11月3日消息:Facebook 今天凌晨宣布，该公司将终止使用人脸识别系统，并将删除超过10亿人的人脸识别模板. 数据显示，已有超过三分之一的日活用户（逾6亿个账户）在Facebook上选择使用人脸识别技术. Facebook人脸识别系统可以自动识别发布在社交媒体的照片和视频中人的面部. 据报道，此举是新更名的Meta公司人工智能副总裁Jerome Pesenti在一篇博文中提及，Pesenti表示，Facebook将在未来几周关闭其面部识别系统，删除超过10亿人的个人面部识别数据，「作为公司对于面部识别使用限制的一部分」.

Facebook 因为推错了 BGP 路由的配置，相当于直接把自己的所有系统从互联网上断开了. 没法快速恢复是因为平时通过互联网工作的员工也访问不到. 更厉害的是门禁系统也在断开的系统之内，员工的门禁卡失效没法物理进入机房维护. 想看更多劲爆内容，请下载抽屉新热榜客户端 :.

据报道，Facebook的大规模故障给这个社交网络的财务带来了很大的损失. 《财富》和Snopes估计，自从其应用程序（包括Instagram和WhatsApp）在周一美东时间上午8:30左右宕机下线后，这个世界上最大的社交网络已经损失了至少6000万美元的收入. 两家媒体都使用Facebook在发布第二季度财报时提供的数字估算了截至美东时间下午4点的收入损失.

【TechWeb】3月15日消息，据国外媒体报道，Facebook在增强现实（AR）和虚拟现实（VR）上押下重注. 据报道，Facebook有近1万名员工（占其全球员工总数的近五分之一）在研发AR和VR设备. 2017年，Facebook的全球员工总数为18770人，其中该公司旗下Oculus VR部门的员工超过1000人，所占比例超过5%.

编辑导读：每个设计师都会有创意灵感缺失、大脑一片空白的状态，这个时候去看看最新的一些设计趋势会是一个寻找灵感的好方法. 本文作者梳理盘点了国外主流产品的10大创新设计，希望能帮助解决你设计时遇到的灵感枯竭. 国内的产品设计同质化严重，将众多同类产品放在一起，去除图标和主题色的话，很难区分是哪个App.

fastText是Facebook于2016年开源的一个词向量计算和文本分类工具，在文本分类任务中，fastText（浅层网络）往往能取得和深度网络相媲美的精度，却在训练时间上比深度网络快许多数量级. 在标准的多核CPU上， 能够训练10亿词级别语料库的词向量在10分钟之内，能够分类有着30万多类别的50多万句子在1分钟之内.

PingWest品玩8月13日讯， 据Gizmodo报道，美国联邦调查局（FBI）希望Facebook和Twitter等科技公司开发一种工具，可以监控其社交平台上的各种威胁. 近日，FBI发布了一份“征求建议书”，称该机构希望拥有一款“社交媒体早期预警工具”，帮助他们追踪恐怖分子、犯罪组织等对平台的使用情况.

Libra：社交帝国Facebook的转型雄心. 原创： 徐思彦，陈明艳  腾讯研究院  3天前. 作者| 徐思彦 腾讯研究院高级研究员.           陈明艳 腾讯研究院助理研究员. 北京时间2019年6月18日下午，全球最大社交网络平台Facebook正式发布Libra，一个为全球数十亿人提供简单无国界的数字加密货币和金融基础设施服务的区块链平台.

萧文翔，高雄人，纽约读书，旧金山工作. 目前在脸书Facebook担任产品经理，之前在Dropbox担任增长方面的资深产品经理. 以下内容是针对美国软件业的产品经理描述，硬体或其他国家可能有不同的生态. 简单来说，在顶尖科技公司之中，产品经理扮演着推动产品演进，负责产品从概念到上市，作为所有部门之间的中枢角色.

方栗子 发自 凹非寺. 量子位 出品 | 公众号 QbitAI. Facebook发布了一个开源框架，叫 QNNPACK，是手机端神经网络计算的加速包. 官方表示，它可以 成倍提升神经网络的推理效率，几乎比 TensorFlow Lite快一倍. 这个框架，能够为很多运算加速，比如 DW卷积 (Depthwise Convolution) ，许多先进的架构里面都用得到.

