雷锋网 AI 科技评论按:昨天谷歌大脑(Google Brain)负责人 Jeff Dean 在 Google Research Blog 上发表了谷歌大脑团队 2017 年的回顾总结上篇,详述了谷歌大脑过去一年中在自动机器学习、语言理解和生成、新的机器学习算法和应用、隐私与安全、理解机器学习系统、开放数据集、TensorFlow、TPU 等一系列方面的研究工作。
雷锋网 AI 科技评论昨天推送了回顾总结上篇的内容。
今天Jeff Dean发表了这篇博文的下篇,内容包括谷歌大脑在 AI 应用方面(诸如医疗、机器人、创新、公平和包容等)的工作。下面雷锋网把这篇总结文的下篇全文翻译如下:
谷歌大脑团队的工作目标是通过科学研究和系统工程不断推进顶级 AI 系统的发展,这也是整个谷歌的 AI 战略的一部分。在这篇博文的第一部分,我介绍了我们 2017 年在基础研究方面的工作,内容包括从设计新的机器学习算法和技术到理解它们,以及与社区共享数据,软件和硬件。
People+AI Research(PAIR)倡议
机器学习的进步为人们如何与计算机进行交互提供了全新的可能性。同时,确保社会能够从我们构建的技术中获得广泛的好处,是至关重要的。我们认为这些机遇和挑战是一件紧迫的事情,因此通过与谷歌公司中的众多人员进行合作,我们提出了一份 People + AI Research(PAIR)倡议。
推荐阅读:誓要让 AI 造福于人,谷歌 “PAIR”项目究竟有多靠谱?
PAIR 的目标是研究和设计人与 AI 系统进行交互最有效的方法。为此,我们举办了一场公共研讨会,将来自计算机科学、设计甚至艺术等学科领域中的学术研究者和实践者聚集在一起共同讨论。PAIR 的工作范围非常广泛,其中一些如通过解释性工作帮助研究人员了解 ML 系统,并用 deeplearn.js 扩展开发人员社区。我们在以人为中心的 ML 工程方法方面的另外一个例子就是 Facets 的推出,这是一种可视化和可理解的训练数据集工具。
推荐阅读:谷歌也发布了Web前端机器学习库,就叫deeplearn.js
Facets帮助你深入理解你的训练数据集
机器学习中的公平和包容
随着 ML 在技术上的作用越来越大,包容性和公平性的考虑也变得越来越重要。Brain 团队和 PAIR 在这些领域取得了一些进展。我们已经发表了在 ML 系统中如何通过因果推理来避免歧视、地理多样性在开放数据集中的重要性,并写了一个博文分析了一个公开数据集以了解多样性和文化差异。我们也一直与 AI 合作伙伴进行密切的合作,PAIR 是一个跨行业的倡议,它旨在帮助我们确保让公平和包容成为所有 ML 从业者的共同目标。