Facebook 宣佈推出深度學習推薦模型（DLRM）的開源版本，這是一種最先進的個性化推薦 AI 模型，並且可用於生產環境中。該模型的實現可用於 Facebook 的 PyTorch、Facebook 的分佈式學習框架 Caffe2 和 Glow C++。
推薦引擎在很大程度上決定着人們每天看到的內容，無論是 Facebook 等社交媒體網站、亞馬遜等電子商務網站的內容，還是在 Xbox 首頁的推薦遊戲。就在上個月，亞馬遜也將 AI 應用於 AWS 上的個性化購物推薦系統。
5 月底，20 多位 Facebook AI 研究人員在 arXiv 上發表了一篇論文，解釋了 DLRM 模型如何使用映射分類數據的嵌入表進行表達，其中大部分計算由預測函數多層感知器（MLP）執行。論文詳細介紹了 DLRM 模型，並與現有推薦模型進行比較，以充分展示其特性。
Facebook 人工智能研究（FAIR）已經將其大量工作開源，免費提供 DLRM 可以幫助更廣泛的 AI 社區解決推薦引擎帶來的挑戰，比如利用神經網絡將分類數據與某些更高級別的屬性相關聯。
DLRM 的製造商建議用該模型對推薦引擎的速度和準確性性能進行基準測試。用於實驗和性能評估的 DLRM 基準測試是用 Python 編寫的，支持隨機和合成輸入。
Facebook 研究科學家 Dheevatsa Mudigere 和 Maxim Naumov 在一篇博客文章中表示，將在未來公開分享優化 DLRM 系統的性能結果。
最近幾周由 Facebook 開源的其他 AI 模型或框架還包括 PyRobot，與 PyTorch 一起工作的機器人框架；以及 PyTorch Hub，一個工作流程和 API，旨在鼓勵 AI 模型的再現性。還有 Ax 和 BoTorch，用於機器學習實驗和貝葉斯模型優化的工具，於 5 月與 PyTorch 1.1 一起推出。
Facebook 的推薦工具在過去一直存在爭議。去年，Keras 深度學習圖書館創建者 FrançoisChollet 在一篇帖子中稱，“有良心的 AI 研究人員不應該在 Facebook 工作”，他提倡“不要使用 AI 作爲操縱用戶的工具；相反，將 AI 作爲工具提供給用戶，讓他們擁有更多的自主權。”