Facebook 的人工智慧實驗室 (FAIR) 有哪些厲害的大牛和技術積累？
看到 Facebook AI Research在巴黎新增了一間實驗室
Introducing Facebook AI Research Paris | Facebook Newsroom ? http://newsroom.fb.com/news/2015/06/introducing-facebook-ai-research-paris/
Today we announced that we』re expanding those efforts with a new AI research team in Paris. Like the existing FAIR teams in Menlo Park and New York, the Paris team will work on ambitious long-term research projects in image recognition, natural language processing, speech recognition, and the kinds of physical and logical infrastructure required to run these AI systems. It』s our hope that this research will ultimately help us make services like News Feed, photos and search even better and enable an entirely new set of ways to connect and share.
這個答案是2015年的，好久沒有改了。大家知道何愷明在2016年8月時加入了FAIR，所以第一句話已經過時了。愷明的水準大家都知道，我就不多說了，向他學習~
=================
謝邀。作為目前在FAIR的唯一一個能打中文的全職研究員，我來說兩句吧。
Facebook AI Research (FAIR) 目前在加州的Menlo Park，紐約曼哈頓和法國巴黎有三個分部，巴黎分部剛剛公開。總的來說，學術氛圍是非常濃厚的，大家坐在Facebook新建的20樓中央做深度學習的研究，目標是發高質量的文章，做有影響力的前沿工作。研究方向相對自由寬鬆，研究所需的計算資源（如GPU）相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究問題。這樣的學術氛圍除了MSR之外，在各大公司是極其少見的。
扎克伯格之前提過Facebook將來的三大主要方向，其中之一就是人工智慧，目前看來公司也確實非常看重我們這個組。我後面就是COO，斜後方是CEO，一開始有點小慌，不過時間長了也就習慣了。FAIR正式成立是在前年12月至去年一月，然後陸續招人，時間還不長，重要的公開工作有DeepFace，運用深度學習將人臉識別（更準確說是人臉判定）提高到Human-level，Memory Networks，在深度學習中加入長期記憶（Long-term memory）以構建自然語言問答系統，開源深度學習框架Torch的更新和推廣，運用快速傅利葉變換加速卷積運算的CuFFT，等等。目前還有許多非常有影響力的工作正在進行中，敬請期待。
人員方面，Yann LeCun毫無疑問是整個組的Director，其它大牛有VC維和SVM的締造者Vladimir Vapnik，提出隨機梯度下降法的Léon Bottou，做出高性能PHP虛擬機HHVM的Keith Adams, Rob Fergus, Jason Weston, Marc"Aurelio Ranzato, Tomas Mikolov, Florent Perronnin, Piotr Dollar, Hervé Jégou, Ronan Collobert, Yaniv Taigman等。在深度學習的時代，研究和工程已經有融合的趨勢，因此FAIR這兩方面的大牛都有。工作氣氛上來說，組內較平等，討論自由，基本沒有傳統的上下級觀念。若是任何人有有趣的想法，大家都會傾聽並且作出評論。要是想法正確，Yann也會like。
沒有人逼著幹活，但大家都在努力幹活。
最後說一句，歡迎大家申請。
=================================
一些問題的答案：
