了解PAIR計劃：Google最新的AI研究計劃

星期一，Google的AI研究部門Google Brain宣布將其最新的研究計劃稱為People + AI Research計劃或PAIR。

據Google.ai說，「 PAIR致力於推動以人為本的AI系統的研究和設計。」 PAIR背後的人們還補充說，他們的目標是了解人機交互與機器智能的全面性。

PAIR計劃的主要目標是進行基礎研究，發明新技術，並創建有利於人造智能人性化的框架。該計劃還重點關注用戶與技術之間的關係，AI所使用的應用程序，如何使其廣泛包容，以及觸及AI人性化的一切。

PAIR行動的三個領域

Google Blog上的7月10日的博客文章指出，PAIR的研究涵蓋了不同用戶需求的三個領域：工程師和研究人員、領域專家、日常用戶。

與工程師和研究人員一起，PAIR計劃想要探索如何使這些人更容易地構建和理解機器學習系統。此外，他們的研究工作需要什麼教材和實用工具。

對於領域專家，PAIR想要確定AI如何增加他們的工作中的專業人員。該計劃將在將AI整合到工作中時，為處理醫生，設計師，技術人員和其他工作專業人員提供可能的方法。

最後，PAIR計劃希望確保機器學習是包容性的，所以每個人都可以從AI的突破中獲益。他們希望探索將人造技術背後的技術民主化的可能性，以幫助開拓新的人工智慧應用。

作為Google Brain努力通過PAIR計劃進一步改進AI研究的一部分，該公司開發了一套他們團隊用來設計機器學習等經驗的最佳實踐。

以人為中心的機器學習

Google UX經理和員工UX研究員Jess Holbrook以及Google 高級Google交互設計師Josh Lovejoy發布了關於在設計機器學習時將7個步驟集中在用戶面前的一篇文章 。

該帖子，標題為以人為中心的機器學習，為研究人員和設計人員就如何有效地設計ML為主導產品的一些指針。根據Holbrook和Lovejoy，這些指針來自於Google AI和UX團隊的工作經驗。以下是其中的七個指針。

不要指望機器學習找出需要解決的問題。我們仍然需要定義。你仍然需要做一切你一直努力尋找人類需要的努力。

問問自己是否會以獨特的方式解決問題。一旦您確定了您想要解決的需求，您將需要評估ML能否以獨特的方式解決這些需求。有很多合法的問題並不需要ML解決方案。

用個人示例和嚮導偽裝。在使用早期模型進行用戶研究時，參與者會將自己的一些數據（例如個人照片，自己的聯繫人列表，音樂或電影建議）帶入會議。

加重假陽性和假陰性的成本。你的ML系統會犯錯誤。了解這些錯誤是什麼樣的，以及它們如何影響用戶的產品體驗很重要。

共同學習和適應計劃。雖然ML系統對現有數據集進行了培訓，但他們將以新的輸入方式進行調整，我們通常在發生之前無法預測。所以我們需要適應我們的用戶研究和反饋策略。這意味著在產品周期中進行縱向，高度接觸以及廣泛的研究。

使用正確的標籤教你的演算法。標籤是機器學習的重要方面。有人的工作是看待內容，並標註它，回答這個問題像「這張照片里有貓嗎？一旦有足夠的照片被標記為「貓」或「不是貓」，您就可以使用一個數據集來訓練一個模型來識別貓。

擴展您的UX系列，ML是一個創意過程。機器學習是一個比我們普遍習慣的更有創造力和表現力的工程過程。訓練一個模型可能會很慢，可視化的工具還不是很好，因此工程師在調整演算法時最終需要經常使用他們的想像力。你的工作是幫助他們一直在做出偉大的以用戶為中心的選擇。

Google提出的一系列做法和推出的PAIR計劃是證明，即使是目前最先進和最富有的技術巨頭，也有很多關於設計「人性化」機器學習人工智慧的知識。然而，PAIR倡議仍然是更好地了解AI在人們生活中未來應用的一個很好的舉措。

機器學習如何有助於改善未來人們的生活？或者，它將打開一個未知世界的大門，人類只是在更高智能的世界中的木偶？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！