FAIR 和 AML ,兩大實驗室的合作支撐起 Facebook 稱霸人工智慧的雄心

今年 55 歲的 LeCun 現今依然是紐約大學計算機科學的兼職教授。如果他站在人群裡,你絕對猜不到他是目前全世界最大的社群網絡公司 Facebook 的人工智慧雄心計劃的帶頭人。如果你曾在 ATM 機上取過錢的話,那麼你就已經感受到 LeCun 的研究成果在實際生活中的應用了。深度神經網絡目前依然應用在銀行和 ATM 機上,這完全得益於 LeCun 在上世紀 80年 代中後期和 90年 代初的研究成就。
評論
評論

本文來自 fastcompany.com《Facebook's Race To Dominate AI》,36 氪 翻譯

徹底開放的文化能否幫助 Facebook 在 AI 方面赶超 Google 和微軟等巨頭,從而打造全世界最強大的 AI 平台呢?

Facebook 公司內部有很多文化標語,它通常會將這些文化標語張貼在辦公室的各個地方,這些文化標語包括「Code wins arguments」(程式碼勝於雄辯)、「Move fast and break things」(快速行動、破除陳規)、「Stay focused and keep shipping」(保持專注,持續發布)和「Done is better than perfect」(比完美更重要的是完成)等等。

在 Facebook 位於紐約的辦公室的牆上還有這麼一個標語:「Always be Open」(一直保持開放),這個標語完美詮釋了 Yann LeCun 所領導的剛創辦不久的人工智慧和機器學習團隊的理念。要想實現進一步擴張,人工智慧是 Facebook 不可欠缺的重要組成部分。目前,人工智慧已經被 Facebook 用於識別照片裡好友的臉部和篩選 Facebook 裡的訊息流。就在上週,Facebook 剛剛發布了人工智慧引擎 Deep Text。 Deep Text 能夠以接近人類識別的精確度識別用戶在 Facebook 上發布的所有聊天訊息的意思,每秒能識別數千條訊息,能夠識別 20 多種語言, Deep Text 的目的就是為了從 Facebook 上的大量資訊裡找到人們感興趣的內容,同時過濾清除掉垃圾內容。很快, Facebook 就能將平台上的訊息自動翻譯成數十種不同的語言。此外,Facebook 還在研究如何辨別聲音以及識別影片裡的人物,從而能夠對海量影片中出現的人物進行識別和標註,方便用戶根據人物搜索影片。

 

人工智慧領域的後起之秀

Facebook 希望自己能夠在人工智慧和機器學習領域佔據主導地位,就像它在社群網絡和即時通訊領域佔據主導地位一樣。目前, Facebook 已經招聘了超過 150 個人專門致力於人工智慧和機器學習技術的研發。為了提升這方面的研發能力, Facebook 將自己在這方面的投入增加了三倍,不過它並未透露具體投入多少資金。

如果說上一個運算時代是移動雲的時代,那麼下一個運算時代將是人工智慧的時代。 Nvidia 是全球最大的圖形處理器生產商,同時也是 Facebook 在開源硬體設計領域的合作夥伴, Nvidia 的 CEO Jen-Hsun Huang 這樣說道:「人工智慧是過去 20 年裡在技術方面的最重要發展, Facebook 和其它很多科技巨頭將展開激烈角逐,確保讓人工智慧成為自己的一項核心競爭力。」

然而, Facebook 正式進入這個領域的時間還不到三年,所以要想和其它進入這個領域已經很久的巨頭公司競爭, Facebook 所需要的不僅僅是資金,畢竟人工智慧是目前最熱門的科技領域之一。 Pedro Domingos 是華盛頓大學的計算機科學教授,同時也是《The Master Algorithm》這本書的作者,他表示:「在人工智慧領域,Facebook 是絕對的後來者,像 Google 和微軟這樣的大公司已經在人工智慧領域耕耘很長時間了。」在 Mark Zuckerberg 今年 1 月份宣布將開發能控製家庭環境的人工智慧助手計劃前的很長時間,其它大公司就已經開發出了自己的人工智慧軟件。