1. 是的，我今年一月從谷歌X的無人駕駛車組跳走，加入了FAIR。
2. 之所以說「目前」是因為上周我還不是，矽谷這裡人員變動比較頻繁。
3. FAIR內部有約1/4是Software Engineer，主要負責維護Infra和開發新的分散式框架，Ledell是其中之一。這些人中，許多都是Facebook內部的頂級軟工，在深度學習的時代，沒他們活真心就沒法幹了。
======================================
多謝大家關注！關於招人要求
1. FAIR對全職研究員的要求是相當高的，需要相關領域PhD畢業並且有非常好的科研成果，這裡「非常好」的意義不僅是指發頂級會議和頂級刊物灌水，而是指發出有影響力大家會關注會使用的工作。另外，FAIR也提供postdoc職位和暑期intern實習機會，歡迎大家申請！
2. 另外，我們這裡有計算機視覺（如識別及檢測）和深度學習相關的產品組，急需招人。有相關背景及工程能力強的同學們可以申請，請發私信給 @楊非
謝邀。
Facebook 因為其企業文化中的各種各樣的口號而知名，這些口號經常出現在這家公司的辦公室的標牌或者被 CEO 馬克·扎克伯格和其他管理人員掛在嘴邊：「代碼勝於雄辯」，「快速行動，打破成規」或者「比完美更重要的是完成」。
這家公司的紐約辦公室牆上的標牌，完美地總結了 Yann LeCun 領導的 Facebook 在人工智慧和機器學習領域的哲學：「保持開放」。人工智慧已經成為快速擴張的 Facebook 的關鍵部分。這些技術已經被用於識別照片中你朋友的臉龐，並幫你智能推薦新聞推送。上周，Facebook 推出了用於閱讀文本的人工智慧引擎 DeepText，它可以利用「接近人類的準確度」，在短短一秒之內理解超過二十多種語言的數千封郵件的內容。之後，這些文本將被自動翻譯成數十種不同語言。Facebook 正致力於識別你的語音，以及識別視頻中的人物，這樣你就可以快進到你的朋友出現的片段。
Facebook 希望能夠主導人工智慧和機器學習領域，就像它引領社交網路和即時通訊領域那樣。該公司已經僱用了超過 150 位人工智慧領域的人才，並宣布對這一領域的投資將提高三倍——儘管他們並沒有說明具體的投資金額是多少。
如果說過去的計算時代是移動紀元，那麼下一個時代將是人工智慧紀元， 英偉達首席執行官 Jen-Hsun Huang 認為。「人工智慧是計算機領域最近二十年來最重要的進展，Facebook 和其他公司都不得不參與這場競賽以確保其在人工智慧領域的核心競爭力。」
然而，Facebook 正式進入人工智慧領域不到三年，它現在需要的不僅僅是資金，因為人工智慧已經是是現在最熱門的技術領域之一。「他們是後來者，」華盛頓大學計算機科學專業的教授、「The Master Algorithm」一書的作者 Pedro Domingos 說。「谷歌和微軟這樣的公司已經遙遙領先，它們在扎克伯格宣布開發智能管家計劃的很久之前，就已經開發出了自己的人工智慧軟體。」
微軟從 1991 年以來就已經致力於研究機器學習，並僱用了人工智慧領域的數十個分支的數百位科學家和工程師；谷歌深度學習成果的核心，Google Assitant，正在成為谷歌大多數應用和服務的前端大腦。中國搜索巨頭百度在 2014 年聘請了谷歌深度學習項目的負責人吳恩達。非營利組織 OpenAI 則得到了特斯拉創始人埃隆·馬斯克及其他科技巨擘的十億美元投資。亞馬遜首席執行官傑夫·貝索斯在 Code 大會的演講中透露他的公司四年來一直在幕後進行人工智慧研究，並且已經投入了數千人研究他們的語音識別生態系統。蘋果和 Uber 也各自在人工智慧領域投入巨資，參與到吸引人工智慧人才的競爭中。
Facebook 做出的這些改變都發生在人工智慧這一創新浪潮來臨之後，其中有一些來源於 LeCun 本人，在加入 Facebook 之前，LeCun 被認為是該領域最富成就的科學家之一。在那之後 Facebook 從沒有正式的人工智慧研究實驗室快速發展到擁有兩所成熟的實驗室。Facebook 的人工智慧研究項目（FAIR）由 LeCun 領導，專註於基礎科學和長期研究。其次是應用機器學習部門（AML），由西班牙裔的 Joaquin Candela 領導，Candela 是一個資深的機器學習專家，除此以外，他還創建了劍橋大學的一項頂尖課程。他的團隊目前的研究方向是將人工智慧應用於已有的 Facebook 產品。
