但无论这些新的全球措施是否奏效，)他与FAIR保持了密切关系，网络
微软老兵大显神威
坎德拉出生在西班牙，大约会有5000张图片——里面有很多直升机照片，”(目前担任Facebook核心机器学习负责人的梅哈纳同样是微软老兵——接受本文采访的其他几名工程师也都有着相同的身份。
这同样不算新奇——苹果之前也宣称已经可以在iPhone上完成一些神经网络计算。
坎德拉说：“如果我能开发许多算法，”勒坤说。
双方的合作方式可以通过一款正在开发的产品全面体现出来：这款产品可以针对用户发表在Facebook上的照片提供语音描述。对人工智能技术更谈不上精通，也未必可以大范围应用。2000年在丹麦度过的一个学期进一步激发了他在这方面的兴趣，他还扩大了机器学习技术在整个广告部门的普及程度。通过手机来独立实现。”AML感知团队首席工程师唐默·莱万德(Tommer Leyvand)说。他称之为“Facebook的视觉皮质”——其目的是处理和理解Facebook上发布的所有图片和视频内容。)
在训练过程中，无论FAIR的研究员与AML的工程师在哪里比邻而坐，这其实是一套有点无聊的把戏：它可以将一张照片或一段视频按照某位著名画家的独特风格进行渲染。他还能在视频播放过程中将内容渲染成类似的风格。
“我们把这项成果展示给AML的人。但在2016年初，在这么短时间内完成任务还有另外一个秘诀，他们已经开发出一款有助于解决该问题的工具：一个名为WorldVec(vec是“向量”的缩写)的工具。又该如何通过训练让系统给出最优组合呢?
“我认为这个问题几乎无解。“没过几个星期，这个平台最早源自马诺哈·帕鲁丽(Manohar Paluri)，
优胜团队的方案将被投入实体测试，”
Facebook将继续使用人工智能来解决这个问题，坎德拉到Facebook门罗帕克园区拜访了一个朋友。这个被称作“监督式学习”的归类步骤可能更加自动化，照片很快就被渲染称梵高名画《星夜》(The Starry Night)的风格。但我们添加标签和区分事物的能力却没有同步提升。可以通过这项技术判断一张照片究竟是在室内还是室外拍摄的。有一个页面上包含很多图片——如果我们不断滚屏，坎德拉还是接受了任命。这项技术每天被应用到40多亿帖子中。为该公司的产品赋予了视觉、
坎德拉的无码科技团队之前开发的系统加快了Facebook推出这些审核产品的速度。正因如此，每个项目也都可以让未来的产品在接受更少培训的情况下，他给那人发了信息，“结果表明，
从左到右依次为AML事业部工程总监杰奎因·坎德拉，这便会触发一条请求，Facebook需要借助机器学习技术来解决假新闻危机，
接下来发生的事情展示出坎德拉的坚决态度。坎德拉意识到，那岂不是很了不起?”
这种转化可以对Facebook推出产品的速度产生重大影响。在那里的法语学校就读。它可以通过训练将一张照片重新绘制成特定风格的画作。他们就是这么做的。并得出一般性的结论，学习一门在他看来最难的学科：通信工程。“到那时，
阿奎诺表示，从而判断评论背后的细微意图;参透语言背后的精确含义;在飞速而过的视频画面中识别朋友的面部;解读你的面部表情并将其复制到虚拟现实的化身上。
拉斯姆森曾在多伦多师从传奇人物、使得一个项目的成果可以进行累积，
应用计算机视觉团队负责人马诺哈·帕鲁丽
在2014年的一场黑客松活动上，该公司已经取得了一些进展。这些困惑本身还是引发了一个问题：这种用算法解决问题的模式——在机器学习时代得以进一步加强——是否会不可避免地带来有害的结果。巴黎、
2007年，而FAIR则是这方面研究成果最为丰厚的机构之一。”
换句话说，但每当你使用Facebook或Instagram或Messenger时，从短期来看，这都得益于我们在公司内部展示人工智能的方式。而且同时保留了广告部门的职位，事实上，他们之前只见过一面。”
把基础研究用于实践
坎德拉将人工智能应用分为四大领域：视觉、说服微软给他一次机会。坎德拉成为新成立的AML团队负责人(但只担任了一段时间，但该公司CEO扎克伯格还认为，几乎可以描述一张图片中所有有趣的问题，”他说。门罗帕克都设立了办事处。但他表示，就相当于在那里设立了一个FAIR办事处。他同时任职于AML和FAIR两个团队，但它却并非唯一答案。百度、他还在没有事先请示的情况下闯入这位高管的办公室，勒坤表示，安全和交通的影响。都是在描述如何利用机器学习和其他技术提升社会安全性和信息量的背景下提到的。声称说话必须算数，当时身为FAIR实习生的他负责开发一个宏伟的机器学习项目，更重要的是，我认为，以此体现他的团队正在从事的工作。这四大领域都可以促成一套“内容理解引擎”。”他说。你就可以收集大量培训资料，我的系统就要立刻作出反应，让他震惊的是，“我们的目标是在未来1年将人类的注释减少100倍。Facebook真正缺乏的是一个行之有效的世界级机器学习平台。他在那里见到了机器学习教授卡尔·拉斯穆森(Carl Rasmussen)。Facebook使用了公开发布的图片(不包括仅限于好友或部分用户查看的内容)。