微軟從 1991 年 就開始在機器學習方面進行研發投入了,公司目前有數百名科學家和工程師在數十個與機器學習相關的領域開展研發工作。 Google Assistant 是 Google 在深度學習領域的核心研發成果,它未來將成為 Google 大部分 App 和服務的前端大腦。非盈利性人工智慧公司 OpenAI 目前也已經從特斯拉創始人 Elon Musk 和其它一些科技巨頭那裡獲得了 10 億美元的研發資金。 Amazon 的 CEO Jeff Bezos 前不久在 Code 大會上透露,公司已經在幕後秘密研究人工智慧 4 年時間了,公司目前已經有 1000 人專門投入到語音識別生態系統的研發中。此外,包括蘋果和 Uber 在內的很多其它大公司也都在人工智慧領域進行了大量投入,而且都在競相挖這個領域里為數不多的技術人才。

兩大實驗室協同配合: FAIR 致力於基礎科學和長期項目的研究, AML 致力於將科研成果應用到產品裡

上面所有這些公司在人工智慧領域的大規模投入能很好地激發這個領域的創新浪潮, LeCun 也是其中的一員。在加入 Facebook 之前, LeCun 就被外界公認為是人工智慧領域成就最大的科學家之一。在 LeCun 加入 Facebook 後, Facebook 從一個正規的人工智慧研究實驗室也沒有到現在發展為擁有兩個正規的人工智慧實驗室,其中一個是由 LeCun 本人領導的 Facebook 人工智慧研究項目(Facebook' s Artificial Intelligence Research ,簡稱 FAIR),這個實驗室項目主要致力於基礎科學和長期項目的研究。另外一個是應用機器學習部門(Applied Machine Learning ,簡稱 AML),這個部門由 Joaquin Candela 領導, Candela 是一位經驗非常豐富的機器學習領域的專家,他還在劍橋大學創建了一門這方面的課程。他帶領的團隊的主要工作是找到將人工智慧和機器學習領域的研究成果應用到 Facebook 現有產品裡的方法。

FAIR 和 AML 是 Facebook 內兩個各自獨立的部門, LeCun 和 Candela 都直接向 Facebook 的 CTO Mike Schroepfer 匯報工作。這裡存在的一個挑戰是如何讓這兩個團隊很好地協同工作,將長期項目研究成果應用到短期的商業目標中去。 Facebook 採用的方法是:讓這兩個團隊的辦公場所緊靠著。 LeCun 表示:「這兩個團隊之間必須要建立起人際關係,而且必須要非常緊密地協作。」

在 Facebook,這兩個團隊不僅緊靠著辦公,而且他們的辦公場所就在 Zuckerberg 和 Schroepfer 的辦公室的旁邊,從這個細節可以看出 Facebook 對人工智慧和機器學習的重視。

然後不會因為你坐在誰誰誰的旁邊辦公就能讓有效利用深度科學這項任務變容易一點。要想知道 LeCun 和 Candela 打算如何系統發揮作用,你首先需要了解這兩個人的背景。

Facebook 人工智慧研究實驗室(FAIR)

Yann LeCun 是全世界最頂尖的深度學習專家之一。在他的位於紐約大學計算機科學學院辦公室的門上,貼有一個豎起大拇指的藍色大 logo ,不過這並非他自己貼上去的。近日,他穿著海軍藍 polo 衫,襯衫上印有愛因斯坦頭像,頭像上有「THINK」這個詞,他說當他兩年前宣布加入 Facebook 時,不知道誰就將這個 logo 貼在他辦公室的門上了,不過他自己一直沒有拿下來。

2016-06-11 18.38.20
(圖中人物為 Yann LeCun)

今年 55 歲的 LeCun 現今依然是紐約大學計算機科學的兼職教授。如果他站在人群裡,你絕對猜不到他是目前全世界最大的社群網絡公司 Facebook 的人工智慧雄心計劃的帶頭人。如果你曾在 ATM 機上取過錢的話,那麼你就已經感受到 LeCun 的研究成果在實際生活中的應用了。深度神經網絡目前依然應用在銀行和 ATM 機上,這完全得益於 LeCun 在上世紀 80 年 代中後期和 90 年 代初的研究成就。

作為深度學習的分支卷積神經網絡(convolutional neural nets)的奠基人之一,LeCun 是人工智慧行業的大明星。卷積神經網絡如今被認為是開發可拓展自動化自然語言處理、圖像識別、語音識別和視覺搜索系統工具的構建模塊,所有這些對於 Facebook、Google、百度和微軟等大公司都至關重要,例如,卷積神經網絡可以幫助 Google 在安卓手機上開發語音識別系統,而百度則可以利用它開發全新的視覺搜索引擎。 LeCun 在這個領域的工作重點是致力於復制生物視覺皮質工作原理的模型。