這兩個部門是各自獨立的，LeCun 和 Candela 都向 Facebook 的首席技術官 Mike Schroepfer 彙報工作。最大的挑戰在於找到如何讓兩個部門通力協作的方法，並利用長期的科學研究成果來幫助公司完成短期的商業目標。一個簡單直接的方法是：讓兩個團隊坐在一起交談。「兩個團隊的人必須有私人關係」LeCun說，「他們必須合作無間」。
在Facebook，他們不僅坐在一起，而且還離公司高層很近——與扎克伯格和 Schroepher 的辦公室只有咫尺之遙，事實上，這正是人工智慧和機器學習對這家公司變得至關重要的標誌之一。
但是僅僅因為你和某人在一起工作並不能幫助對深度科學的投資任務更早實現。要理解 LeCun 和 Candela 如何規劃這些工作，你首先要了解他們來自何處。
Facebook 的人工智慧研究實驗室
Yann LeCun 位於紐約大學計算機科學系的辦公室前門上貼著一個巨大的 Facebook 點贊圖標。但這並不是 LeCun 自己放上去的。LeCun 穿著在印有單詞「THINK」以及愛因斯坦小幅照片的海軍藍色polo衫，他笑著解釋說他在兩年半之前宣布加入 Facebook的時候，有人把圖標放在了這裡，他沒有取下。
LeCun 今年 55 歲，仍是是紐約大學計算機科學系的兼職教授，那裡離 Facebook 的紐約辦公室只有數步之遙。你很難在人群中辯認出這個在世界上最大的社交網路公司為他們宏大的人工智慧願景衝鋒陷陣的科學家，另外他還是所謂「第一次坐特斯拉電動車是和伊隆·馬斯克一起」的那種人。
如果你曾經用過 ATM 存款，那麼你就有可能見過 LeCun 的研究成果。作為深度學習一個分支—— 卷積神經網路（convolutional neural nets）的發明人之一，LeCun 是人工智慧世界的明星。因為卷積神經網路現在被視為開發可拓展自動自然語言理解和圖像識別工具，甚至是語音識別和視覺搜索系統的基本構件。而所有的這些對Facebook，谷歌，百度，微軟以及其他科技巨頭具有非凡的價值。LeCun 在人工智慧領域的工作專註於構建旨在複製生物視覺皮層工作模式的模型。
LeCun 被給予了很大程度的自由來按照他認可的方式創建 FAIR，扎克伯格和 Schroepfer 授予LeCun 這樣的自由是合理的：他在貝爾實驗室工作了十四年，知道怎樣可行而怎樣不可行，而且他一直在思考如果有機會他將如何建立一個全新的研究實驗室。
Yann LeCun
他深信成功的關鍵在於對開放性的堅持。LeCun 的企業和學術的兩種生涯在踐行著一種哲學，這種哲學要求研究者公開發布他們的研究成果，在公開會議的演講中，在和學術界的廣泛互動中，以及將代碼發布到類似 GitHub 這樣的開源資料庫。
「我見過很多朋友加入大型科技公司，他們原來在具有開放性文化的研究實驗室工作，進入企業後試圖改變公司的文化，但都以失敗告終。」LeCun 說。加入 Facebook 之前，他提的第一個問題是關於這家公司對於開源世界的承諾和文化開放性的。
他也想弄清楚如何在做研究和將研究轉化為產品之間找到平衡點。他覺得很多科技公司即使在目標明確的情況下，都不知道如何解決這個問題。也許最為人所熟知的例子就是矽谷傳奇 Xerox PARC 公司在圖形用戶界面所獲得的成果在斯蒂夫·喬布斯著名的 1979 年訪問之後，被蘋果應用於 Lisa 電腦，以及隨後的 Macintosh 電腦。
LeCun 曾經見證過的一個失敗的模式被稱作「聚合研究」，這種情形下，科學家被工程師團隊包圍。這種情況會阻礙科學家的創新性。另一種情況是把研究者隱藏在和公司其他成員都甚少交流的象牙塔中。這對公司的聲望大有好處，但少有實效。
扎克伯格對於 Facebook 的宏偉藍圖
扎克伯格正從人工智慧、虛擬現實和無人機這些角度全方位展望 Facebook 的未來十年，而 Facebook 也正開足馬力前進。
在 LeCun 的指導下，FAIR 項目於 2013 年 12 月成立，重點關注人工智慧和機器學習方向的一些長期問題。Facebook 明白，為了通過團隊的工作來實現短期和長期的利益，他們必須要擁有一些能夠在這個領域內開發出能夠持續很多年影響的新技術，而其他人只是在關注現有的產品。LeCun 估計，大概有 70% 的團隊工作是在進行研究，而剩下 30% 是為了近期的發展。
「對外部來說我們更加專註，」LeCun 解釋道，「所以我們公布了很多我們在做的事情，分發大量的開源代碼。所以我們真的是這個研究團隊的一部分，因為我們真的想要挑戰極限、推動技術的反戰和科學的前進。同時我們也要確保擁有最好的最先進的技術，並且朝著這個方向不斷努力。」