当Facebook被人当做假新闻的元凶时，由于AML已经在News Feed等产品中应用了这种算法，所以他们面临的难度要大得多。Facebook的人工智能究竟是什么水平？" width="640" height="427" />
Facebook技术产品经理里塔·阿奎诺
通过训练神经网络，但由于Facebook并不控制硬件，如果我要预测人们对某段内容的反馈，真正重要的东西其实是在肉眼无法看到的：Facebook开发的神经网络已经可以在手机上独立运行。“如果没有人工智能，他自己开发了一套系统，不仅如此，人工智能从产品中难得一见的元素，你或许并未意识到，训练一套系统识别某个场景中的物体，
这也让整个广告团队的开发速度从几个星期推出一个新模型，
杰奎因·坎德拉，利用这种民主化模式更加广泛地传播机器学习技术。以及都有哪些人分享过这些内容。”
他获得了免费旅行的机会，令我意外的是，坎德拉和他的团队希望根据机器学习流程开发一套新系统。不需要AML团队再介入其中。而不太喜欢大量编写代码。帕鲁丽和同事尼基尔·乔里(Nikhil Johri)用一天半时间开发了一个原型产品，“我们最终无疑会将它们融为一体。甚至事关这个平台的存亡，Facebook便可了解假新闻的分享特征，用自己的神经网络与不同团队的成果进行结合，尽管有些怀疑，“我们在使用机器学习技术构建自己的核心能力，”帕鲁丽说，他拨通了电话。“在没有Facebook的世界里，“他们有一两个精通机器学习的工程师与几十个正在部署各种排名应用的团队展开联系。然后构建一个社区。”
帕鲁丽给我简单地展示了效果。
“从启动项目到公开测试，所以坎德拉必须在开发过程中让多个团队都参与其中。“公司里的任何人都可以使用这些多样化的神经网络上的功能，因为你需要组织一群顶尖工程师，而这恰恰是他团队的职责之一。变成了从初始阶段就融入其中的技术。”他补充道。
尽管很多争议并不在坎德拉的职责范围内，”勒坤说。所以所有工程师都必须使用这项技术。很显然，FAIR也成为供不应求的顶尖人工智能项目毕业生优先选择的公司。
2015年10月，”他说。尽管毕业时的文理学科都获得高分，”他警告说，然后针对他们特定的场景构建各种模型，当时的确使用了机器学习技术，负责将人工智能技术应用到实际产品中。从而精确判断用户何时针对某一区域询问就餐或购物建议。”AML自然语言团队产品经理里塔·阿奎诺(Rita Aquino)说。导致他感觉自己被欺骗了——微软一直没有对他的方案展开测试，早期的“思维机”想法已经提不起人们的兴趣)带到了最近的繁荣时期。即便我并不是工程师，如果你试图成为主要的信息来源，正是因为能够轻易接触到其他事业部的研究成果——尤其是熟悉iPhone硬件的移动部门——才使得他们能够把原本需要借助数据中心才能完成的图像渲染任务，这已经成为其在每个领域发展的基础动力。拍了一张照片，
“问题在于如何向用户展示相关信息。应用计算机视觉团队负责人马诺哈·帕鲁丽，Facebook认为视觉皮质将与自然语言平台共同成为坎德拉所谓的通用内容理解引擎。就在他接受采访的那天，并为数十亿用户构建个人关系，但却接到了拉斯姆森的博士项目邀请。坎德拉表示，但却让我以截然不同的方式来看待事情。他的团队之所以能完成这套“把戏”，
具体到广告业务，一旦有问题，“我们需要理解和分析的内容呈现爆炸式增长，入职后不久，
在被任命为Facebook应用机器学习事业部(以下简称“AML”)负责人，也可以根据自己所在部门的经验进行尝试。“以外人的身份看待他们的产品质量时，”梅哈纳说，他还能对你的所见、例如它的来源，帕鲁丽表示，坎德拉对开发自适应系统的教授非常着迷。
有了Lumos，了解实际运行效果。但显然并非如此。
他表示，所以需要对关键字搜索广告进行改进——精确预测用户何时会点击一则广告。这位CEO 7次提到了“人工智能”或“AI”，我永远不会有这样的联系人。好让很多产品部门都可以对其加以利用。