LeCun 在 Facebook 被賦予了很大的自由,不管是招人還是打造組織架構,他都可以按照自己認為合適的方式打造 FAIR。 Zuckerberg 和 Schroepfer 賦予 LeCun 這麼大的自由是有足夠的依據的: LeCun 曾在貝爾實驗室工作過 14 年,在多年的工作中已經培養出了一種直覺能力,知道什麼事可行,什麼行不通。而且他過去也一直在思考,如果有機會創建一個新的研究實驗室,他會怎麼做。

LeCun 堅信,成功的關鍵在於秉承開放的理念。 LuCun 的行業工作經驗和學術生涯都以這樣一個開放的理念為基礎:科研人員應該發布自己的科研成果、在學術會議上演講、與學術界的其他科研人員廣泛交流探討以及將代碼開源放在像 GitHub 這種開源社區裡。

「我身邊有很多朋友,他們從具有開放文化的科研實驗室跳槽到一些大科技公司後,便開始試圖改變新加入公司的文化,想讓公司文化變得更加開放,結果無一例外都以失敗告終。」LeCun 這樣說道。在決定是否加入 Facebook 之前,LeCun 問 Facebook 的一個最重要的問題就是 Facebook 是否致力於打造一個開源的世界和一種開放的文化。

此外, LeCun 還想在做科研與將研究成果應用到產品中這兩者間尋求一種平衡。他發現很多科技公司在這方面做得都很糟糕,要嘛是科研成果沒有得到實際應用,要嘛過於追求眼前效益而導致科研人員無法集中精力研發。其中的一個非常典型的例子就是施樂帕克研究中心研發的圖形用戶界面,施樂沒能有效運用這項偉大的技術,後來在賈柏斯 1979 年拜訪全錄 (Xerox) 後,將圖形用戶界面運用到了蘋果的 Lisa 和 Macintosh 裡。

LeCun 之前曾見過複合式研究模式(hybrid research)的失敗,在這種模式下,科學家被插入到工程團隊裡,這種模式只會阻礙科學家的創造力。除了這種模式外,有的公司採用的是另外一種模式,就是將科學家隱藏公司內部的空中樓閣裡,他們很少與公司的其他人員交流,這維護了科學家的「尊貴」身份,但對公司並無其他益處。

在 2002 年 至 2003 年 期間, LeCun 曾在 NEC(日本電氣股份有限公司)位於普林斯頓的實驗室工作過。這個實驗室是 NEC 創立的一個非常先進的研究實驗室,創立這個實驗室的目的並不是要急著研發能夠很快就應用到產品裡的技術。「NEC 一開始並沒有要求實驗室為自己的公司開發任何產品。然而突然之間 NEC 提了這種要求,他們告訴實驗室人員:他們最好能為公司開發可以使用的產品。就因為 NEC 提了這個要求,實驗室的幾乎所有成員都離開了,包括我自己。要想打破科研團隊和產品開發團隊之間存在的屏障是不可能的。」LeCuN 說道。

在 LeCun 的主導下,Facebook 於 2013 年 12 月 正式成立 FAIR 實驗室, FAIR 致力於解決人工智慧和機器學習領域的長遠問題。 LeCun 知道,要想同時實現 FAIR 團隊工作的長遠利益和短期目標,就必須要有一部分科學家和工程師研發能夠在未來多年以後影響這個領域的新技術,同時還要有一部分科學家和工程師專注於研發能應用到現有產品裡的技術。 LeCun 表示,FAIR 團隊 70% 的工作是長期的科學研究, 30% 的工作是短期的產品開發。

「FAIR 是非常開放的。我們公開發布了很多研究論文,同時開源了很多代碼。所以我們是整個科研社區裡的一個真正的組成部分,因為我們我們想通過自己的努力挑戰極限,推動科學技術向前發展,同時確保自己能夠掌控當今最先進的技術。」LeCun 這樣說道。

FAIR 團隊有一個野心勃勃的目標:教會機器常識——也就是讓機器能夠像嬰兒或動物那樣去學習。 LeCun 表示, FAIR 目前最大的項目是用於對話系統的自然語言理解,這也將成為 Facebook 智慧語音助手的基礎。

很顯然,現在很多科技巨頭都想成為語言助手領域的領導者,其中最著名的莫過於蘋果的 Siri。除 Siri 外,還有微軟的 Cortana、Amazon 的 Alexa 和 Siri 之父新推出的語音助手 Viv 等。

