谷歌PAIR瞄准 AI 交互，开源两大机器学习可视化数据工具

【新智元导读】谷歌昨天宣布启动新的研究计划 People + AI Research（PAIR），旨在改善人与人工智能系统的交互体验。谷歌同时宣布开源两个数据可视化工具——Facet Overview 和 Facet Dive，针对 AI 工程师，便于后者开发机器学习系统。

Alphabet 周一宣布启动一项新的研究计划 People + AI Research（PAIR），旨在改善人与人工智能系统的交互。

People + AI Research（PAIR）计划目前有十几名成员，他们将与谷歌公司的各种产品团队合作。同时，也将于外部合作，比如哈佛大学教授 Brendan Meade 和 MIT 教授 Hal Abelson。

CNBC 报道，这项研究最终可能会为一些世界上最流行的应用程序的智能部件的界面带来改进。而谷歌在这方面的努力也可能激励其他公司对软件的交互进行调整。

Google Brain 的高级研究科学家 Fernanda Viegas 在接受 CNBC 采访时说：“我们要研究的其中一件事情是解释的概念——也就是推荐系统为什么要做这样的推荐，一个按时按需的有用说明。”

PAIR 计划受设计思维概念的启发。在设计思维中，设计人会高度优先考虑用户——使用正在开发的产品的人——的需求。

Google Brain 高级研究科学家 Martin Wattenberg 告诉 CNBC，虽然终端用户（例如 YouTube 的 15 亿月活用户）属于 PAIR 的目标人群，但这项研究还同时旨在改善 AI 研究人员、AI 软件工程师和域名专家使用 AI 系统的体验。

CNBC 评论称，PAIR 这项新计划很好地契合了谷歌对 AI 的日益重视。谷歌首席执行官 Sundar Pichai 曾多次表示，世界正在从移动为先转向 AI 为先（AI-first），谷歌已经围绕这一思维采取了许多措施。例如，谷歌组日前建了一家风险投资集团，专注投资 AI 创业公司。

同时，亚马逊、苹果、Facebook 和微软也在过去几年积极参与人工智能。

至于设计，这对谷歌而言并不新鲜。谷歌在 2011 年对旗下好几个应用程序进行了重新设计。2016 年，时任 Kleiner Perkins Caufield＆Byers 设计合伙人的 John Maeda 在其关于技术设计的年度报告中指出，谷歌在设计方面有最多提升。

这一次，谷歌人正致力于改进专门针对 AI 组件的设计。这一点很重要，因为从 YouTube 视频推荐、谷歌翻译到谷歌搜索，AI 被广泛而大量地应用于谷歌的应用程序。

PAIR：面向三类人，开源工具便于开发机器学习

从 Wattenberg 和 Viégas 在谷歌官方博客撰文介绍看，PAIR 实际上是一个高度整合了“human-in-the-loop”的计划。

PAIR 的目标是关注 AI 的“人本主义”：用户与技术之间的关系，技术所能实现的新应用，以及如何使其广泛包容。PAIR 的目标不只是发表研究，还会发布开源工具，供研究人员和其他专家使用。

根据不同的用户需求，PAIR 的研究分为三个方面：

• 工程师和研究人员：AI 是由人造的。如何使工程师更容易构建和理解机器学习系统？他们需要什么教材和实用工具？
• 领域专家：AI 如何帮助和提升专业人士的工作？随着医生，技术人员，设计师，农民和音乐家越来越多地使用 AI，如何支持他们？
• 日常用户：如何确保机器学习拥有包容性，让每个人都可以从 AI 突破中获益？可以设计思维开辟全新的 AI 应用吗？可以将 AI 背后的技术民主化吗？

谷歌认为，虽然现在还不了解所有的答案，但 PAIR 是一个开始，解决方案的一个关键在于设计思维。

Wattenberg 和 Viégas 写道，如果将 AI 想象为一种设计的材料，而不是纯粹作为一种技术来看会怎样？计算机图形学的进步产生了新的绘图方式，带来了全新的接口和应用程序。

▶ 开源工具

同时，谷歌还宣布开源两个可视化工具——Facet Overview 和 Facet Dive。这两个应用程序都是针对 AI 工程师的，能让后者清楚地查看训练 AI 系统的数据。

训练数据是现代 AI 系统中的关键因素，但它们通常是不透明和混乱的根源。事实上，ML 工程与传统软件工程一大不同之处便在于不仅要调试代码，还要调试数据。使用 Facets，工程师可以更轻松地调试和了解他们正在构建的内容。

Facet 开源库地址：https://pair-code.github.io/facets/

编译来源

1. http://www.cnbc.com/2017/07/10/google-starts-researching-design-for-artificial-intelligence-systems.html
2. https://www.blog.google/topics/machine-learning/pair-people-ai-research-initiative/