Facebook 的新机器大脑将如何通过你的照片了解你

Facebook 用户每天在社交网络上上传 3.5 亿张照片，远远超出了人类全面查看的能力，更不用说分析了。这也是该公司刚刚聘请纽约大学 (NYU) 机器学习专家 Yann LeCun 的一个重要原因，Yann LeCun 是人工智能 (AI) 技术“深度学习”的杰出实践者。作为 Facebook 新 AI 实验室的主任，LeCun 将兼职留在纽约大学，同时在纽约市阿斯特广场的新 Facebook 设施工作。

“Yann LeCun 的举动对于机器学习和拥有大量独特社交数据的 Facebook 来说都是激动人心的一步，”斯坦福人工智能实验室主任 Andrew Ng 说道，他曾领导一个深度学习项目，为谷歌分析 YouTube 视频。“机器学习已经在 Facebook 的数百个地方得到应用，从照片标记到文章排名再到新闻推送。更好的机器学习将能够帮助改进所有这些功能，并帮助 Facebook 创建我们从未梦想过的新应用程序。”这些未来进步可能是什么？Facebook 没有回复多次置评请求。

“人工智能的梦想是建立对世界的全面认识，了解正在发生的一切。”

Adobe 的研究科学家 Aaron Hertzmann 的专长包括计算机视觉和机器学习，他表示 Facebook 可能希望使用机器学习来了解哪些内容能让用户停留时间最长。他还认为，尖端的深度学习算法也可用于从 Facebook 的海量照片库（约 2500 亿张）中收集数据。

“如果你上传了一张自己滑雪的照片，除非你给它贴上标签，否则 Facebook 不会知道发生了什么，”赫兹曼说。“人工智能的梦想是建立对世界的全面了解，了解正在发生的一切。”

为了从用户每天免费提供给 Facebook 的数 TB 数据中得出明智的结论，LeCun 将运用他 25 年的经验来完善被称为“深度学习”的人工智能技术，该技术大致模拟了大脑的逐步、分层学习过程。应用于识别照片中的物体问题时，LeCun 的深度学习方法模拟了视觉皮层，即我们的视网膜向其发送视觉数据进行分析的大脑部分。

LeCun 的第一层软件处理层通过在照片上应用几个像素的过滤器，寻找简单的视觉元素，例如垂直边缘。第二层处理层部署一个大几个像素的过滤器，试图将这些边缘组合成物体的各个部分。然后，第三层将这些部分构建成物体，并通过数百个过滤器对“人”和“卡车”等物体进行测试，直到最后一层创建出一个丰富的视觉场景，其中树木、天空和建筑物清晰可见。通过先进的训练技术，一些由人类“监督”，另一些则由“无人监督”，这些过滤器或“饼干切割器”随着时间的推移，能够动态地提高正确识别物体的能力。

快速执行这些多层重复过滤需要大量的计算。例如，LeCun 是海军研究办公室资助的一项正在进行的 750 万美元项目的视觉专家，该项目旨在制造一种能够以 35 英里/小时的速度穿越陌生森林的小型自动驾驶无人机。这款机器人的非正式名称是“Endor.tech”，2012 年在《大众科学》杂志上发表过介绍，它将在一台称为 FPGA 的定制计算机上运行，​​每秒可进行大约 1 万亿次操作。

LeCun 当时表示：“我会尽可能多地进行（每秒的运算量）。”

该机器人将以每秒 30 帧的速度分析视频图像，以便实时决定如何以 35 英里/小时的速度飞过森林。不难想象，类似的算法会用来“阅读”你上传到 Facebook 的视频，通过检查场景中的人和物。这些算法不会根据 Facebook 帖子中的关键词向用户投放广告，而是会分析你和朋友在海滩上的视频。然后，算法可能会了解你最近喝了什么啤酒、你用什么牌子的防晒霜、你和谁一起出去玩，并猜测你是否在度假。