正文
谷歌刚刚宣布了一项全新计划，目的很简单：
希望智能机器能与人类紧密合作。
该计划名为
“人类与AI研究”（People + AI Research）,简称 PA
IR。
谷歌接下来会陆续发布一些新的工具，来让AI系统的内部工作机制变得更加透明。同时，谷歌还将启动一系列的科研计划来探索更有效的人机合作模式。
近年来，人工智能的发展进入爆发期，也出现了很多类似于 AI 会夺走人类的工作，甚至取代人类的论调。但从技术发展路径上看，这种担心明显是多余的，
AI 目前仅仅是将人类的部分工作自动化的一种强有力的工具而已。
了解如何使人类与 AI 算法高效协作将具有重大的经济意义，这将重新定义人类的教育方式。
而且更紧密的人机合作关系将有利于解决目前存在于 AI 的一些负面因素，比如 AI 决策机制的不可解释性，以及对 AI 将取代人类工作的担忧等。
图丨
哈佛大学教授 Barbara Grosz
哈佛大学教授 Barbara Grosz 长期以来一直认为，计算机科学家应该设计人工智能系统来补充而不是取代人——这种方法很有必要，是因为当前人工智能的能力范围仍如此有限。 Grosz补充说，
人力和机器能力1+1应是大于2。 “就像所有电脑一样，AI系统应为使用它的人们所用。”
她说。
实际上，在很多游戏中，我们已经可以看到 AI 算法如何与人类合作。举例而言，国际象棋或围棋玩家可以与计算机程序进行配合，从而提升水平。当然，这需要一套新的技能和一种新的方式来对付每个游戏。
图丨人工智能的经典——AlphaGo
谷歌的一位研究人员就在博客中写道：“过去的几年以来，机器学习获得了迅速的发展，技术表现也有了很大的提高。但是我们相信，
如果我们可以在系统搭建的伊始就把人的因素考虑在内的话，那么人工智能技术还可以大有所为。
”
PAIR 项目是由 Fernanda Viégas 和 Martin Wattenberg 领导，这两位都是开发复杂信息可视化技术的专家。他们曾开发过一系列工具来解释复杂且抽象的机器学习模型的具体行为。
而对于这些模型来说，不透明的问题则是制约它们被进一步开发利用的关键。
图丨Martin Wattenberg 和 Fernanda Viégas
在这次的发布中，PAIR 项目共有两种工具亮相，都是对用于机器学习模型训练的大
数据集进行可视化的操作，目的就是进行更加有用的预测判断，而这对于数据科学家识别训练数据来说，显然是非常有帮助的。
图丨Facet数据可视化平台
Facet平台包含两个可视化工具来理解和分析机器学习数据库。
其中，Facet Overview用来对数据集进行整体分析，而另一个工具Facets Dive则用来检视单个数据特征。
下图是使用
FacetOverview
将
UCI
机器学习数据库中收入普查数据导入后的分析图：
下图是使用Facets Dive对收入普查数据分析结果进行的可视化，可从国别、工作时长、性别
、工作种类、企业性质等多重维度来进行特征比对：
此外，谷歌还用自己开发的Quick, Draw！系统对来自全球的图片进行分析，包括用户所在国家、ID、图片识别率等（如下图）。
Quick, Draw！是有Google Brain开发的一款 web 应用，它结合了神经网络，能够在用户几笔简单的描画后，基于最佳预测（以及过往收集到的数以百万计的经验）来自动完成常见对象的涂鸦：
