Facebook今天第一次正式介紹了FBLearner Flow，一個可以為全公司員工管理機器學習模型的機器學習軟件。換句話說，這是一個可以自己制造人工智能的人工智能，你可以理解為傳說中的人工智能母體。

　　它與其他基于云端的機器學習服務有點相似，例如微軟的Azure機器學習或者Airbnb的開源Airflow，不過，FBLearner Flow是根據Facebook自己的業(yè)務而進行最優(yōu)化的，裝滿了Facebook工程師開發(fā)的算法，讓公司其他人都可以為自己的模型而使用該平臺。

圖片來源：webcorenigeria

　　“公司超過25%的人都在使用，使用情景是我們之前無法預想的。”Facebook核心機器學習小組總監(jiān)Hussein Mehanna在一次訪談中告訴Venture Beat。

　　Facebook不只可以發(fā)布關于FBLearner Flow的學術論文，還可以最終將其開源。Facebook工程師已經與其他公司的人討論了這類技術，包括Linkedin、Twitter和Uber等公司。Mehanna說，他們都非常感興趣。

　　當然會對開源感興趣啦——這個系統已經在Facebook這樣的大公司驗證可行，而且，這！不！花！錢！這一點就與來自Domino Data Lab和Yhat的數據科學合作工具不同。

　　Facebook經常將一些技術開源，這樣的做法也符合公司自己的需要，因此如果未來FBLearner Flow完全開源了也不奇怪。問題是Facebook是否愿意投入工程資源，將這項技術與其專利系統的匹配斷開。話雖如此，如果Facebook不愿開源、將FBLearner Flow壓在箱底也不奇怪。因為多虧了這項技術，員工變得更加高效了。這會是一個競爭優(yōu)勢。人們在新系統中可以看到過往的試驗和結果，甚至將兩個不同的機器學習流水線結合起來，設計出某種更加復雜的東西。此外，圖形交互界面讓非工程師也可以使用這個新平臺，因此才會有Mehanna說高達的25%的人都在使用。

　　無論未來是否會開源，至少，我們今天獲得了一部分FBLearner Flow的技術詳解。讓我們來看看Facebook工程師Jeffrey Dunn的博文，詳細解讀FBLearner Flow作為Facebook的人工智能母體到底厲害在哪兒。Jefferey Dunn從卡內基梅隆大學獲得碩士學位，2011年加入Facebook，參與打造圖片搜索中的網絡搜索等工作。

　　圖片來源：Facebook Code

　　如今，Facebook的許多體驗和交互都是依靠AI實現的。當你登錄Facebook，我們使用機器學來給你提供獨特的、個人化的體驗。機器學習（ML）模型實現了個人化新聞流（News Feed）、過濾了可能得罪人的內容、突顯流行熱點話題并將搜索結果排名。還有很多其他體驗可以從機器學習中獲益。但是以前，工程師必須有很強機器學習背景，不然沒法好好利用公司的機器學習基礎設施。在2014年底，我們從零開始，重新定義Facebook的機器學習平臺，將最先進的AI和ML算法送到Facebook每一位工程師的手中。

　　我們希望能有這樣的一個平臺：

　　1.每個機器學習算法應該可以一次性設置好，可以重復使用；

　　2. 工程師可以寫一個訓練流水線，在許多機器上平行運行，可以被很多工程師所用。

　　3. 無論工程師在機器學習領域的背景深淺，都可以很簡單地訓練模型，而且，其中幾乎所有的 步驟都可以完全自動化。

　　4. 人人都能很方便地搜索過往試驗、查看結果、與他人分享，并在某一個試驗中開啟新的變量。

　　我們決定建造一個全新平臺：FBLearner Flow，可以簡單方便地在不同產品中重復使用算法，可以放大規(guī)模同時運行幾千個定制試驗，并且能夠輕松管理試驗。這個平臺提供了創(chuàng)新性的功能，例如從流水線定義和自動平行Python代碼自動生成UI體驗。平臺從創(chuàng)立起已經訓練了超過一百萬個模型，我們的預測服務發(fā)展到每秒超過600萬次預測。

　　減少了手動工作的工程師們可以花更多時間進行特征工程，這反過來又可以進一步提升精度。工程師可以在更大的平臺層面去發(fā)揮影響。FBLearner Flow提供了平臺和工具，讓工程師每天進行幾千個試驗。