整個團隊的目標野心勃勃：將一些基本常識教授給機器——本質上就是能讓它們像嬰兒或者動物一樣去學習。LeCun 說，FAIR 目前最大的一個項目，就是對話系統的自然語言理解，它也將成為 Facebook 智能語音助手的基礎。
Antoine Bordes、Yann LeCun、Laurens van der Maaten、Leon Bottou、Y-Lan Boureau、Soumith Chintala
很明顯的是，各大科技巨頭都希望成為語音助手方面的領跑者。最著名的例子便是蘋果的 Siri。但是微軟也有 Cortana，亞馬遜有 Alexa，到時候還有來自之前在 SRL 國際的開發 Siri 的蘋果團隊開發的 Viv。
對於智能語音助手，Facebook 有著自己的計劃和長足的努力。而人工智慧是其中的核心，LeCun 說道，因為一個系統為了成功的回答用戶提出的任何問題，它必須具備常識。
「這也就意味著，我們應讓機器學會如何觀察整個世界，」他說，「而不是淺顯地訓練它們去識別汽車，手機等等物品。」
今天，給機器提供常識的技術還不存在。LeCun 相信，解決方案並不是通過攻擊它來解決問題。相反，你必須找出一種方式去讓機器理解文本，這也就意味著，給機器教授關於這個世界足夠的背景知識，它們就可以去理解了。
「如果我說，『獎盃並不適合這個手提箱，因為它太小了』，你知道這裡的它是指代手提箱而不是獎盃，因為你知道這就是在講述把一個東西裝進另一個東西的事情。」
一台機器是不會理解這些的，達到這一水平的理解程度是 FAIR 的一個長期目標。
實現複雜的常識和文本理解能力不僅會影響語音助手，而且會影響自動語言翻譯這個 Facebook 認為在國際用戶增長上一個很關鍵的功能。
「翻譯是一件非常重要的事情，」LeCun 說，「Facebook的最重要使命便是連接人群，所以第一件事情就是要確保通過翻譯能夠讓人和人之間成功溝通。」
但首先，他需要確保他的團隊在 FAIR 上所做的工作是被成功翻譯並能夠和坐在很遠的地方成功溝通。
應用機器學習實驗室
坐在 Facebook 由弗蘭克·蓋里（Frank Gehry，美國知名後現代主義及解構主義建築師）設計的總部，公司的應用機器學習部門負責人 Joaquin Candela，在充斥著巨型填充玩具動物的箱子中間顯得格外矮小。這位 39 歲的戴眼鏡的負責人並未因沒有空閑的會議室而苦惱：他毫不猶豫地選擇了一對長沙發來進行這場對話。
當 AML 還在孵化的時候，LeCun 就已經在 Facebook 了，也正是他推動了這個項目的創立。「因為我認為這是最基本的通道，那些在 FAIR 平台上開發的技術將通過它來實現產品化。」
AML 的目標是「推進技術轉移最大化的工藝水平」以及成為「科學、研究以及技術轉移之間的紐帶」。AML 正試圖為提供排名、廣告、搜索、語言翻譯、語音識別、自動產生視頻字幕以及自然語言理解等所有領域開發更好的演算法以提升 Facebook 的底線。
Joaquin Candela
當 Candela 被要求啟動 AML 項目時，作為一個曾領導著建立了機器學習框架的 Facebook 工程項目經理，他想要避免其他應用研究實驗室曾經犯過的錯誤。作為一個曾在 Microsoft 以及德國著名的 Max Plank Institute 效力過五年的老兵，Candela 說：「我見過的許多科學到工程的轉化，都是差強人意的。」
究其原因，是來源於實驗室與實際工程過於脫節，或是沉溺於忽視了創造實際產品的研究文化中。
相對於 LeCun 的團隊花費 70% 的時間在研究上，Candela 的團隊正好相反，他們的大部分時間用於研究可部署的產品上。Candela 說，他們的團隊是以季度或月來考量項目進度的，而非像 LeCun 的團隊那樣，以五到十年的時間跨度來部署工作。他們通常在六個月的整塊時間內做規劃——儘管事實上，大部分時間被團隊用來思考「從現在起的兩年後我們該到達什麼程度。」
儘管在項目和做法上有所差異，但 Candela 和 LeCun 都贊成，對開放性的獻身精神會引領他們走向更大的成功。CTO Schoepfer 也同意這一觀點，並對實踐這一公司哲學的方法進行了量化。除了開源硬體和數據中心，Facebook 的工程師已經發布了一千萬行以上的開源代碼，而且已有 350 個 GitHub 的活躍項目正在生產。這種開放性已經成為招募到頂尖人才的本質要求。「頂尖科學家們都得想去哪裡工作？」Candela 問道。「他們希望能夠與想法相近的人一起工作。那麼他們是如何知道我們擁有和他們想法相近的員工的呢？因為你可以看到我們的人正在做些什麼，你可以看到他們正在發布希么，你可以明白他們正在試圖解決的問題、以及他們是如何解決這些問題的。」
