臨近2018年年終，無論是企業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）專業人員如何將想象力的想法變為現實的幾個例子。 他們使用Google的People + AI Research（PAIR）團隊在2018年開發的工具和技術實現了這一目標。

我們于2017年創立了PAIR，以進行研究，創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網連接的人現在都可以使用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，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專業人士組成。 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和其他軟件創建的開源Java庫TensorFlow.js，一群音樂家，設計師，工程師和Google Creative Lab創建了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作工具，用于繪制，制作音樂等等，由Google創意實驗室與輔助功能社區的合作者共同設計。

我們的PAIR團隊還構建了今年秋季發布的假設工具，因此構建ML系統的專業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 - 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。