自人工智能誕生之初，人類對于人工智能的恐懼就從未停止，人們害怕人工智能取代人類，如何消除人類對人工智能的恐懼，讓人工智能與人類高效合作共同發展，消除人工智能的黑盒效應是關鍵。本文轉載自?DeepTech深科技

谷歌剛剛宣布了一項全新計劃，目的很簡單：希望智能機器能與人類緊密合作。

?

該計劃名為“人類與AI研究”（People AI Research）,簡稱?PAIR。谷歌接下來會陸續發布一些新的工具，來讓AI系統的內部工作機制變得更加透明。同時，谷歌還將啟動一系列的科研計劃來探索更有效的人機合作模式。

?

近年來，人工智能的發展進入爆發期，也出現了很多類似于?AI?會奪走人類的工作，甚至取代人類的論調。但從技術發展路徑上看，這種擔心明顯是多余的，AI?目前僅僅是將人類的部分工作自動化的一種強有力的工具而已。

?

了解如何使人類與?AI?算法高效協作將具有重大的經濟意義，這將重新定義人類的教育方式。而且更緊密的人機合作關系將有利于解決目前存在于?AI?的一些負面因素，比如?AI?決策機制的不可解釋性，以及對?AI?將取代人類工作的擔憂等。

圖丨哈佛大學教授?Barbara Grosz

哈佛大學教授?Barbara Grosz?長期以來一直認為，計算機科學家應該設計人工智能系統來補充而不是取代人——這種方法很有必要，是因為當前人工智能的能力范圍仍如此有限。?Grosz補充說，人力和機器能力1 1應是大于2。 “就像所有電腦一樣，AI系統應為使用它的人們所用。”她說。

?

實際上，在很多游戲中，我們已經可以看到?AI?算法如何與人類合作。舉例而言，國際象棋或圍棋玩家可以與計算機程序進行配合，從而提升水平。當然，這需要一套新的技能和一種新的方式來對付每個游戲。

谷歌的一位研究人員就在博客中寫道：“過去的幾年以來，機器學習獲得了迅速的發展，技術表現也有了很大的提高。但是我們相信，如果我們可以在系統搭建的伊始就把人的因素考慮在內的話，那么人工智能技術還可以大有所為。”

PAIR?項目是由?Fernanda?Viégas?和?Martin Wattenberg?領導，這兩位都是開發復雜信息可視化技術的專家。他們曾開發過一系列工具來解釋復雜且抽象的機器學習模型的具體行為。而對于這些模型來說，不透明的問題則是制約它們被進一步開發利用的關鍵。

在這次的發布中，PAIR?項目共有兩種工具亮相，都是對用于機器學習模型訓練的大數據集進行可視化的操作，目的就是進行更加有用的預測判斷，而這對于數據科學家識別訓練數據來說，顯然是非常有幫助的。

圖丨Facet數據可視化平臺

Facet平臺包含兩個可視化工具來理解和分析機器學習數據庫。其中，Facet Overview用來對數據集進行整體分析，而另一個工具Facets Dive則用來檢視單個數據特征。

下圖是使用FacetOverview將UCI機器學習數據庫中收入普查數據導入后的分析圖：

下圖是使用Facets Dive對收入普查數據分析結果進行的可視化，可從國別、工作時長、性別、工作種類、企業性質等多重維度來進行特征比對：

此外，谷歌還用自己開發的Quick, Draw！系統對來自全球的圖片進行分析，包括用戶所在國家、ID、圖片識別率等（如下圖）。Quick, Draw！是有Google Brain開發的一款 web 應用，它結合了神經網絡，能夠在用戶幾筆簡單的描畫后，基于最佳預測（以及過往收集到的數以百萬計的經驗）來自動完成常見對象的涂鴉：

搭建與人類配合默契的人工智能系統其實是很有挑戰性的，這其中既有人工智能系統的復雜性與不透明性的原因，也因為人工智能系統與人進行交互本身就是個難解的問題。哈佛大學教授?Barbara Grosz表示：“畢竟，要想達成這一目標，人工智能需要在任何情況下都能很好的領悟到人類的情緒及精神狀態。”