計算攝影學是 AML 最新成立的團隊之一，它是在去年十月由 Rick Szeliski 和其他幾位從 Microsoft Research 跳槽過來的同事們組成的。這支隊伍將聚焦於類似穩定視頻這樣的項目，包括三百六十度視頻、幫助人們更好的自拍、以及在手機上管理視覺內容。
「我們來到 Facebook 是因為照片在這，數據在這」，曾領導過 Microsoft Research 的交互視覺媒體團隊的 Szeliski 說到。「這裡像一個充斥著各種事物的龐大倉庫，可以讓我們進行分析研究。我們可以每天接觸像素、取悅用戶，使他們更加愉悅並拍攝更多的照片、分享更多的事物。所以這不僅是因為照片在這，更是因為照片在這流動、交匯、傳遞、分享。」
Hussein Mehanna、Joaquin Candela、Tommer Leyvand、Vincent Cheung
「流程（Flow）」是一個在 Facebook 經常聽到的詞。部分原因可能是源於 FBLearnerFlow，一個由 AML 創造的端到端的工程流水線——某種意義上它是一個測試和分享機器學習的殺手級應用程序（killer app），儘管就目前看來它仍然只被內部使用。它是一個知識庫，Facebook 里的任何專註於 AI 或機器學習的人都可以在裡面發布自己的成果，以便其他工程師在她們的項目中使用。
「試想我們有一個新的垂直廣告業務，專門在即時文章中投放富媒體廣告，而那個團隊並沒有很多機器學習方面的專家」，親切友好的 Candela 用他濃重的西班牙口音對我說道。「所以『那些』工程師可以去『Flow』里瀏覽整個公司里每一個實驗和產品原型，他們可以從中抓取一些模塊『並為他們自己的目的使用這些模塊。我總是鼓勵大家去懇求、去借、去偷。你並不需要重新發明已經存在的東西。」
Flow 也是一個在可控環境中測試新特性的平台。「這才是最美妙的地方」，Candela 說道。「這是一個將你從研究一路帶入實際試驗的地方。如果我們正在做一個有 1% 的人參與的試驗，並且結果看起來不錯，那麼，我們就會將它投放到 100% 的人群中去。」
如此廣泛的用途也正是為什麼流程（Flow）已經被四分之一的 Facebook 工程師使用的原因，而不僅僅是那些人工智慧的工程師。
Flow 也是 Facebook 在內部踐行開放性的完美代表——不是將研究結果藏起來，而是讓所有人都能看見。
Facebook 的長短期雙重研究機制，已經在人工智慧和機器學習社區贏得了不少口碑，但這仍不足以保證它能成功實現Zukerberg、Schroepfer 以及公司大力宣揚的十年願景。
有許多問題會導致它的失敗，隱私問題是其中最明顯的一個。當 Facebook 的用戶們意識到這家公司正以何種程度分析他們發布的每一條消息、每一張照片，並深入挖掘他們的生活時，他們或許會開始撤回消息。
同樣地，還存在一個財務問題：Facebook 的最高管理層和董事要在什麼時間點，看到他們在人工智慧方面投入的回報呢？Schroepfer 堅稱，Facebook 的管理層並不擔心 FAIR 或 AML 的投資回報率。「我認為根據這兩支團隊已經完成的工作，他們已經為未來五到十年內的回報打下基礎了」他說道。「我們不會太過擔心投資回報率（ROI），因為或許一兩個項目就可以滿足需求。」
Facebook 如何利用人工智慧幫助盲人「看到」照片
新的人工智慧技術可以解釋照片內容，比以前提供更多的語境（context）。不過，仍有很長的路要走。
但是，考慮到領導人物——LeCun, Candela, Schroepfer 以及其他人——如此強調開放的關鍵本質，如果情況發生變化，他們放棄了這一開放哲學，會出現什麼情況？
「如果他們放棄了這一哲學，就像以往許多公司做的那樣，或許會失去研究領域的前沿位置。」 Yoshua Bengio 說，「當公司處在某點，比如情況不太樂觀時，自然會出現一種趨勢，迫使研究人員追逐短期利益，這會傷害到實驗室利益也會損及公司自己的遠大前程。」
Benjio 補充說，難點在於任命意志力強的人，比如 LeCun，充當研究人員和產品部門人員之間的緩衝器，確保研究不屈從於追逐短期利益的壓力。但是，「未來仍然面臨挑戰（對 Facebook 來說），因為總會有追求短期利益的壓力。」
即使 LeCun 也承認，情況會在毫無預警的情況下發生轉變。
