benjio)，他不想离开这个他敬仰的城市“纽约”，也不想离开他在纽约大学的工作，自2003年以来他一直在纽约大学担任教授。这位58岁的法国人向扎克伯格提出了他的条件。“扎克伯格说‘好’，我说'好的。 我要在哪里签字？'”
如今，DeepMind是FAIR最大的竞争对手，两家公司一直在争夺行业内最具天赋的人才，并提供高额薪酬。LeCun说，一些高级人工智能研究人员的薪水是7位数。柏林的人工智能研究员Samim Winiger决定加入谷歌。他表示：“尽管Facebook拥有世界级的人工智能研究人员和基础设施，但实际产出(研究论文和已部署项目)却遍布全球。”他的意思是，“FAIR”实际上活跃于人工智能的每一个领域，但并不真正在任何领域领先——这让人感觉它与外界脱节，没有重点。
FAIR纽约实验室主管Rob Fergus表示：“当然，我们确实进行了很多争斗。我们与(谷歌)在争斗最优秀的人才方面展开了激烈的竞争。有时我们赢，有时我们输。”
这两组都被认为是世界上最好的人工智能研究团队。当FAIR取得突破时，Facebook的应用机器学习小组( AML)将研究如何利用该技术为Facebook和Facebook的其他平台:Messenger、Instagram、Oculus和WhatsApp开发新产品或新功能。
扎克伯格认为人工智能是一项至关重要的技术，Facebook已经使用人工智能为Facebook主要平台的许多核心功能提供动力。例如，Facebook的新闻Feed是由人工智能支持的，人工智能可以预测每个人想看的内容。“基本上每个人都有一个经过训练的系统，它已经了解了他们的喜好，它使用各种各样的信号来处理他们喜欢与之互动的内容和他们喜欢与之互动的人，”LeCun说。
拥有700多名员工的谷歌DeepMind因其AlphaGo人工智能系统在2016年成功击败世界顶级围棋选手李世石(Lee Sedol)而引爆头条新闻。但是DeepMind将新技术推向谷歌产品可以说是相当困难的，因为它们与Google Brain的竞争，以及研究和代码的分离，LeCun说。因此，几年后，会有人问谷歌这样一个问题：我们为什么要花这么多钱？这不是我想要的情况。(谷歌在其数据中心和Android操作系统中使用了DeepMind的人工智能)。
对于Facebook来说，人工智能的应用程序可能更为明显。人工智能是Facebook非常精确的广告定位软件的基础，它每年为Facebook带来数十亿美元的收入，此外还有其他用户特性，比如自动照片标签和自动翻译服务。在其他方面，Facebook正试图使用人工智能软件来识别正在传播的虚假新闻和有害内容(比如恐怖组织发布的仇恨言论视频)。它还训练了一个人工智能系统，可以识别那些可能有自杀倾向人的帖子，这样它就可以联系他们并提供帮助。
Facebook现有的大部分人工智能功能都是通过一种名为监督学习的机器学习来构建的。“在过去五年里，只关注监督学习是完全合理的，因为有很多应用程序在经济上是可行的，可以收集数据，贴上标签，并训练一个控制网络来解决任何问题……”LeCun说。
但现在Facebook想要开发的应用程序中，并不总是存在这样的数据。例如，如果Facebook想要将普什图语翻译成斯瓦希里语，那么机器就没有可以学习的并行文本，因此Facebook需要使用其他方法。人工智能研究人员最近一直在试图解决一些监督学习无法解决的问题，这是一种被称为强化学习的技术。强化学习是人工智能的一个很流行的分支，它会对行为人的行为给予积极和消极的奖励，从而训练它们。
事实证明，这有助于机器熟练掌握Atari游戏(如《太空入侵者》)和复杂的棋盘游戏(如《Go》)，但这种“试错法”也有其局限性。“要让强化学习系统学会玩Atari 游戏，它需要借助最好的算法训练大约100个小时，才能达到人类几分钟就能达到的水平，” LeCun说。“所以它告诉你，我们遗漏了一些东西。”
其中一个因素是，人类能够快速安全地学习某些任务，因为他们有一定程度的背景知识。“我感兴趣的问题是，他们是怎么学会的?”LeCun补充道。“如果你想通过强化学习让一辆自动驾驶汽车行驶，它必须杀死1万名行人，并坠崖几千次，然后才会明白为什么不能这么做?”然而，我们人类似乎能够在30个小时的训练中毫无意外地学会开车。有什么区别吗?这是一个大问题。
他的假设是，人们拥有对世界的预测模型，他们已经掌握了很多关于世界如何运转的背景知识——换句话说，就是常识。“这让我们可以提前预测，如果我们把方向盘转向左边，车就会从悬崖上掉下来，这不会有什么好结果。所以我们可以提前规划，但不必要真正去施行。然而经典的强化学习系统必须真正去尝试才能明白会产生的后果。”
这就是Facebook下一步要做的——制造全世界能够运行的机器模型。然而，LeCun说，还有一个复杂的问题：世界并不是完全可以预测的。
