فیسبوک با استفاده از شبکه‌های عصبی و فریمورک یادگیری ژرف Caffe2 خود، موفق شد تا بازدهی سرویس ترجمه‌اش را 2.5 برابر افزایش بخشد به طوری که بر اساس اعلام خبری رسمی از طرف این کمپانی، فیسبوک در صدد است تا در نتیجهٔ این موفقیت کلیهٔ ماشین‌های ترجمه‌اش را به مدل شبکه‌های عصبی تغییر دهد.
برای اینکه درکی از مقیاس این ترجمه‌ها در فیسبوک داشته باشید، خوب است بدانید که فیسبوک هر روز چیزی در حدود 4.5 میلیارد ترجمه را در شبکهٔ خود مدیریت می‌کند اما این در حالی است که این حجم زیاد ترجمه قرار است تا با استفاده از شکلی از هوش مصنوعی به صورت مؤثرتری مدیریت شود. طبق اعلام این خبر از فیسبوک، استفاده از فریمورک Caffe2 به طور قابل‌ملاحظه‌ای عملکرد و کیفیت سیستم ترجمهٔ ماشینی را بهبود بخشیده است به طوری که در پی این افزایش بازدهی، دیگر تیم‌های تولید فیسبوک مانند تشخیص کلام و رتبه‌بندی تبلیغات نیز شروع به استفاده از این فریمورک کرده‌اند.
زمانی که فیسبوک در آوریل سال ۲۰۱۷ فریمورک Caffe2 را اپن‌سورس کرد، این فریمورک از Recurrent Neural Networks (شبکه‌های عصبی تکرارشونده) یا به اختصار RNN پشتیبانی نمی‌کرد اما این خبر حاکی از آن است که تیم هوش مصنوعی فیسبوک موفق به کار کردن بر روی ساختارهایی برای این شبکه‌های تکرارشوندهٔ عصبی شده که قابل‌استفاده در مواردی مثل ترجمهٔ ماشینی و تشخیص کلام باشند (برای آشنایی بیشتر با این فریمورک، به مقالهٔ Caffe2: فریمورک اپن‌سورس فیسبوک برای یادگیری ژرف مراجعه نمایید.)