Facebook 在智慧語音助手方面也有自己的計劃。去年年底, Facebook 推出了自己的語音助手 M 。而人工智慧是 M 的核心,因為要想讓 M 能夠成功回答用戶提的各種問題,它就必須要具備常識。

目前還沒有出現能夠賦予機器常識的技術。 LeCun 相信,要想解決這個問題,不應該通過非常直接的方式解決。相反,你首先必須想辦法讓機器學會理解文本訊息,然後再反過來教會機器有關這個世界足夠多的背景知識,這樣機器才能理解這個世界。

如果我說「我無法將這個玩具娃娃裝進行李箱,因為它太小了」這句話時,你肯定知道這裡的「它」是指行李箱而不是指玩具娃娃,因為你知道將某件東西裝進某件東西的意思。」但機器是理解不了的,讓機器也能達到和人一樣的理解水平是 FAIR 的長遠目標之一。

讓機器掌握複雜的常識和文本理解能力不僅會影響智能語音助手,同時還會對自動語言翻譯造成影響,而自動語言翻譯功能在 Facebook 擴張國際市場過程中扮演著非常重要的角色。

「翻譯是一項非常重要的功能。Facebook 的主要使命就是將人與人連接起來,為了達到這個目的,你要做的第一件事就是確保說不用語言的人在翻譯的幫助下能夠順暢溝通。」LeCun 說道。

應用機器學習實驗室(AML)

坐在由 Frank Gehry 設計的 Facebook 總部裡,公司的應用機器學習實驗室的負責人 Joaquin Candela 在一堆填充玩具動物的巨大箱子的環繞下顯得非常格外矮小。當時已經沒有空閒的會議室了,不過它並沒有因此苦惱,他毫無猶豫地選在一個被遺棄在昏暗角落裡的沙發上進行交流。後來不知不覺到了他與 Schroepfer 開會的時間,他依然非常慷慨地接受在前往 Facebook CTO 辦公室的路上繼續交談。

當 AML 還在孵化的時候, LeCun 就已經加入了 Facebook。事實上, AML 正是在 LeCun 的推動下創立的。對此,他這樣說道:「在我看來,要想將在 FAIR 研發的技術應用到產品中,AML 是一個基本的通路。」

AML 的目標是「推動先進技術在產品上的最大化應用」和「成為科研成果與產品開發間的黏著劑」。為篩選訊息流、廣告、搜索、語言翻譯、語音識別、影片字幕的自動生成和自然語言理解等領域開發更好的演算法都是 AML 要做的工作,AML 想藉此來提升 Facebook 的效益。

Candela 曾作為 Facebook 的技術經理帶領團隊打造機器學習的基礎架構,當他被邀請啟動 AML 這個項目的時候,他希望 AML 能避免其它很多應用研究實驗室曾犯過的錯誤。 Candela 之前曾在微軟研究院和德國著名的馬克斯 -- 普朗克研究所都工作過。「我曾經看過很多實驗室都沒有很好地將科研成果轉化為工程成果。」Candela 這樣說道。 Candela 說的很多研究實驗室犯的錯誤包括實驗室與工程太過脫節,或是科研人員一點都不注重開發能應用到產品上的技術。

LeCun 的 FAIR 團隊將自己 70% 的時間用在長期的科學研發上,30% 的時間用在短期的產品開發上。 Candela 帶來的團隊的時間分配則恰好相反。 AML 的大部分時間都用在將科研成果應用在產品上。 Candela 表示,他帶來的 AML 團隊是以季度或月份為周期來對待一個項目的,而不是像 FAIR 團隊那樣通常以 5-10 年 為周期來思考項目。 AML 通常只做 6 個月的時間規劃。

儘管 AML 和 FAIR 兩個團隊的工作內容和方式非常不同,但 Candela 和 LeCun 都堅信,只要致力於開放,他們就能獲得更大的成功。 Facebook 的 CTO Schroepfer 也認同這個觀點,而且很快就為踐行這一理念找到了很多量化的方法。 Schroepfer 表示,除了開源了硬體和數據中心外, Facebook 的工程師共開源了 1000 萬行代碼,開源社區 GitHub 上已經有 Facebook 的 350 個活躍的開源項目。

Facebook 的這種開放的精神已經成為招聘達人的一大優勢。「那些頂尖的科學家一般都想要去哪裡工作呢?他們當然都希望能與和自己類似想法的人一起工作,那麼他們怎麼知道我們 Facebook 的人是否和他們的想法類似呢?因為 Facebook 的開放性,他們能夠看到我們 Facebook 的員工都在做什麼工作,他們能看到 Facebook 的員工都發布了什麼論文和研究成果,他們可以了解我們正在努力解決的問題以及我們是如何解決這些問題的。」