雷锋网 AI 科技评论按：近日，Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++. 系统基于全卷积方法进行语音识别，训练语音识别端到端神经网络的速度是其他框架的 2 倍多. 他们在博客中对此次开源进行了详细介绍. 由于端到端语音识别技术能够轻易扩展至多种语言，同时能在多变的环境下保证识别质量，因此被普遍认为是一种高效且稳定的语音识别技术.

大多数机器学习任务——从自然语言处理、图像分类到翻译以及大量其他任务，都依赖于无梯度优化来调整模型中的参数和/或超参数. 为了使得参数/超参数的调整更快、更简单，Facebook 创建了一个名叫 Nevergrad（ https://github.com/facebookresearch/nevergrad） 的 Python 3 库，并将它开源发布.

总体答案：微软相对闲，FB相对忙，跟国内比应该都是偏轻松. 但是具体情况也都决定于：（1）组； （2）个人； （3）产品. 微软打酱油的组很多，因为微软太大了，利润也很高，企业又臃肿，所以酱油组的确舒服. 举例：当时有人转组到我们这里，因为之前的组实在太闲了，老板1:1常年取消，偶尔来一次也都在谈滑雪等娱乐，老板最怕他问职业发展和技术问题.

三月初，Facebook AI Research（FAIR）开源了一个名为 Faiss 的库，Faiss 主要用于有效的相似性搜索（Similarity Search）和稠密矢量聚类（Clustering of dense vectors），包含了在任何大小的矢量集合里进行搜索的算法. Faiss 上矢量集合的大小甚至可以大到装不进 RAM.

编者按：每一个经常使用社交媒体（Facebook）的人都会发现，当好友达到一定程度之后，NewsFeed（在国内，可以看做是微信朋友圈）就会爆炸. Facebook的做法是让算法帮你“打理”NewsFeed，这背后存在什么问题. 著名分析师Benedict Evans在最近的博客文章中讨论了关于NewsFeed的话题，并从NewsFeed背后的转变谈到了社交应用的发展历程.

刚得到消息，人民日报在 Twitter 和 Facebook 上发文，欢迎 Google 回归中国，不过要遵守中国法律. 这是上周 the Intercept 放出消息 Google 将要回归之后，人民日报首次做出的回应，也是非常重要的肯定. 尽管像 上篇讲的，国外民众对 Google 的此举非常有意见.

6 月 22 日早晨，Facebook 宣布将扩大其内容核查范围，以打击社交网络上面的虚假新闻和恶作剧消息，并通过相应的打击措施和技术手段，尽量减少虚假新闻带来的恶劣影响. Facebook 在博文中透露，虚假新闻以及恶意篡改内容在一些国家已经成为常态，这使得读者难以判别信息的真假，甚至难以判别与新闻事件相关的图片或视频是否真实.

编译 | 刘畅、尚岩奇、林椿眄. 2017年末，Facebook应用机器学习组发布最新论文，对整个Facebook的机器学习软硬件架构进行了介绍. 纵览全文，我们也可以从中对Facebook各产品的机器学习策略一窥究竟. 论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战，并给出了Facebook的应对策略和解决思路，对相关行业和研究极其有意义.

Facebook 在 Apache 2.0 许可证下 开源了它的目标识别平台 Detectron， 源代码托管在 GitHub 上. Detectron 用 Python 开发，基于 Caffe2 深度学习框架. Facebook 同时公开了超过 70 个预先训练的模型. Detectron 项目始于 2016 年，实现了一系列最新的目标识别算法如 Mask R-CNN，该软件平台在社交巨人的视觉感知系统的进步上扮演了重要角色.

标签：   facebook   spark.    Facebook 经常使用数据驱动的分析方法来做决策. 在过去的几年，用户和产品的增长已经需要我们的分析工程师一次查询就要操作数十 TB 大小的数据集. 我们的一些批量分析执行在古老的 Hive 平台（ Apache Hive 由 Facebook 贡献于 2009 年）和 Corona 上——这是我们定制的 MapReduce 实现.

