Facebook AI Research（FAIR）是Meta Platforms的人工智能实验室，成立于2013年。该实验室的创立旨在推动机器学习、深度学习及相关领域的基础研究，并明确承诺开放科学和研究成果的发表。2023年，FAIR被整合到更广泛的Meta AI组织中，该组织涵盖公司范围内研究与产品导向的人工智能工作。
FAIR采用分布式结构运作，主要办公室位于加利福尼亚州门洛帕克、纽约市、法国巴黎和加拿大蒙特利尔。实验室雇佣了众多领域内的知名研究者，包括Yann LeCun，他担任创始主任并继续担任Meta的首席AI科学家。其他与FAIR相关的著名研究者包括Soumith Chintala（PyTorch深度学习框架的共同创建者）和Joelle Pineau（曾领导实验室的强化学习和机器人研究）。
早期贡献与开源
自成立之初，FAIR就强调开放研究以及工具和数据集的发布。2015年，实验室发布了fastText库，用于高效的文本分类和词表示学习。次年，FAIR推出了基于Torch的深度学习框架，该框架后来演变为PyTorch，并于2017年公开发布。PyTorch成为AI研究社区中使用最广泛的框架之一，被OpenAI、Google DeepMind等机构以及众多大学采用。
FAIR还向研究社区贡献了重要数据集。实验室于2017年发布了受Common Voice启发的FAIRSEQ工具包，用于序列到序列建模，并于2018年发布了用于对话研究的ParlAI平台。在计算机视觉领域，FAIR开发了Detectron和Detectron2目标检测平台，这些平台成为视觉研究的标准工具。
机器学习进展
FAIR研究人员在Machine learning和Deep learning方面做出了基础性贡献。实验室在卷积神经网络和图像识别方面的工作，由Karen Simonyan和Koray Kavukcuoglu等研究人员领导，产生了有影响力的架构和训练技术。在自然语言处理领域，FAIR开发了InferSent句子嵌入模型，并通过与其他研究小组的合作，为Transformer (architecture)架构的发展做出了贡献。
在2010年代末，FAIR越来越关注自监督学习，这是一种模型从未标记数据中学习表示的范式。Yann LeCun一直是这种方法的主要倡导者，认为它是通往更通用Artificial intelligence的关键路径。FAIR在视觉和语言自监督方法方面的工作影响了后续Generative AI和Large language model研究的发展。
机器人与具身AI
FAIR保持着活跃的机器人和具身智能研究项目。实验室于2019年开发了用于具身AI模拟的Habitat平台，允许研究人员在逼真的3D环境中训练智能体。FAIR还致力于机器人操作和导航，与MIT CSAIL和BAIR (Berkeley AI Research)等学术机构合作。
2022年，FAIR宣布了Project Aria，这是一项专注于以自我为中心感知和增强现实的研究计划。该项目涉及开发配备传感器的定制眼镜，用于捕获第一人称视频和音频数据，旨在推进情境AI和人机交互的研究。
大型语言模型与Meta AI
随着领域向大规模生成模型转变，FAIR为Meta的大型语言模型开发做出了贡献。实验室参与了OPT（开放预训练变换器）模型的创建，该模型于2022年发布，旨在为专有模型提供开放替代方案。FAIR还参与了LLaMA（大型语言模型Meta AI）系列的工作，该系列于2023年首次发布，在研究社区中被广泛使用。
2023年，Meta重组了其AI工作，将FAIR与其他AI团队合并，形成Meta AI。这一新组织旨在更紧密地整合研究和产品开发，FAIR作为研究部门。在这种结构下，FAIR继续发表学术论文并发布开源工具，同时为Meta在其平台（包括Facebook、Instagram和WhatsApp）上的商业AI产品提供信息支持。
影响与遗产
FAIR对更广泛的AI生态系统产生了重大影响。其对开放研究和开源软件的承诺影响了其他主要实验室的做法，包括OpenAI和Anthropic。实验室的出版物被高度引用，其校友已在其他公司和学术机构领导AI工作。
实验室还参与了围绕AI安全和伦理的政策讨论。FAIR研究人员发表了关于机器学习公平性和AI社会影响等主题的文章。然而，实验室也面临一些方面的批评，涉及技术可能被滥用的风险，特别是在Meta社交媒体平台和错误信息传播的背景下。
截至2025年，FAIR仍然是Meta内部活跃的研究组织，在多模态学习、推理和AI科学发现等领域开展持续项目。其整合到Meta AI反映了更广泛的行业趋势，即将基础研究与商业应用相结合，同时保持对学术开放性的承诺。