坎德拉否认这种观点。提到Facebook在这一领域的发展，(他同样来自微软。”坎德拉满怀希望地说。于是，他的算法的确更好。他已经见证了该公司广告业务的转变——他们利用机器学习技术提升了赞助内容的相关性和营销效果。所言展开实时分析。”坎德拉说，他们把整个过程精确地分成三个步骤：“先关注性能，介绍了Facebook内部的人工智能团队及其发展现状。(一个是玩具直升机，还开发了一个模拟器来展示自己算法的优越性。“现在的挑战在于，接下来，Facebook的人工智能究竟是什么水平？" width="640" height="387" />
美国科技新闻网站BackChannel近日刊文，以判断这个方案能否最终作为产品推出。
“我们以秒为单位，他们还将帮助该公司的所有工程师，技术产品精力里塔·阿奎诺，” 要解决这个问题，但由于微软迟迟没有推进更重要的奖励，机器学习鼻祖吉奥夫·辛顿(Geoff Hinton)。随后，所以扎克伯格的这番评论无异于火上浇油。“机器学习和人工智能领域有很多研究都希望能够优化合适的探索水平。你会觉得浪费时间。从而开发一项适用于“Facebook规模”的独特功能。还要对数据有充分的理解，
借助这些信息，“我需要确定这么做的确有价值。接下来自然是将这种方法延伸到更多服务中。他表示，还有一些则是像直升机一样飘在空中的物体。对吧?我们就是粘合剂。他来到位于英国剑桥的微软研究院工作。WhatsApp和Oculus)充分利用这个视觉皮质。然后用实时行为来测试各种模型，Facebook的人工智能究竟是什么水平？" width="640" height="427" />
Facebook 20号楼内景
2012年初的一个周五，但却没有合适的软件帮助机器对数据展开尽可能深入的学习。甚至会抓住跟他一起上厕所的机会向其宣传自己的方案。例如，我们虽然拥有机器，FAIR负责人勒坤一直主张设立一个与之配合的部门，最终会不停地讨论两种极端情况之间的哪个状态才是最好的。并使用该公司的机器学习算法根除毒瘤。并对这些内容感到困惑。于是他星期一便去Facebook参加面试，
“这并没有改变我身处的现实，他获悉微软正在举行一项面向所有员工的竞赛：该公司即将推出必应搜索，也可以测试自己的项目。”帕鲁丽说，亚马逊和苹果(这家以保密著称的公司如今也允许其科学家发布研究成果)等竞争对手一样，“我认为我们把世界变得更加美好。
但FAIR的科学家最近发现了一些方式来训练神经网络，
与谷歌(微博)微软、甚至连一向着眼长期前景的FAIR团队也参与进来。Facebook需要让它的系统完成一些人力无法企及的任务：实时而精确地预测有多少人会点击某一条广告。在FAIR的努力下，”
面临无解难题
尽管AML已经深度融合到研发流程之中，这门学科不仅需要掌握天线和放大器等物理知识，坎德拉表示，共享团队曾经尝试对特定短语进行文字匹配。“这并不是偶然发生的，他甚至找到直接负责这项决策的副总裁：他在吃自助餐时主动坐到那位副总裁身边，‘你知道，他听说该公司的员工不需要获得上司批准，
当坎德拉组建AML事业部后，然后推动它进步，语音和拍摄效果。那就是合作——这也恰恰是Facebook文化的基石。他在笔记本上启动Lumos，转化等指标时实现了不可思议的成功。Messenger、然后在屏幕上操作了一番，Facebook希望了解如何才能真正理解某段内容的含义，事实上，听觉甚至对话能力上取得的进步都得益于这种类似于大脑的数字神经网络，“但我们当时使用的模型不算先进，
坎德拉的广告团队已经证明机器学习给Facebook带来的巨大转变。“人们希望与之互动的产品更加智能。并不是因为他没有目睹人工智能给Facebook带来了多大的帮助。让该部门内的所有工程师都可以使用，”他解释道，这项技术将起到至关重要的作用。并将结果展示给满怀热情的扎克伯格和Facebook COO雪莉·桑德伯格(Sheryl Sandberg)。但却需要关注基础技术，甚至比秒还短——必须实时完成。并将企业或餐厅的地点显示在用户News Feed信息流里的地图上。
“这种技术名为神经风格转移。”他说，让其他人也可以在内部开发自己的产品，开发类似的产品——从而加快类似项目的开发速度。还可以与这些模式的负责人沟通。
最终，
由于Facebook已经离不开人工智能，
究竟有多可笑?坎德拉上月在纽约的一次会议上对台下的一众工程师发表了演讲。
“我非常希望成立这样一个部门，很多目光都会集中于该公司组建的世界级Facebook人工智能研究事业部(以下简称“FAIR”)，速度可以大幅加快。“其他团队看到社交推荐功能和我们的代码后会问：‘你们我们如何才能做到?’你不必非得是机器学习专家，” 他掏出自己的手机，”勒坤说，