根据国外的科技媒体报道，谷歌和 Facebook 几乎合占全球数字广告市场的半壁江山. 谷歌自是不消多说，它的搜索引擎业务有着极为庞大的用户群体，依靠搜索广告和与网页内容相关的广告，它被称为新时代的“印钞机”. 但是，Facebook 则不相同，它是一个社交媒体网络服务平台，虽然用户众多，但在它的应用场景中，广告变现并不占优势.

​编者按：今日，微软和Facebook宣布将推出Open Neural Network Exchange（ONNX，开放神经网络交换）格式，这是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行迁移. ONNX是迈向开放生态系统的第一步，AI开发人员可以轻松地在最先进的工具之间转换，并选择最适合他们的组合.

每台机器都使用多实例的模型. 每个机器放多个实例，每个实例放多个DB. 一些信息可以参考： https://www.youtube.com/watch?v=UBHcmP2TSvk. 多实例之间没有进行资源隔离，这么做是让每个实例都能发挥最大性能. 目前大部分核心业务已切换成MyRocks引擎，在机器硬件配置不变的情况，约可节省一半机器.

选自code.facebook. 作者：Jonas Gehring、Michael Auli、David Grangier、Denis Yarats、Yann N. 去年谷歌在机器翻译上取得了连续不断的突破，参阅《. 重磅 | 谷歌翻译整合神经网络：机器翻译实现颠覆性突破》和《. 重磅 | 谷歌神经机器翻译再突破：实现高质量多语言翻译和 zero-shot 翻译》.

摘要： Facebook最近开源了beringei时序数据库，其是用来解决其内部监控数据存储和查询需求的数据库，特点是读写速度快. beringei在压缩算法上有哪些独到之处?本文中阿里云数据库高级专家叶翔将为大家深度解读. Facebook最近开源了beringei时序数据库. beringei是用来解决其内部监控数据存储和查询需求的数据库，其特点是读写速度快，属于内存数据库.

Caffe 作者，Facebook 研究科学家贾扬清 11 月 8 日在 Facebook 官方网站上发文，介绍了他在 Facebook 最新的机器学习研究成果——Caffe2go. 这一款规模更小但训练速度更快、对计算性能要求较低的机器学习框架使得在手机上运行并训练神经网络模型成为可能. Caffe2go 已经成为 Facebook 机器学习的核心技术.

比深度学习快几个数量级，详解Facebook最新开源工具——fastText. 导读：Facebook声称fastText比其他学习方法要快得多，能够训练模型“在使用标准多核CPU的情况下10分钟内处理超过10亿个词汇”，特别是与深度模型对比，fastText能将训练时间由数天缩短到几秒钟. Facebook FAIR实验室在最新博客中宣布将开源资料库fastText，声称相比深度模型，fastText能将训练时间由数天缩短到几秒钟.

雷锋网按：Facebook的AML和FAIR团队合作进行自然语言处理对自然语言理解进行着合作研究. 在2017年4月19日举办的F8开发者大会上，Facebook向公众介绍了他们的研究进展、自然语言理解在Facebook产品中的应用，并且介绍了平民化的自然语言理解平台CLUE，希望依靠大家的力量，继续丰富自然语言理解的应用.

    想要构筑一个大型系统，如果你不像Facebook那么有钱、任性还能折腾，如果你的团队规模有限，如果你想要节约成本，如果你想要降低人员流动带来的影响，如果你要减小HR的压力，如果你希望员工可以在工作告一段落后可以在不同的项目/团队间进行转岗，那么尽量让团队使用少的技术/语言是一个很好的选择，PHP会是这个不二之选吗.

Facebook 内部分享：不论你如何富有，你都赚不到更多的时间，你也回不到过去. 没有那么多的假如，只有指针滴答的时光飞逝和你应该好好把握的现在，以下25张PPT的分享将为您带来时间价值管理的技巧. 2、时间总会有的：每天只计划 4～5 小时真正的工作. 3、当你在状态时，就多干点；不然就好好休息：有时候会连着几天不是工作状态，有时在工作状态时却又能天天忙活 12 小时，这都很正常的.