教人工智能系统尽可能完整地理解视频中发生的事情是机器学习领域最困难的挑战之一，也是最大的潜在突破。今天，Facebook宣布了一项新的举措，希望能让它在这项重要的工作中占据优势：在Facebook用户的公共视频上训练人工智能。

获取培训数据是人工智能最大的竞争优势之一，通过从数以百万计的用户那里收集这些资源，Facebook、谷歌和亚马逊等科技巨头已经能够在各个领域开拓进取。尽管Facebook已经在Instagram收集的数十亿张图片上训练了机器视觉模型，但它之前还没有宣布过类似的视频理解项目。

该公司在博客中说：“通过学习遍布几乎每个国家和数百种语言的全球公开视频流，我们的人工智能系统不仅能提高准确性，还能适应快速变化的世界，识别不同文化和地区的细微差别和视觉线索。”。这个名为“从视频中学习”的项目也是Facebook“致力于构建像人类一样学习的机器”的一部分

Facebook表示，由此产生的机器学习模型将用于创建新的内容推荐系统和审核工具，但在未来可能会做得更多。能够理解视频内容的人工智能可以让Facebook前所未有地洞察用户的生活，让他们分析自己的爱好和兴趣，对品牌和服装的偏好，以及无数其他个人细节。当然，Facebook已经可以通过其目前的广告定位操作获得此类信息，但如果能够通过人工智能解析视频，将为其商店增加一个极其丰富（且具有侵入性）的数据源。

Facebook对其未来在用户视频上训练人工智能模型的计划含糊不清。该公司对Verge表示，这类模型可以有多种用途，从字幕视频到创建高级搜索功能，但没有回答是否将用于收集信息以确定广告目标的问题。同样，当被问及用户是否必须同意将自己的视频用于训练Facebook的人工智能，或者是否可以选择退出时，该公司的回应只是指出，其数据政策规定，用户上传的内容可以用于“产品研发”。Facebook也没有回答具体将收集多少视频用于培训其人工智能系统，以及如何监督公司研究人员获取这些数据的问题。

不过，在宣布该项目的博客文章中，社交网络确实指出了一个未来的推测用途：使用人工智能检索智能眼镜捕捉到的“数字记忆”。

Facebook计划在今年某个时候发布一副消费者智能眼镜。关于这款眼镜的细节还不清楚，但很可能这些或未来的眼镜将包括集成摄像头来捕捉佩戴者的视角。如果人工智能系统能够被训练理解视频的内容，那么它将允许用户搜索过去的录音，就像许多照片应用程序允许人们搜索特定的地点、物体或人一样。（顺便说一句，这是人工智能系统经常根据用户数据编制索引的信息。）

Facebook说，随着用智能眼镜录制视频“成为常态”，人们应该能够像捕捉视频一样轻松地从海量的数字记忆中回忆起特定的时刻。它举了一个用户进行搜索的例子，搜索词是“每当我们为奶奶唱生日快乐歌时，给我看一看，“在收到相关剪辑之前。正如该公司所指出的，这样的搜索需要人工智能系统在不同类型的数据之间建立连接，教它们“把‘生日快乐’这个短语与蛋糕、蜡烛、人们唱各种生日歌等等匹配起来。”就像人类一样，人工智能需要理解由不同类型的感官输入组成的丰富概念。

展望未来，智能眼镜和机器学习的结合将实现所谓的“世界抓取”（worldscraping）——通过将佩戴智能眼镜的人变成流动的闭路电视摄像头，捕捉有关世界的细粒度数据。正如《卫报》去年的一篇报道中所描述的那样：“每次有人浏览超市，他们的智能眼镜都会记录实时的定价数据、库存水平和浏览习惯；每次打开报纸，他们的眼镜都会知道自己读了哪些故事，他们看了哪些广告，又看了哪些名人海滩照片。”

这是一个极端的结果，而不是Facebook目前正在探索的研究途径。但它确实说明了将先进的人工智能视频分析与智能眼镜结合起来的潜在意义——这显然是社交网络热衷于做的。

相比之下，Facebook目前披露的新的人工智能视频分析工具的唯一用途相对平淡无奇。随着今天宣布从视频中学习，Facebook表示，它已经部署了一个新的内容推荐系统，该系统基于其TikTok克隆卷中的视频作品。“流行视频通常由相同的音乐和相同的舞步组成，但由不同的人创作和表演，”Facebook说。通过分析视频内容，Facebook的人工智能可以向用户推荐类似的视频片段。

然而，这样的内容推荐算法并非没有潜在的问题。麻省理工学院（MIT）技术评论（Technology Review）最近的一份报告强调，社交网络对增长和用户参与度的重视，使其人工智能团队无法充分解决算法如何传播错误信息和鼓励政治两极分化的问题。正如《技术评论》的文章所说：“最大化参与度的（机器学习）模式也有利于争议、错误信息和极端主义。”这造成了Facebook人工智能道德研究人员的职责与公司最大化增长的信条之间的冲突。

Facebook不是唯一一家追求高级人工智能视频分析的大型科技公司，也不是唯一一家利用用户数据进行分析的公司。例如，谷歌维护了一个可公开访问的研究数据集，其中包含800万个经过策划和部分标记的YouTube视频，目的是“帮助加速大规模视频理解的研究”。这家搜索巨头的广告业务同样可以从理解视频内容的人工智能中获益，即使最终的结果只是在YouTube上提供更相关的广告。

不过，Facebook认为自己比竞争对手有一个特别的优势。它不仅拥有大量的训练数据，而且将越来越多的资源投入到人工智能方法中，称为自监督学习。

通常，当人工智能模型在数据上训练时，这些输入必须由人类标记：例如，标记图片中的对象或转录录音。如果你曾经解决过识别消防栓或人行横道的验证码问题，那么你很可能已经标记了有助于人工智能训练的数据。但是，自我监督学习消除了标签，加快了训练过程，一些研究人员认为，随着人工智能系统教自己加入这些点，会产生更深入、更有意义的分析。Facebook对自我监督学习非常乐观，称之为“智能的暗物质”

该公司表示，其未来在人工智能视频分析方面的工作将侧重于半监督和自我监督的学习方法，而这类技术“已经改善了我们的计算机视觉和语音识别系统。”，跳过人工智能培训的标签部分当然是有道理的。如果社交网络能教它的机器学习模型无缝地理解视频，谁知道他们会学到什么呢？