接近2018年底，公司和个人都在进行总结和计算，Google也不例外。几天前，Google在其博客上发布了一篇文章，回顾了其如何实现对“所有人的AI”的信念。今年。以下是文章的原始汇编：音乐，预测地震余震，在现实生活中寻找表情符号-这些只是研究人员，工程师和用户体验（UX）专业人员如何将富于想象力的想法变为现实的例子。他们使用Google的People + AI Research（PAIR）团队在2018年开发的工具和技术实现了这一目标。我们于2017年成立了PAIR，以进行研究，创建设计框架并构建新技术，以帮助构建高效，愉悦和公平的环境人类与人工智能之间的伙伴关系。我们的主要目标之一是创建易于使用的工具，以在浏览器中可视化机器学习（ML）数据集并训练ML模型（代表机器将完成决策过程的步骤的数学方程式）。简而言之，这意味着任何具有Internet连接的人现在都可以使用ML。这是PAIR在过去一年中取得的成就-以及工程师和用户体验团队如何在2019年及以后使用我们的资源。创建设计库，并学习如何设计AI 1月，我们在Google Design上发布了用户体验文章和案例研究库。这些展示了Google如何做出决策，以平衡用户对熟悉和信任的需求与AI启用的新功能和体验之间的平衡。该案例研究将在幕后展示Google团队如何开发应用程序的用户体验，例如有趣的手机游戏Emoji Scavenger Hunt。在这些文章中，实践用户体验设计师提供了明确的方法。他们解决了人工智能设计中的挑战，例如平衡如何设计习惯（例如在特定方向上滑动或滚动）以及为单个用户建立个性化的体验。我们知道我们还没有所有答案，因此我们还寻求外部专家的建议，例如纽约现代艺术博物馆（MoMA）建筑与设计高级策展人Paola Antonelli，他回答了我们团队在以下方面的问题：如何将AI用作设计材料本身。 。谈论跨学科人工智能我们过程的关键部分是与其他领域的领域专家合作。例如，今年我们与哈佛大学的Brendan Meade和康涅狄格大学的Phoebe de Vries合作研究了预测和可视化地震余震的模型。该项目为余震预测提供了最先进的模型，有趣的是，我们对人工智能的分析为人类研究人员提出了新的出乎意料的方向。 3月，我们在苏黎世举行了第一届UX研讨会，该研讨会由外部研究人员和行业专家组成。 5月，我们在I / O“人类人工智能”上举行了小组讨论，目的是为Google工程领导者提供从云计算到气候科学的一系列专业知识，以讨论这些领域中公平而包容的人工智能。我们还致力于为使用人工智能的每个人翻译复杂的语言，即使他们不是工程师。自6月以来，我们的第一位PAIR驻地作家，技术记者David Weinberger被嵌入了位于马萨诸塞州剑桥的PAIR实验室中。他正在向非技术受众解释关键的人工智能概念，例如分类和置信度，以及及时的主题，例如机器学习的公平性。适用于工程师，UXer和其他人员的新的开源工具。使用由PAIR和其他软件创建的开源Java库TensorFlow.js，一群音乐家，设计师，工程师和Google Creative Lab创建了Seeing Music，该软件可以直观地显示声音的微妙质感。我们相信，对发明和开源新技术应用程序的深刻见解可以被工程师，用户体验专业人员和其他可能不是ML专家使用的利益相关者使用。因此，我们启动了TensorFlow.js，这是一个将TensorFlow扩展到浏览器的纯Java库。自三月TensorFlow.js开源以来，我们已经看到了由Google Creative Labs和可访问性社区的合作者设计的各种应用程序，包括用于绘画，制作音乐等的一组可访问的创建工具。我们的PAIR团队还构建了今年秋天发布的假设工具，因此构建ML系统的专业人员无需编写任何代码即可回答“假设的”问题。问题，例如：“如果我更改数据点该怎么办？这将影响我的模型的预测。对于不同的群体，例如历史上处于边缘地位的群体，其行为是否有所不同？ “我们的工具只需单击一个按钮即可可视化并检查其他情况。