Les ingénieurs du laboratoire de recherche en intelligence artificielle AI Research de Facebook (FAIR), qui veulent faire avancer la connaissance dans le domaine de l'intelligence machine et développent des technologies pour améliorer la communication entre les individus, ont livré en Open Source plusieurs modules logicielsaxés sur la reconnaissance d'images, la modélisation du langage et d'autres tâches d'apprentissage machine. « Ces modules pourraient être utilisés par des start-ups ou des entreprises qui aimeraient créer des produits et services basés sur l'intelligence artificielle (AI), mais ne disposent pas de l'expertise suffisante pour développer de telles capacités en interne », a déclaré Soumith Chintala, ingénieur de recherche au Facebook AI Research Lab (FAIR). « Facebook n'intègre pas encore de technologies AI dans son service de réseau social », a précisé l'ingénieur, « mais les modules que développe FAIR pourraient servir un jour à améliorer l'expérience client ». C'est pour parer à la relative rareté des outils AI disponibles sur le marché que Facebook finance ce laboratoire. « FAIR développe des capacités AI de base en interne et livre son code en Open Source pour permettre à d'autres de l'utiliser et de l'améliorer », a-t-il expliqué. Les modules fonctionnent avec Torch de Facebook, un framework de développement Open Source pour construire des applications d'apprentissage. Google, Twitter, Intel et Nvidia ont déjà utilisé ce framework pour leurs projets. Mais le module qui enthousiasme le plus Soumith Chintala est celui qui a été écrit pour reconnaître les objets dans des images. Et même s'il existe déjà un grand nombre de bibliothèques logicielles capables de réaliser ce genre de tâche, le code développé par FAIR permet une reconnaissance beaucoup plus rapide. Ce module utilise des technologies que les chercheurs de Facebook ont développées en même temps que la bibliothèque cuFFT de Nvidia (FFT fait référence à l'algorithme de conversion de signaux Transformation de Fourier rapide). Le module a été conçu pour tourner sur des serveurs équipés de GPU et peut être utilisé pour construire des réseaux convolutifs, un système de réseau neuronal émergent bien adapté pour la reconnaissance machine.

Un autre module appelé Hierarchical SoftMax, permet d'accélérer le processus d'apprentissage machine d'un réseau pour comprendre les relations entre des dizaines de millions d'objets - les mots d'un dictionnaire, par exemple. Ce module pourrait être utilisé pour prévoir le mot suivant dans une phrase, à partir des premiers mots. Hierarchical SoftMax utilise des travaux réalisés par les laboratoires de recherche de Microsoft. « Un autre module est axé sur la corrélation temporelle », a déclaré Soumith Chintala. Il peut être utilisé pour examiner une série de données temporelles et prédire la prochaine valeur. Ce module pourrait aussi servir au langage prédictif. Facebook a également publié une table de recherche optimisée qui peut permettre de conserver en mémoire de très grands nombres d'objets. « Un programme informatique qui cherche une relation entre des mots connexes, comme « nourriture» et « faim », pourrait utiliser la table pour accélérer la mise en relation de ces mots », a encore expliqué l'ingénieur de Facebook. Le réseau social a testé ce module pour son propre compte afin de proposer automatiquement un hashtag correspondant à un texte donné.