ML 预测平台的第一个产业版 V1，在实际使用中为 Facebook 广告团队带来了比不使用 ML 更好的结果。 Mehanna 具体解释了 AML（应用机器学习小组）这一成就对 Facebook 商业上的影响：将收入提高1%、2%、3%，用户的观看时间就要增加1%、2%、3%，而对 Facebook 来说，每一个百分点的提高都是巨大的影响。

　　也许比盈利的增长和用户新闻观看时间增长更重要的是，V1 让团队中很多对 ML 和神经网络抱有怀疑的人无话可说。作为一个平台，V1 在设计和建造时就是为了在公司的许多地方使用的，包括新闻源、搜索等各个产品团队。在首次使用成功后，下一个季度的时间里，Facebook 公司又使用了 15 种新的 ML 模型。如今，Facebook 产品团队中，有四分之一开发者在使用 V1 的升级版 V2 平台，每个月有超过 100 万个新的 ML 模型被测试。

　　V1 平台使 ML 扩展到广告团队之外，让 Zuckerberg 和 Schrep 意识到要增加对 AI 的投资。而优化学习平台又提高了建立和训练 ML 模型的迭代速度。这对研究人员来说无疑是一个大好的消息。Mehanna 解释说，研究人员有一个想法，一天内就可以做完但却要等一个月才能知道结果，没有什么比这更令人沮丧的了。

　　推理的优化是独立于模型的，因此它可以和其他模型一起使用。FAIR 和应用机器学习团队的人将 ML 抽象为模块，其他不了解 ML 的人也可以直接拿过来使用。因此，Facebook 内部，FAIR 和应用机器学习团队开发的 ML 模型也得到了越来越多的应用。

　　这就是从研究到产品化的多阶段 AI 管道的工作原理。模型是基于应用机器学习小组的经过验证的研究而构建，用于解决通用性的问题。模型通过专门的 ML 技术和技术优化在 Facebook 的基础架构上运行，然后将其抽象，以便产品团队开发人员可以使用这些模型。最后，这些模型被应用于 FBLearner Flow 的各种产品中。

　　在我们访问期间，Mehanna 经常谈论做研究并将其转换为这些可用的产品。他总结了抽象的 ML 平台在整个公司的影响，就像厨师 Emeril 说的那样。“真的，人们只要打开罩子、按下开关——BAM！好了，全部都是现成的。”

　　Facebook 副总裁：连续七年，最令我担忧的事情是行动速度在放缓

　　大多数大公司至少有一个创新副总裁；Linkedin上，你可以发现 IBM 有 34 名副总裁，头衔里有“创新”的字样。Facebook 一个也没有，因为创新已经是整个工程文化的一部分。Facebook 的创新模式可以总结为紧迫性、定期迭代和定量展示进度。新的开发项目可以使用实时数据进行测试，因为 Facebook 构建了一个屏障来保护用户体验不受实验的影响。扎克伯格那句代表性的话的前半部分——“动作快、有突破”（move fast and break things）在现实中得到了应验。只不过，现在的 Facebook 打破的事情要比以前少得多。

　　“连续七年，最令我担忧的事情就是行动速度在放缓，”Facebook 全球工程和基础设施副总裁 Jay Parikh 说。

　　基础设施、平台硬件和平台软件使开发人员能够快速行动。Facebook Live 在原型开发出来 3 个月后就发布了。“动作快”也被应用到 AI 这个具有相同紧急性的下一代平台，只是 AI 被给予了更长的时间。这是因为 AI 作为一个平台，与移动端相比还不那么成熟。实时视频内容理解、无监督学习和强化学习这些有前途的研究要投入到产业应用，还有一些问题需要解决。还需要设计、验证和构建新的硬件架构。

　　Facebook 属于一个非常小的队伍，这个队伍里的成员还有谷歌、IBM 和微软。这些公司都具有深厚的专业知识，并已开始大规模的应用 ML。虽然这些公司拥有巨大的人才和资源，AI 社区需要集体发展才能加快进步。所有这些公司都开源了他们的软件，公开研究，在会议上发言，与大学和研究机构合作。这种开源与协作是十分重要的，因此相互竞争的 Facebook 和谷歌才会有研究人员联合发表论文。

　　开放性对吸引人才也有用。Facebook 的平台吸引了很多 ML 工程师，因为他们在 Facebook 可以建立由10 亿人使用的 ML 系统。但是，开放性对研究人才招聘更为重要，因为发表的研究论文是衡量研究人员职业生涯的标准。工程师只有与外部同行自由沟通，才能快速完成他们的工作。