Facebook作為一家科技公司，它在AI及大數據領域有哪些技術貢獻？

以前我整理過Facebook在AI和大數據方面的探索和貢獻，非常值得分享給大家。您可能會說：有關於Facebook的相關技術字眼都知道、都見過，這沒什麼大不了。但是互聯網很多知識都是零散的、無序的，有的時候我們需要把它們穿起來，這其中最重要的就是知識的總結。

Facebook在2004年成立，2007年起運用各種大數據技術支持社交網路的廣告和推薦等相關業務應用，歷經10多年發展，目前已形成良好的大數據生態；直到2013年12月，Facebook成立了人工智慧實驗室（FAIR）和應用機器學習實驗室（AML），前者致力於基礎科學和長期項目研究，後者致力於將科研成果應用到產品領域。

可以這樣理解：Facebook從涉獵大數據領域起，就註定要走一條不平凡的路，開發、開源並貢獻了各種軟體工具，讓全球的技術愛好者都關注這些技術並無償的使用、維護和優化。FB自身不知不覺成為了這個圈子的統率著，凝聚了大量忠實鐵粉兒。隨之而來的就是在開展AI領域技術研究和產品發布階段，新興黑科技不需要費太大功夫就可以帶來收益。

這裡還簡要介紹了FB在AI及大數據領域的技術實踐，可以看出FB的貢獻功不可沒。在AI領域，Facebook通過一系列開源框架和高性能插件，打造強大的AI平台。它通過短短三年發展與實踐，在人工智慧領域持續趕超Google和微軟等軟體巨頭；在大數據領域，Facebook在GitHub賬戶中貢獻的開源項目有近300個，通過社區力量不斷鞏固並完善開源生態，大數據平台的核心能力在於幫助企業支撐關鍵業務；

由於Facebook早年間主要基於社交媒體開展主營業務，圖片領域的產品功能自然是一大亮點。人臉識別/圖像識別方面的精準度高達97.25%，能在茫茫人海中抓取人臉圖像，這主要得益於深度卷積神經網路的發展，圖像識別工具能夠識別照片和視頻中的物體、人物、地點等相關內容。

在大數據領域，FB的大數據系統管理著數以百萬計的照片和數十億like按鈕流量日誌，通過對數日誌數據的分析處理，洞察用戶行為，並根據用戶喜好為其推薦相關的內容和廣告；它的數據流程大致如下：互聯網用戶的海量系統日誌數據，通過Scribe採集後，實時計算任務在Puma中完成處理和分析，同時實時輸出的結果還要作為離線數據的輸入，分別載入到Hive和Scuba中。基於Hive實現MR批處理作業的離線分析，支持SQL查詢和互動式訪問。HydraBase作為實時檢索工具，Scuba與Presto相結合支撐在線數據分析。所有冷數據存儲在Laser歷史庫中；

Facebook長期擁抱開源、技術開放，通過貢獻社區構建了卓越的生態體系，未來將著眼於AI領域研究探索，Facebook曾提出的未來十年戰略規劃中，講了三個關鍵點：全球化連接、自然化交互以及沉浸式體驗。

全球化連接——主要專註於打造Facebook自己的社交生態系統，實現全球終端和信息的大連接；

自然化交互——將圍繞著視頻、搜索、群組、WhatSApp和Messenger等應用，實現全球移動互聯網的數字化體驗；

沉浸式體驗——重點在於人工智慧(AI)、虛擬現實(VR)、增強現實(AR)、無人機網路等面向未來的新技術；

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！