當前位置:
首頁 > 新聞 > 谷歌瞄準 AI 交互,開源兩大機器學習可視化數據工具

谷歌瞄準 AI 交互,開源兩大機器學習可視化數據工具

【新智元導讀】谷歌昨天宣布啟動新的研究計劃 People + AI Research(PAIR),旨在改善人與人工智慧系統的交互體驗。谷歌同時宣布開源兩個數據可視化工具——Facet Overview 和 Facet Dive,針對 AI 工程師,便於後者開發機器學習系統。

1 新智元編譯

來源:Google;CNBC

編譯:文強

【新智元導讀】谷歌昨天宣布啟動新的研究計劃 People + AI Research(PAIR),旨在改善人與人工智慧系統的交互體驗。谷歌同時宣布開源兩個數據可視化工具——Facet Overview 和 Facet Dive,針對 AI 工程師,便於後者開發機器學習系統。

Alphabet 周一宣布啟動一項新的研究計劃 People + AI Research(PAIR),旨在改善人與人工智慧系統的交互。

People + AI Research(PAIR)計劃目前有十幾名成員,他們將與谷歌公司的各種產品團隊合作。同時,也將於外部合作,比如哈佛大學教授 Brendan Meade 和 MIT 教授 Hal Abelson。

CNBC 報道,這項研究最終可能會為一些世界上最流行的應用程序的智能部件的界面帶來改進。而谷歌在這方面的努力也可能激勵其他公司對軟體的交互進行調整。

Google Brain 的高級研究科學家 Fernanda Viegas 在接受 CNBC 採訪時說:「我們要研究的其中一件事情是解釋的概念——也就是推薦系統為什麼要做這樣的推薦,一個按時按需的有用說明。」

PAIR 計劃受設計思維概念的啟發。在設計思維中,設計人會高度優先考慮用戶——使用正在開發的產品的人——的需求。

Google Brain 高級研究科學家 Martin Wattenberg 告訴 CNBC,雖然終端用戶(例如 YouTube 的 15 億月活用戶)屬於 PAIR 的目標人群,但這項研究還同時旨在改善 AI 研究人員、AI 軟體工程師和域名專家使用 AI 系統的體驗。

CNBC 評論稱,PAIR 這項新計劃很好地契合了谷歌對 AI 的日益重視。谷歌首席執行官 Sundar Pichai 曾多次表示,世界正在從移動為先轉向 AI 為先(AI-first),谷歌已經圍繞這一思維採取了許多措施。例如,谷歌組日前建了一家風險投資集團,專註投資 AI 創業公司。

同時,亞馬遜、蘋果、Facebook 和微軟也在過去幾年積极參与人工智慧。

至於設計,這對谷歌而言並不新鮮。谷歌在 2011 年對旗下好幾個應用程序進行了重新設計。2016 年,時任 Kleiner Perkins Caufield&Byers 設計合伙人的 John Maeda 在其關於技術設計的年度報告中指出,谷歌在設計方面有最多提升。

這一次,谷歌人正致力於改進專門針對 AI 組件的設計。這一點很重要,因為從 YouTube 視頻推薦、谷歌翻譯到谷歌搜索,AI 被廣泛而大量地應用於谷歌的應用程序。

PAIR:面向三類人,開源工具便於開發機器學習

從 Wattenberg 和 Viégas 在谷歌官方博客撰文介紹看,PAIR 實際上是一個高度整合了「human-in-the-loop」的計劃。

PAIR 的目標是關注 AI 的「人本主義」:用戶與技術之間的關係,技術所能實現的新應用,以及如何使其廣泛包容。PAIR 的目標不只是發表研究,還會發布開源工具,供研究人員和其他專家使用。

根據不同的用戶需求,PAIR 的研究分為三個方面:

工程師和研究人員:AI 是由人造的。如何使工程師更容易構建和理解機器學習系統?他們需要什麼教材和實用工具?

領域專家:AI 如何幫助和提升專業人士的工作?隨著醫生,技術人員,設計師,農民和音樂家越來越多地使用 AI,如何支持他們?

日常用戶:如何確保機器學習擁有包容性,讓每個人都可以從 AI 突破中獲益?可以設計思維開闢全新的 AI 應用嗎?可以將 AI 背後的技術民主化嗎?

谷歌認為,雖然現在還不了解所有的答案,但 PAIR 是一個開始,解決方案的一個關鍵在於設計思維。

Wattenberg 和 Viégas 寫道,如果將 AI 想像為一種設計的材料,而不是純粹作為一種技術來看會怎樣?計算機圖形學的進步產生了新的繪圖方式,帶來了全新的介面和應用程序。

開源工具

同時,谷歌還宣布開源兩個可視化工具——Facet Overview 和 Facet Dive。這兩個應用程序都是針對 AI 工程師的,能讓後者清楚地查看訓練 AI 系統的數據。

訓練數據是現代 AI 系統中的關鍵因素,但它們通常是不透明和混亂的根源。事實上,ML 工程與傳統軟體工程一大不同之處便在於不僅要調試代碼,還要調試數據。使用 Facets,工程師可以更輕鬆地調試和了解他們正在構建的內容。

Facet 開源庫地址:https://pair-code.github.io/facets/

編譯來源

http://www.cnbc.com/2017/07/10/google-starts-researching-design-for-artificial-intelligence-systems.html

https://www.blog.google/topics/machine-learning/pair-people-ai-research-initiative/

點擊閱讀原文查看新智元招聘信息


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 機器學習 的精彩文章:

「機器學習」未必就是「人工智慧」……
機器學習簡史
這是一節1000+人報名的機器學習課
不是計算機專業,如何轉行寫代碼、到企業做 AI?聽聽這位機器學習科學家的經驗與建議
自動機器學習,神經網路自主編程

TAG:機器學習 |

您可能感興趣

「ICML開杠」機器學習研究的四大危機
谷歌開放更多免費AI及機器學習在線資源
UPS是這樣利用AI、機器學習和大數據優化業務的
大數據和機器學習促進包容性金融科技
大數據潮流下的機器學習及應用場景
UPS如何利用AI、機器學習和大數據為第四次工業革命做好準備
人工智慧和大數據中重要的機器學習環節
機器學習模型的可視分析
谷歌開源的機器學習技術,它用來尋找新的行星
人工智慧:蘋果發布機器學習API
機器學習開發者應該收藏的 DIY 計算機視覺和深度學習項目
八篇論文引爆ICML,螞蟻金服技術亮相國際機器學習大會
谷歌開源FHIR標準協議緩衝工具,利用機器學習預測醫療事件
谷歌開源 FHIR 標準協議緩衝工具,利用機器學習預測醫療事件
CMU與谷歌大腦提出新型機器閱讀QANET模型,可提高機器理解精確度
谷歌推出AR顯微鏡 可利用機器學習技術迅速發現癌細胞
谷歌推出用於終端側機器學習的微型AI晶元
惠普推出全球功能最強大的機器學習開發工作站
淺析數據標準化和歸一化,優化機器學習演算法輸出結果
如何快速應用機器學習技術?#數據視野