Facebook 用户每天都会在社交网络上上传 3.5 亿张照片，远超人类的观看能力，更不用说分析了。因此，这就是该公司聘请纽约大学（NYU）机器学习专家 Yann LeCun 的一个重要原因。Yann LeCun 是“深度学习”这项人工智能（AI）技术的杰出实践者。作为 Facebook 新的人工智能实验室主任，LeCun 将继续兼职在纽约大学任教，同时在纽约市 Astor Place 的一处新 Facebook 设施工作。
“Yann LeCun 的加盟，对于机器学习和 Facebook 来说都将是激动人心的一步，Facebook 拥有大量独特的社交数据，”斯坦福人工智能实验室主任 Andrew Ng 表示，他曾领导过一个用于分析谷歌 YouTube 视频的深度学习项目。“机器学习已经广泛应用于 Facebook 的数百个地方，从照片标记到新闻动态文章的排序。更好的机器学习将有助于改进所有这些功能，并帮助 Facebook 创建我们尚未梦想到的新应用。”那些未来可能实现的突破是什么？Facebook 对反复提出的置评请求均未回应。
“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 表示，他专攻计算机视觉和机器学习，Facebook 可能希望利用机器学习来了解哪些内容最能吸引用户长时间停留。他认为，前沿的深度学习算法也有助于从 Facebook 庞大的照片库中提取数据，其照片数量大约为 2500 亿张。
“如果你上传了一张你滑雪的照片，Facebook 除非你标记，否则并不知道里面发生了什么，”Hertzmann 说。“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。”
为了尝试从用户每天免费提供给 Facebook 的海量数据中得出智能结论，LeCun 将运用他 25 年的经验来完善“深度学习”这项人工智能技术，该技术大致模拟了大脑循序渐进、分层式的学习过程。在识别照片中的物体时，LeCun 的深度学习方法模仿了视觉皮层，这是我们视网膜将视觉数据发送到大脑进行分析的部分。
通过在照片上应用仅几像素的过滤器，LeCun 的第一层软件处理会寻找简单的视觉元素，例如垂直边缘。第二层处理会部署一个稍大几像素的过滤器，试图将这些边缘组合成物体的部分。然后，第三层会进一步将这些部分构建成物体，通过数百个用于识别“人”和“卡车”等物体的过滤器进行测试，直到最后一层创建了一个丰富的视觉场景，其中树木、天空和建筑物都清晰可辨。通过先进的训练技术，其中一些是人类“监督”的，另一些是“无监督”的，这些过滤器或“饼干模具”会随着时间的推移动态改进，以正确识别物体。
快速执行这些多层重复过滤需要大量的计算能力。例如，LeCun 是海军研究办公室资助的、耗资 750 万美元的持续项目中负责视觉的专家，该项目旨在创造一架小型、能够以每小时 35 英里（约 56 公里）的速度在不熟悉森林中飞行的无人机。该机器人非官方名称为“Endor.tech”，并于 2012 年在《大众科学》上进行了报道，它将运行在一个名为 FPGA 的定制计算机上，每秒大约可以进行 1 万亿次运算。
“我能得到的（每秒运算次数）越多越好，”LeCun 当时说道。
该机器人将分析每秒 30 帧的视频图像，以便实时做出如何在森林中以每小时 35 英里（约 56 公里）的速度自主飞行的决策。不难想象，类似算法可以用于“读取”你上传到 Facebook 的视频，通过检查场景中出现的人物和物体。算法不再是根据 Facebook 帖子中的关键词来定位广告，而是会分析你和朋友在海滩上的视频。然后，算法可能会了解到你最近在喝什么啤酒，使用什么品牌的防晒霜，和谁在一起，并猜测你是否可能正在度假。
