Facebook人工智能母体技术解析

　　Facebook今天第一次正式介绍了FBLearner Flow，一个可以为全公司员工管理机器学习模型的机器学习软件。换句话说，这是一个可以自己制造人工智能的人工智能，你可以理解为传说中的人工智能母体。

　　它与其他基于云端的机器学习服务有点相似，例如微软的Azure机器学习或者Airbnb的开源Airflow，不过，FBLearner Flow是根据Facebook自己的业务而进行最优化的，装满了Facebook工程师开发的算法，让公司其他人都可以为自己的模型而使用该平台。

图片来源：webcorenigeria

　　“公司超过25%的人都在使用，使用情景是我们之前无法预想的。”Facebook核心机器学习小组总监Hussein Mehanna在一次访谈中告诉Venture Beat。

　　Facebook不只可以发布关于FBLearner Flow的学术论文，还可以最终将其开源。Facebook工程师已经与其他公司的人讨论了这类技术，包括Linkedin、Twitter和Uber等公司。Mehanna说，他们都非常感兴趣。

　　当然会对开源感兴趣啦——这个系统已经在Facebook这样的大公司验证可行，而且，这！不！花！钱！这一点就与来自Domino Data Lab和Yhat的数据科学合作工具不同。

　　Facebook经常将一些技术开源，这样的做法也符合公司自己的需要，因此如果未来FBLearner Flow完全开源了也不奇怪。问题是Facebook是否愿意投入工程资源，将这项技术与其专利系统的匹配断开。话虽如此，如果Facebook不愿开源、将FBLearner Flow压在箱底也不奇怪。因为多亏了这项技术，员工变得更加高效了。这会是一个竞争优势。人们在新系统中可以看到过往的试验和结果，甚至将两个不同的机器学习流水线结合起来，设计出某种更加复杂的东西。此外，图形交互界面让非工程师也可以使用这个新平台，因此才会有Mehanna说高达的25%的人都在使用。

　　无论未来是否会开源，至少，我们今天获得了一部分FBLearner Flow的技术详解。让我们来看看Facebook工程师Jeffrey Dunn的博文，详细解读FBLearner Flow作为Facebook的人工智能母体到底厉害在哪儿。Jefferey Dunn从卡内基梅隆大学获得硕士学位，2011年加入Facebook，参与打造图片搜索中的网络搜索等工作。

　　图片来源：Facebook Code

　　如今，Facebook的许多体验和交互都是依靠AI实现的。当你登录Facebook，我们使用机器学来给你提供独特的、个人化的体验。机器学习（ML）模型实现了个人化新闻流（News Feed）、过滤了可能得罪人的内容、突显流行热点话题并将搜索结果排名。还有很多其他体验可以从机器学习中获益。但是以前，工程师必须有很强机器学习背景，不然没法好好利用公司的机器学习基础设施。在2014年底，我们从零开始，重新定义Facebook的机器学习平台，将最先进的AI和ML算法送到Facebook每一位工程师的手中。

　　我们希望能有这样的一个平台：

　　1.每个机器学习算法应该可以一次性设置好，可以重复使用；

　　2. 工程师可以写一个训练流水线，在许多机器上平行运行，可以被很多工程师所用。

　　3. 无论工程师在机器学习领域的背景深浅，都可以很简单地训练模型，而且，其中几乎所有的 步骤都可以完全自动化。

　　4. 人人都能很方便地搜索过往试验、查看结果、与他人分享，并在某一个试验中开启新的变量。

　　我们决定建造一个全新平台：FBLearner Flow，可以简单方便地在不同产品中重复使用算法，可以放大规模同时运行几千个定制试验，并且能够轻松管理试验。这个平台提供了创新性的功能，例如从流水线定义和自动平行Python代码自动生成UI体验。平台从创立起已经训练了超过一百万个模型，我们的预测服务发展到每秒超过600万次预测。

　　减少了手动工作的工程师们可以花更多时间进行特征工程，这反过来又可以进一步提升精度。工程师可以在更大的平台层面去发挥影响。FBLearner Flow提供了平台和工具，让工程师每天进行几千个试验。