「還沒人強迫我們證明自己存在的價值，」 LeCun 說，「但是，幾經產業研究實驗室的興衰，我確實知道，除非你能說出個道道來才能長久維持下去，比如這是我們正在為公司所做的事，這是為什麼我們會花那筆錢。」正是出於這些原因，LeCun和Candela 才會如此小心翼翼地，以最大化成功可能性的方式經營他們的實驗室。
Schroepfer 說，「你越清楚一個組織是做什麼的，做的事情越少，那麼，這個組織做起事情來，效果就越好。所以，如果你讓它做十件事情，這個組織可能只能做好三件，搞砸其他七件。所以，最好希望他們選對要做的三件事。反過來，如果說這個組織只做一件事，你就可以看清楚他們是怎麼做事的。我們有兩個基本不同的問題要解決：面向未來的研究和找到將之應用到現在產品的方法。」
那意味著要創造有效的方式可以在全組織內分享 idea。「我們夢想的情景，我們正在為之努力的情景」Candela 說，「就是建立起這樣的流通機制，(AML)的成員會加入FAIR，」反之亦然。
這已經在上演了。Candela 說, 公司面部識別小組創立於 FAIR，然後搬到了 AML，因為他們的工作和產品越來越相關。計算機視覺小組也是這樣，不過，他們的頭兒 Manohar Paluri 仍然「腳踏」兩邊。
另一方面，Candela 講了一位和 AML 機器翻譯團隊一起工作的研究人員的例子。他「對用神經網路做研究，然後將研究運用到機器翻譯方面，很有激情。因此，他關注的是推動最先進的科學研究，然後他去了FAIR」
LeCun 說，許多由一個小組搭建的基礎框架流向了另一個小組。比如，DeepText 就是 AML 直接完成的，但是研究工作源於 FAIR，當時他們想要搞清楚如何使用卷積網路以及其他深度學習技術，給文本分類和理解文本。當他們確實取得這類進展時，Facebook 對將成果束之高閣毫無興趣。比如，公司的開源代碼博客的一篇博文就詳細解釋了 DeepText，這就是證據。
Facebook 人工智慧黑客馬拉松的秘密
Facebook 第 50 屆黑客馬拉松關注的領域有四個，不過，在扎克伯格的影響下，人工智慧成為焦點。
「兩邊的好處，你都佔了。」Paluri 說。「你確實是在學術界發表成果，參加會議，積極為科學做出貢獻。同時，你還見證著你從事的各種工程和科學工作正影響著數十億人。」
有些人可能會擔心，如此開放會存在商業風險，但是，LeCun 對這樣的想法嗤之以鼻。讓外面的人用他們的代碼工作，Facebook 可以從中收益，因為如果他們做的好話，公司可以僱傭這些人。或者簡單採用他們的改進成果就可以了。
「其他人使用我們的技術，這沒什麼，因為技術價值幾乎不可能從自身得到說明。」LeCun 說。「正是在利用技術的過程中，基於我們的市場定位，我們才能發現它的價值。我們擁有龐大的社交網路商業帝國。因此，如果我們發明了一種能夠應用到這方面的技術，那麼，我們就會成為最快利用這一技術的人。」
另一方面，他補充說，「如果我們沒在其他人之前利用它，那就是我們自己的錯。」
Facebook的開發團隊確實挺牛的。目前擁有超過11000聊天機器人了
https://research.facebook.com/ai
Keith AdamsMichael Auli
Antoine Bordes
Tudor Bosman
Leon Bottou
Lubomir Bourdev
Y-Lan Boureau
Soumith Chintala
Sumit Chopra
Ronan Collobert
Camille Couprie
Piotr Dollar
Rob Fergus
Yunchao Gong
David Grangier
Hervé Jégou
Jeff Johnson
Armand Joulin
Anitha Kannan
Yann LeCun
Kevin Lee
Laurens van der Maaten
Tomas Mikolov
Manohar Paluri
Florent Perronnin
Serkan Piantino
Marc"Aurelio Ranzato
Alexey Spiridonov
Gabriel Synnaeve
Arthur Szlam
Yaniv Taigman
Yuandong Tian
Andrew Tulloch
Mark Tygert
Nicolas Usunier
Pam Vagata
Vladimir Vapnik
Nicolas Vasilache
Jason Weston
Ledell Wu
推薦閱讀：