机器学习在过去的几年中取得了突飞猛进的发展。从更加准确的语音识别，到更好的图像搜索，再到提升的翻译质量——其性能和潜力都有大幅的提高。Google 相信，如果在系统建造之初就将人考虑进来，AI 还能更进一步，更好的为人服务。

　　近期，Google 推出了人+AI 研究计划（PAIR: the People + AI Research Initiative），汇聚各领域的研究人员，对人与 AI 系统的交互方式进行研究和重新设计。

　　PAIR 计划旨在聚焦 AI 的与人有关的因素：用户和技术之间的关系，AI 应用的新方向，以及如何让 AI 更具包容性。PAIR 计划的目标除了发表研究结果以外，还将推出开源工具，供研究人员和其他专家使用。

　　根据不同的用户需求，PAIR 计划的研究内容分成了三个部分：

　　l 工程师和研究人员：AI 是由人打造的。Google如何让工程师更加容易地理解和打造机器学习系统？他们需要什么样的教学材料和开发工具？

　　l 各领域专家：AI 如何帮助专业人士开展他们的工作？随着医生、技师、设计师、农场主以及音乐家越来越多地使用 AI，Google如何为他们提供支持？

　　l 日常用户：Google如何确保机器学习的包容性，让每个人都能受益于 AI 的突破性进展？设计思维能否解锁全新的 AI 应用？能否实现 AI 背后技术的普及化？

　　与其单纯地寻求这些问题的标准答案，开奖，不如深入研究寻找答案的方法。解决问题的一个关键因素就是设计思维。与其将 AI 单纯地看作是技术，不如将它设想成可以进行设计的材料。在这方面可以以史为鉴：例如，计算机图形方面的进展不仅仅意味着更好的画图方法，还催生了全新的界面和应用类型。Google 正在推出全新的开源工具，推出指导教程（例如 AI 界面设计指南），发表研究结果，从而回答这些问题，让尽可能多的人感受到 AI 的力量。

　　开源工具

　　近期 Google 推出了两款开源可视化工具：Facets Overview 和 Facets Dive。这些应用程序面向 AI 工程师推出，能够满足机器学习最初期的需求。Facets 应用程序让工程师能够全面掌握他们用来训练 AI 系统的数据。

　　这很重要，atv，因为训练数据是现代 AI 系统的关键组成部分，但这也常常会造成模糊和混乱。的确，与传统软件工程师相比，机器学习工程师不仅需要对代码进行故障排除，还需要对数据进行故障排除。有了 Facets，工程师可以更加轻松地进行故障排除，更加轻松地理解他们打造的系统。

　　支持外部研究

　　首先提出这些问题的并不是 Google。很多设计师和学者已经开始探索人和 AI 之间的交互。他们的工作为 Google 提供了灵感。社区的建设和对研究的支持是 Google 使命的重要组成部分。目前，Google 正在与来自哈佛大学和麻省理工学院的学者展开合作，他们专注于人工智能时代的教育和科学。

　　聚焦 AI 与人，Google 看到了全新可能。Google 期待与业界携手合作，共同探索未来 AI 的潜能。