機器學習在過去的幾年中取得了突飛猛進的發展。從更加準確的語音識別，到更好的圖像搜索，再到提升的翻譯質量——其性能和潛力都有大幅的提高。Google 相信，如果在系統建造之初就將人考慮進來，AI 還能更進一步，更好的為人服務。
近期，Google 推出了人+AI 研究計劃（PAIR: the People + AI Research Initiative），匯聚各領域的研究人員，對人與 AI 系統的交互方式進行研究和重新設計。
PAIR 計劃旨在聚焦 AI 的與人有關的因素：用戶和技術之間的關係，AI 應用的新方向，以及如何讓 AI 更具包容性。PAIR 計劃的目標除了發表研究結果以外，還將推出開源工具，供研究人員和其他專家使用。
根據不同的用戶需求，PAIR 計劃的研究內容分成了三個部分：
| 工程師和研究人員：AI 是由人打造的。Google如何讓工程師更加容易地理解和打造機器學習系統？他們需要什麼樣的教學材料和開發工具？
l 各領域專家：AI 如何幫助專業人士開展他們的工作？隨著醫生、技師、設計師、農場主以及音樂家越來越多地使用 AI，Google如何為他們提供支持？
l 日常用戶：Google如何確保機器學習的包容性，讓每個人都能受益於 AI 的突破性進展？設計思維能否解鎖全新的 AI 應用？能否實現 AI 背後技術的普及化？
與其單純地尋求這些問題的標準答案，不如深入研究尋找答案的方法。解決問題的一個關鍵因素就是設計思維。與其將 AI 單純地看作是技術，不如將它設想成可以進行設計的材料。在這方面可以以史為鑑：例如，計算機圖形方面的進展不僅僅意味著更好的畫圖方法，還催生了全新的界面和應用類型。Google 正在推出全新的開源工具，推出指導教程（例如 AI 界面設計指南），發表研究結果，從而回答這些問題，讓儘可能多的人感受到 AI 的力量。
開源工具
近期 Google 推出了兩款開源可視化工具：Facets Overview 和 Facets Dive。這些應用程序面向 AI 工程師推出，能夠滿足機器學習最初期的需求。Facets 應用程序讓工程師能夠全面掌握他們用來訓練 AI 系統的數據。
這很重要，因為訓練數據是現代 AI 系統的關鍵組成部分，但這也常常會造成模糊和混亂。的確，與傳統軟件工程師相比，機器學習工程師不僅需要對代碼進行故障排除，還需要對數據進行故障排除。有了 Facets，工程師可以更加輕鬆地進行故障排除，更加輕鬆地理解他們打造的系統。
支持外部研究
首先提出這些問題的並不是 Google。很多設計師和學者已經開始探索人和 AI 之間的交互。他們的工作為 Google 提供了靈感。社區的建設和對研究的支持是 Google 使命的重要組成部分。目前，Google 正在與來自哈佛大學和麻省理工學院的學者展開合作，他們專注於人工智能時代的教育和科學。
聚焦 AI 與人，Google 看到了全新可能。Google 期待與業界攜手合作，共同探索未來 AI 的潛能。
閱讀更多 Google黑板報 的文章
