臨近2018年年終，無論是企業(yè)還是個人都在總結和盤點，谷歌也不例外。日前，谷歌在自家的博客上發(fā)文，回顧了這一年自己是如何貫徹實施“AI for Everyone”這一信念的。以下是文章原文編譯：

”看”音樂、 預測地震余震、 在現(xiàn)實生活中尋找表情符號—— 這些只是研究人員，工程師和用戶體驗（UX）專業(yè)人員如何將想象力的想法變?yōu)楝F(xiàn)實的幾個例子。 他們使用Google的People + AI Research（PAIR）團隊在2018年開發(fā)的工具和技術實現(xiàn)了這一目標。

我們于2017年創(chuàng)立了PAIR，以進行研究，創(chuàng)建設計框架并構建新技術，幫助人與人工智能之間建立富有成效，愉快和公平的合作關系。 我們的主要目標之一是創(chuàng)建易于使用的工具，以便在瀏覽器中可視化機器學習（ML）數據集并訓練ML模型（表示機器將完成決策的步驟的數學方程式）。 簡而言之，這意味著任何有互聯(lián)網連接的人現(xiàn)在都可以使用ML。

以下是PAIR在過去一年中所取得的成就 - 以及工程師和用戶體驗團隊如何將我們的資源用于2019年及以后。

創(chuàng)建設計庫 - 并學習如何設計AI

1月份，我們推出了一個關于Google Design的用戶體驗文章和案例研究庫。這些展示了Google如何做出決策，以平衡用戶對熟悉和信任的需求與AI啟用的新功能和體驗。案例研究將在幕后展示Google團隊如何為應用程序開發(fā)用戶體驗，例如有趣的手機游戲Emoji Scavenger Hunt。

在這些文章中，練習用戶體驗設計師提供了明確的方法。它們解決了人工智能設計中的挑戰(zhàn)，例如平衡如何設計諸如在某些方向上滑動或滾動等習慣，以及為個人用戶構建個性化體驗。我們知道我們沒有所有的答案，所以我們也尋求外部專家的建議，如紐約現(xiàn)代藝術博物館（MoMA）建筑與設計高級策展人Paola Antonelli，他回答了我們團隊關于如何使用的問題AI作為設計材料本身。

談論跨學科的人工智能

我們流程的一個關鍵部分是與其他領域的領域專家合作。例如，今年我們與哈佛大學的Brendan Meade和康涅狄格大學的Phoebe de Vries一起研究了預測和可視化地震余震的模型。該項目為余震預測提供了最先進的模型 - 有趣的是，我們對人工智能的分析為人類研究人員提出了新的，意想不到的方向。

3月，我們在蘇黎世舉辦了第一屆UX研討會，由外部研究人員和行業(yè)專業(yè)人士組成。 5月份，我們在I / O舉辦了一個小組討論會，“人人工智能”，為Google工程領導者提供從云計算到氣候科學的一系列專業(yè)知識，在這些領域討論公平和包容性人工智能。

我們還致力于為使用它的每個人翻譯人工智能背后的復雜語言，即使他們不是工程師。自6月以來，我們的第一位PAIR駐地作家，技術記者David Weinberger，已被嵌入PAIR位于馬薩諸塞州劍橋的實驗室。他正在向非技術受眾解釋關鍵的人工智能概念，如分類和置信度，以及及時的主題，如機器學習的公平性。

面向工程師，UXers及其他人的新型開源工具

使用由PAIR和其他軟件創(chuàng)建的開源Java庫TensorFlow.js，一群音樂家，設計師，工程師和Google Creative Lab創(chuàng)建了Seeing Music，可以直觀地顯示聲音中的細微紋理。

我們相信對工程師，用戶體驗專業(yè)人員以及可能不是ML專家的其他利益相關者可以使用的發(fā)明和開源新技術應用深刻的見解。

所以我們啟動了TensorFlow.js，一個將TensorFlow擴展到瀏覽器的純Java庫。 自3月份開源TensorFlow.js以來，我們已經看到了各種應用程序 - 包括一組可訪問的創(chuàng)作工具，用于繪制，制作音樂等等，由Google創(chuàng)意實驗室與輔助功能社區(qū)的合作者共同設計。

我們的PAIR團隊還構建了今年秋季發(fā)布的假設工具，因此構建ML系統(tǒng)的專業(yè)人員無需編寫單行代碼來回答“假設”問題，例如：“如果我更改數據點怎么辦？ 這會影響我模型的預測嗎？ 它對不同的群體有不同的表現(xiàn) - 例如，歷史上被邊緣化的群體嗎？“我們的工具可以簡單地點擊按鈕來可視化和檢查其他場景。

同樣在今年，我們的團隊開發(fā)并開源了一種新技術，幫助人們更簡單地理解神經網絡的內部運作方式，簡單易懂，人性化的概念 - 如顯示AI如何通過條紋識別斑馬圖像。