AML 的一個最新成立的團隊是運算攝影團隊,這個團隊是在 Rick Szeliski 和其他幾名科學研究人員去年 10 月從微軟研究院跳槽來 AML 後成立的。這個團隊的主要工作方向包括影片防震,其中包括 360 度影片,幫助用戶拍更好的自拍照,同時幫助用戶更好地在手機上管理視覺內容。

「我們之所以選擇加入 Facebook 是因為照片和數據都在這裡。我們在這裡有大量可以分析的數據內容。我們每天都能接觸像素和取悅用戶,讓用戶變得更開心後,他們就會拍更多的照片和分享更多的內容。因此,這裡不僅是照片的聚集地,同時也是照片「流動」(flow)場所。」Szeliski 這樣說道。在加入 Facebook 前,他曾在微軟研究院負責互動視覺媒體團隊。

「Flow」(工作流)這個詞是我們在 Facebook 經常會聽到的一個詞。這部分是由於 FBLearnerFlow 這個專案, FBLearnerFlow 是一個由 AML 開發一個端對端的科研工程工作流,它是一個供全公司員工測試和分享機器學習模型的端對端的機器學習軟體,也就是說它目前還是一個僅供 Facebook 內部員工使用的軟體。 FBLearnerFlow 是一個知識庫,公司裡任何專注於人工智慧或機器學習的員工都可以在裡面發布自己的研究成果,供其他工程師在各自的專案裡使用。

「假設我們有一個新的垂直廣告,需要向 Instant Articles 裡投放媒體廣告,但是這個團隊沒有什麼機器學習方面的專家,所以工程師便可以去「Flow」這個科研工程流水線裡去查看公司裡正在開展的所有實驗和產品原型,並能夠從中選擇一些有用的模祖直接供自己使用。我總是鼓勵大家去祈求、去借和去偷。你並不需要白費力氣做重複的工作。」Candela 這樣說道。

Flow 還是一個可以用來在一個可控環境下測試新功能的平台。「這是一件非常美妙的事。你可以在這裡對自己的科研成果進行測試。如果我們做了一個 1% 的用戶參與的測試,如果測試結果非常不錯的話,那麼我們就可以將科研成果推送給 100% 的用戶。」

Flow 的用途非常廣泛,這也是為什麼目前 Facebook 四分之一的工程師都在使用它的原因,而不光是人工智慧領域的科研人員在使用。 Flow 也是 Facebook 在內部踐行開放精神的典型案例,它不會將研究結果藏起來,而是會供所有員工使用。

Facebook 採用的這種同時依靠 FARI 做長遠研究、依靠 AML 做短期應用研究的雙重研究機制為自己在人工智慧和機器學習領域贏得了一定的威望,但這並不能保證能夠實現 Zuckerberg、Schroepfer 和整個 Facebook 大聲宣揚的 10 年願景和目標。

有很多問題都可能導致 Facebook 這個項目的失敗,其中隱私問題是其中最明顯的一個問題。在 Facebook 的用戶意識到這家公司正在越來越廣泛地分析自己的每一條動態、每一張照片並越來越深入地挖掘自己生活裡的所有事情時,用戶可能就會開始反抗。

同時還可能有財務方面的問題。 Facebook 的高層和董事會會在什麼時候要求看到他們從在人工智慧和機器學習方面進行的投入中獲得的回報呢? Schroepfer 自己堅持表示, Facebook 的管理層並不擔心 FAIR 和 AML 的投資回報問題,他這樣說道:「我認為,FAIR 和 AML 這兩個團隊做的工作已經為未來 5 -- 10 年的回報奠定了堅實的基礎,我們現在並不擔心投資回報率,因為未來可能只要 1 -- 2 個項目成功,我們就能獲得期望的投資回報率。」

目前包括 Schroepfer 、 LeCun 和 Candela 在內的所有 Facebook 領導層都對開放這個本質屬性非常重視,如果一旦情況發生改變,導致這些管理者放棄開放的理念,這時將會出現什麼樣的情況呢?「如果他們捨棄了開放的理念,像過去很多公司所做過的那樣,那麼他們可能就會喪失在科研領域的前沿領先優勢。當公司到了某個發展節點後,如發展得不太順利的時候,這時就會自然而然地出現一種促使科研人員追求短期利益的趨勢,這只會傷害實驗室,同時不利於公司長期願景的實現。」蒙特利爾大學的機器學習實驗室主管 Yoshua Bengio 說道。

