其他的团队，个人也可以借此开发自己的产品。人工智能技术由此在公司内部慢慢被人所熟悉接受，慢慢推广出去。Candela 总结了一下：「其实这是一个非常简单的三部曲。首先是你需要关注性能表现；其次你需要提升实用性，最后你需要围绕着它开发一个社群。」

　　Candela 的广告团队用事实证明了机器学习技术给 Facebook 带来了怎样的创新和转型。「我们在预测广告的点击数、点赞数、访客到客户的转化率上面，越来越准确。而这样的技术正在慢慢蔓延到 Facebook 其他的产品和服务商。」

　　在 2015 年的 12 月，Facebook 又成立了另外一支新的「应用机器学习团队」，Candela 兼任这个团队的负责人。同时，他还跟 FAIR 保持着紧密的联系。FAIR 团队在纽约、巴黎、Menlo Park 都有分支，而事实上，应用机器学习团队的成员往往就坐在 FAIR 成员的旁边。

　　这种紧密合作的关系，你可以通过 Facebook 上大家 Po 出来的照片意识到。在过去的几年时间里，利用 AI 技术来训练系统识别物体，已经成为了一个非常普通的工作。把一个物体放置到一个场景里，让系统在这个场景中把这个物体识别出来，又或者给系统看一张照片，让系统自己得出结论它是在门内拍摄的还是门外拍摄的。

　　就在最近，FAIR 的科学家们又有了新的进展，他们将神经网络训练到可以识别出照片中每一个物体，通过这个物体在照片上的具体位置，物体与物体之间呈现着怎样的关系，系统可以清楚的知道这张照片给我们展示的是什么。就比如说系统通过照片中人物的姿势，可以判断出来人们是在拥抱，还是某个人正在骑马。

　　FAIR 的科学家之一 Lecun 说道：「我把研发进展拿给应用机器学习团队的人看。他们想了一下说道：』你知道吗？如果放到现实中，有一个特别的用处。那些盲人，或者视觉严重损伤的人，他们只需要将手指放到一张图片上，手机就可以形容图片上的物体是什么，图片整体内容又是什么了。」

　　Candela 说道：「我们无时无刻不在相互沟通，分享一切进展。从科学到项目，这之间的过渡是需要黏合剂的，而我们就是这个黏合剂。」

　　Candela 将 AI 的应用分成了四个大的板块：视觉、语言、语音以及相机特效。这四个板块都指向了一个目标：「内容理解引擎」。在这里，他还专门对「内容」下了明确的定，Facebook 是要让软件能够从留言中捕捉到人们的真实意图，atv，从语音的语调、语气中提取出细微的区别，通过人们面容中一闪而过的表情，解读出你的情绪在一天中跌宕起伏的曲线，并将这一切全部归档。

　　Candela 认为：「我们的工作其实就是对 AI 进行一般化归纳。通过这种方式，在内容爆炸的互联网上，我们需要让软件能够理解和分析内容，我们需开发一个底层的、一般化的系统，一个项目完成后，其成果可以造福于其他相关项目。如果我能找到一种算法，将一个任务中所形成的知识迅速地挪移应用到另外一个项目上，这本身就挺酷的不是吗？」

　　正是因为人工智能技术成为了一个平台，才使得 Facebook 能够这么快地推出产品。就比如说 Instagram，在一开始，系统让用户的照片是按照一种逆时间顺序排列的。但是到了 2016 年的年初，它决定使用全新的算法，按照相关性来给照片排级。

　　Candela 说道：「Instagram 要做出这样的转变，完全不用平地起高楼。他们只需要自己的工程师中间有一两个对机器学习比较精通的，然后负责让他们跟外部若干个研究排名应用的团队保持对接，很多研究成果直接拿过来复制即可，如果有一些不懂的地方随时请教即可。正是因为团队间成果共享，且在人工智能的平台上知识迁移成本很低的特点，使得 Instagram 在仅仅几个月的时间内，就完成了一次脱胎换骨的转变。

　　除了对某个平台实现较为单一的人工智能的升级换代之外，AML 团队还在不断地寻找其他机会，跟 Facebook 各种不同的研发团队进行合作，将人工智能技术跟其他的技术产品相结合，从而打造出一个前所未见的功能，并针对 Facebook 这样的用户群进行投放。

　　AML 下属的干支团队中的工程师 Tommer Leyvand 说道：「我们在使用机器学习技术打造产品的核心功能，并永远致力于取悦我们的用户。」该人之前曾经供职于……等等，又是微软公司！