2013 年，杨立昆以纽约大学教授的身份兼职加入 Facebook，随后便着手组建了 Facebook 人工智能实验室（Facebook AI Research，FAIR）。杨立昆领导了 Facebook 的人工智能研究，主攻方向是自然语言处理、机器视觉和模式识别等领域。FAIR 也绝对是一个人才济济的地方，除了杨立昆亲自担任实验室主任外，还有 VC 理论和支持向量机的缔造者弗拉基米尔·万普尼克（Vladimir Vapnik，1936—）、随机梯度下降算法的发明人赖恩·布图（LéonBottou，1965—）、 高 性 能 PHP 虚 拟 机 HHVM 的 作 者 基 思· 亚 当 斯（KeithAdams）等都在此实验室工作。
根据 FAIR 的介绍，它主要专注于基础科学和长期研究，有 70% 的资源分配在这上面。Facebook 还组建了“应用机器学习”（Applied Machine Learning，AML）部门，由华金·坎德拉（Joaquin Candela）带领，主要负责将机器学习的研究成果落地到产品上，与 FAIR 的资源分配比例正好互补。
得益于 FAIR 和 AML 的工作成果，Facebook 在自然语言处理、人脸识别这方面确实处于业界领先的地位，例如它的人脸识别工具 DeepFace 已经能做到比人类更准确地识别两个不同的图像是不是相同的人。根据测试结果，DeepFace 的识别成功率为 97%，而人类是 96%。它发布的阅读文本的人工智能引擎 DeepText，能以接近人类的准确度去理解文字内容。在计算机语言学2017 年度大会（ACL 2017）上，Facebook 展示了如何通过阅读维基百科来回答开放性的问题，在扫描了大量维基百科网站页面后，能够回答诸如“17 世纪奥斯曼帝国有多少个省？“美国哪个州的座右铭是‘Live free or Die’？”“查德威克发现了原子中的哪个部分？”这样无前提约束的开放性问题。
302
第三部分 第三波高潮