智东西 编 | 李水青
导语：Facebook宣布推出深度学习推荐模型的开源版本，该模型据称是业内最先进AI模型。
智东西7月3日讯息，Facebook今天宣布推出深度学习推荐模型（DLRM）的开源版本，该模型据称是用于在生产环境中提供个性化结果的最先进AI模型。
该模型可以在GitHub上找到，Facebook的PyTorch、分散式学习框架Caffe2和Glow C++都能使用。
推荐引擎很大程度上决定了人们每天看什么。无论是Facebook等社交媒体网站，还是亚马逊等电子商务网站的内容，都大大影响使用者每天的关注点。上个月，亚马逊将其AI用于AWS上的购物推荐系统Personalize，这又会对人们的购物行为产生很大影响。
5月底，20多位Facebook AI研究者在arXiv上发表了论文，解释了DLRM模型如何使用嵌入表将分类资料对映到模型。据介绍，其中预测函式多层感知器（MLP）执行了大部分计算。
Facebook技术战略总监Vijay Rao，在今年早些时候的开放计算专案会议上就开源专案做了一场演讲，他在演讲中详细介绍了使用神经网络进行大量嵌入的方法。
Facebook的人工智能研究专案（FAIR）开放了很多源代码。同时，Facebook公司正在免费提供DLRM，以此帮助更广泛的人工智能社群应对推荐引擎带来的挑战，如：一些社群可能需要神经网络将分类资料与某些更高阶别的属性关联起来。
“虽然个性化推荐系统在当今的行业内推动了深度学习实践的成功，但这在学术界仍然很少受到关注。”Facebook AI研究者释出的论文写道，“通过提供最先进的推荐系统及其开源实现的详细描述，我们希望业界的一些独特挑战能被关注，以便进一步进行演算法实验、建模、系统协同设计和基准测试。”
DLRM的制造商建议，该模型可以用来对推荐引擎的速度和准确性进行基准测试。用于实验和效能评估的DLRM基准测试是用Python编写的，并且支援随机综合输入。
Facebook的推荐工具在过去一直存在争议。Keras深度学习图书馆建立者François Chollet去年在一篇冗长的中篇帖子和一系列推文中宣称，有良知的AI研究人员不应该在Facebook工作，部分原因是Facebook现在的推荐引擎的工作方式问题。
Facebook研究科学家在部落格中表示，DLRM系统的效能优化结果将择日公布。
最近几周由Facebook开发的其他AI模型，包括一个与PyTorch一起工作的机器人框架PyRobot，以及一个工作流管理系统（应用程序程式设计界面）PyTorch Hub，都旨在增强AI模型的再现性。
Facebook DLRM模型致力于在生产环境中提供个性化结果，可用于推荐引擎的速度和准确性基准测试，值得学界和业界关注。
DLRM模型开源版本的开放和模型的免费使用措施，有利于帮助更广泛的人工智能社群应对推荐引擎带来的挑战。
DLRM模型及推荐工具可能带来的资讯茧房、商业侵蚀等负面影响争议，依然值得Facebook自身进行衡量。
文章来源：VentureBeat、《个性化和推荐系统的深度学习推荐模型》