這裡的挑戰在於要讓像 LeCun 這樣真正的強人去充當產品人員和科研人員之間的緩衝器,確保不給科研人員太多的壓力去迫使他們追求短期利益。但無論如何, Facebook 未來依然會面臨這方面的挑戰,因為總會有追求短期目標和利益的壓力存在。

即使 LeCun 自己也意識到,有時事情會在毫無徵兆的情況下發生轉變。「沒有人強迫我們去證明自己存在的價值。但在經歷了幾家科研實驗室的興衰成敗後,我開始認識到這樣一個事實:除非你在公司裡有東西可說,如:因為我們為公司做了這些工作,所以才會花這多麼錢。否則的話,你現有的工作模式將無法持續太久。」這也是 LeCun 和 Candela 在運營這兩個實驗室時會尋求將科研成果最大程度地應用到產品中的原因所在,以提高成功的可能性。

「你對一家公司要做什麼事情越清楚,那麼要做的事情就越少,這時就能越出色地完成這些工作。所以,如果你要求他們做 10 件事,他們可能其中的三件事做得比較好,其它 7 件事都做得都非常糟糕。這時你只能希望他們能選對那三件事情。作為對比,如果你說公司目前只需要做一件事情,這時你就能清楚地知道他們是如何做這件事的。對我們自己而言,我們現在就有兩個問題需要解決:一是做基於未來的長期科研,二是找到科研成果應用到產品上的方法。這意味著我們需要創造有效的方法在全公司內共享想法。

我們希望能夠形成這樣一種理想的內部流通方式: AML 成員加入 FAIR , FAIR 成員也將加入 AML。這樣的情況已經在發生了。其中一個例子是, Facebook 的臉部識別團隊最開始是在 FAIR 啟動的,後來就搬進了 AML 實驗室,因為這個團隊的工作和產品的關聯性越來越大。還有一個例子是, AML 實驗室的機器翻譯團隊的一位科研人員對將神經網路研究成果運用到機器翻譯領域很有熱情,所以他將研究重點轉移到了推動最尖端的神經網路科學研究裡,於是他後來就去了 FAIR 實驗室。

LeCun 表示,很多由一個實驗室搭建的基礎框架都流向了另一個實驗室。舉個例子,Facebook 剛剛發布的智慧搜尋引擎專案 DeepText 雖然由 AML 直接完成,但它使用的卻是 FAIR 搭建的基礎架構,因為最開始 FAIR 想要搞清楚如何使用卷積網絡以及其他深度學習技術去分類文本和理解文本。

當他們在這些領域的研究舉得突破的時候, Facebook 並沒有將自己的研究成果隱藏起來不和大家分享。以 Deep Text 為例,在剛發布後不久, Facebook 就在自己的開源代碼部落格裡發布了有關 Deep Text 的深度文章。「你在學術界發表研究成果,參加科研大會,積極為整個科學界做貢獻。與此同時,你還能看到自己的科研成果影響數十億的用戶。」電腦視覺團隊的主管 Manohar Paluri 如此說道。

一些人可能會擔心這樣的開放可能會導致一些商業上的風險, LeCun 卻並不這麼看認為。 Facebook 能從讓外部人在自己代碼的基礎上工作裡受益良多,因為如果這些外部人的工作做得非常好的話, Facebook 可以直接將他們招入麾下,或者直接採用他們做出的改進即可。

「基於我們的市場地位,其他人使用我們的技術是 ok 的,因為技術的價值很少存在於技術本身,而是存在於我們利用技術過程裡。我們自己是一個巨大的社群網絡,如果我們發明了一種能夠應用到社群網絡裡的技術,我們就會是最快利用這個新技術的人。如果我們不先人一步運用這項技術的話,那就是我們的錯了。」LeCun 說道。


精選熱門好工作

Full-stack (Frontend most) Senior Software Engineer

ShopBack 回饋網股份有限公司
臺北市.台灣

獎勵 NT$20,000

PopDaily 視覺設計師–【設計部】

數果網路股份有限公司
臺北市.台灣

獎勵 NT$20,000

資深軟體工程師- KOL Radar (Senior Software Engineer, Node.js)

iKala 愛卡拉
臺北市.台灣

獎勵 NT$20,000

評論