深度神經(jīng)網(wǎng)絡正在重塑互聯(lián)網(wǎng)。通過分析大量的數(shù)字信息，深度神經(jīng)網(wǎng)絡可以自己學習，執(zhí)行人類執(zhí)行的任務，就在短短幾年前，類似的智能系統(tǒng)還無法植入到網(wǎng)絡服務中去。
要開發(fā)深度神經(jīng)網(wǎng)絡解決下一個AI大問題，研究人員必須經(jīng)歷無數(shù)次失敗的嘗試，在一臺、幾十臺甚至幾百臺機器中嘗試。“我們更加像是教練而非運動員。”DeepMind聯(lián)合創(chuàng)始人Demis Hassabis認為，“你引誘它們做一些事，而不是直接告訴它們做什么。”
正因如此，許多企業(yè)試圖將實驗和錯誤變成自動化流程——或者至少將其中的一部分自動化。如果可以將最繁重一部分任務自動化，你就可以向前再進一步，讓最新的機器更快速學習，只需要一般的工程師引導就可以了。如此一來，最頂尖的人才可以有更多時間專心研究更大的創(chuàng)意和更難的問題。最終，AI在互聯(lián)網(wǎng)APP和服務中的進化速度會更快。
換句話說，隨著計算機越來越聰明、越來越快，計算機本身可以處理更多簡單單調(diào)的任務。互聯(lián)網(wǎng)巨頭正在開發(fā)計算系統(tǒng)，讓它們代表工程師測試無盡的機器學習算法，它們自己就可以循環(huán)測試許多的可能性。更棒的是企業(yè)正在開發(fā)一套AI算法，讓算法來編寫AI算法。沒有開玩笑。Facebook工程師正在設(shè)計所謂的“自動機器學習工程師”和人工智能系統(tǒng)，它可以協(xié)助開發(fā)AI系統(tǒng)。要讓技術(shù)達到完美還有很長的路要走。但Facebook的最終目標是開發(fā)一套新的AI模式，讓人類從事的單調(diào)乏味工作盡可能少。
2012年，F(xiàn)acebook成功IPO，候賽因米漢那（Hussein Mehanna）和Facebook廣告團隊的工程師感到壓力加大，因為公司的廣告銷售目標提高，他們需要提高廣告和無數(shù)用戶的匹配度。Facebook擁有無數(shù)用戶，公司會根據(jù)用戶的特點和行為收集數(shù)據(jù)，開發(fā)深度神經(jīng)網(wǎng)絡及其它機器學習算法可以更好地利用龐大的數(shù)據(jù)庫。
據(jù)米漢那透露，在開發(fā)新的AI時，F(xiàn)acebook工程師并不缺少創(chuàng)意，但是要測試這些創(chuàng)意卻是另一回事。為了解決問題，他和團隊開發(fā)了所謂的“Flow”工具。“我們想開發(fā)一條機器學習組裝線，所有的Facebook工程師都可以使用。” 米漢那說。Flow的設(shè)計目的是為了幫助工程師大規(guī)模開發(fā)、測試、執(zhí)行機器學習算法，它實際上包括了任何類型的機器學習——也就是說這門技術(shù)是一門泛技術(shù)，可以覆蓋到所有服務，大部分學習任務依賴機器自己完成。
“你嘗試的創(chuàng)意越多，結(jié)果就越好。”米漢那認為，“你測試的數(shù)據(jù)越多，結(jié)果也會越好。”有了新工具，別人開發(fā)的算法工程師可以拿來重新利用，十分輕松，修改算法應用在其它任務上也會簡單許多。
很快，米漢那與團隊就將Flow應用到整個公司。其它團隊利用Flow生成算法，從用戶的News Feed中挑選鏈接，還可以識別社交網(wǎng)絡中的圖片，為照片添加音頻標簽，盲人可以根據(jù)音頻了解自己看的是什么東西。
據(jù)米漢那透露，有了Flow之后，F(xiàn)acebook每月可以訓練、測試大約30萬種機器學習模型。以前在Facebook社交網(wǎng)上推出一個新AI模型需要60天左右的時間，現(xiàn)在每周就可以發(fā)布幾個新的模型。
事實上，深度學習的應用前景遠不止如此。去年，Twitter收購了WhetLab，它是深度學習的專家。最近，微軟告訴外界自己的研究人員如何利用一套系統(tǒng)測試海量AI模型。微軟研究人員Jian Sun管它叫“人工助手搜索”。
Facebook希望能加速前進，它的目標是打造一個開源Flow，與整個世界分享，LinkedIn、Uber、Twitter已經(jīng)有興趣使用它。米漢那還與團隊開發(fā)了一個名叫AutoML的工具，它可以更多地承擔人類工程師的工作。AutoML運行于Flow之上，可以自動“整理”用于訓練神經(jīng)網(wǎng)絡和其它機器學習算法的數(shù)據(jù)，不需要人的干預就可以準備好測試數(shù)據(jù)，在米漢那的理想中，他們希望AutoML最終可以自己收集數(shù)據(jù)。更有趣的地方在于：AutoML也許可以利用AI來開發(fā)AI。