谷歌A.I. Experiments，让每个人都可以动手做人工智能实验

CNET科技行者 12月22日 北京消息（编译/高玉娴）：一年前，谷歌创建了一个名为人工智能实验（A.I. Experiments）的网站（网址：http://aiexperiments.withgoogle.com/）。不管你是专业的工程师、技术爱好者、刚入门的学生，还是只是一时兴起的的吃瓜群众，只需一台联网的计算机就能轻松上手，创建自己的人工智能实验。

据了解，A.I. Experiments由谷歌创意实验室（Creative Lab）的程序员、设计师、创意师（其工作重点是用谷歌科技来设计具有创意的产品）共同创建，旨在通过趣味性体验和游戏，让人们可以轻松实现对人工智能等最新技术的了解和实验，并向谷歌研究员和工程师传达最前沿的理念。

一年来，在A.I. Experiments上一共推出了约16个实验项目。可以说，这些实验见证了谷歌一路成为机器学习和人工智能领域的领先者的发展历程。通过这一平台，不仅让人工智能变得更加“接地气”，更便于公众和开发者理解。也让谷歌的知名度得到了巩固，提升了市场份额，成为人们探索人工智能的引领者。

起源于QuickDraw！，A.I. Experiments是一个“美丽的意外”

Jonas Jongejan是创意实验室的创意师，同时也一直投身于谷歌内部的黑客马拉松。在长年的工作中，他绞尽脑汁挖掘人工智能的有趣之处，有一天，他突发奇想：不妨就用大量线图和涂鸦训练机器学习算法，来识别图片中的物体！

幸运的是，试验效果还不错，即使偶有失误，人们也可借此机会“窥视”到计算机的视觉功能原理。“虽然该算法并不完美，但用户可以任意涂鸦，” Jongejan说，“Quick, Draw! (由谷歌在去年11月份推出的涂鸦游戏)就是由此诞生的。”

▲Quick, Draw!（图片来源：Google）

Quick, Draw!发布不到六个月，就已经受到疯狂的“追捧”。世界各地的人们开始沉浸于这个实验游戏之中，玩家来画物体，神经网络来猜，并判断你画的到底像不像。该游戏甚至登上了Reddit网的首页，包括Co. Design在内的诸多报刊杂志都大篇幅报道了这个脑洞大开的小游戏。

此外，任何玩家（现已有数百万玩家）的手绘涂鸦都会收录到新的涂鸦数据集之中，并为正在开发的全新的神经网络训练提供样本。据了解，该神经网络将比原来的Quick, Draw!算法更先进。

▲Quick, Draw!（来源：Google）

以Quick, Draw!涂鸦数据集为基础，该实验项目团队还开发了一款比Quick, Draw!更完善的升级版游戏AutoDraw（可以实时分析你正在画的内容，并实时在顶部状态栏提供它的猜测）。尽管该游戏仍然是由玩家画图，神经网络来猜，但是不同的是，在QuickDraw！中游戏偏向于让AI来猜，而AutoDraw则是利用这种判断的能力，提供更好的可选项，让那些不懂绘画的用户制作图像。在AutoDraw中，神经网络会实时分析玩家的涂鸦，并提供一个剪贴画板，让玩家来选择正确答案，比如选出是汽车还是大树，这个功能非常实用。

▲AutoDraw（图片来源：Google）

据Jonegejan所说，自己从未想过能通过Quick Draw!收集五千万幅的手绘涂鸦，如果没有它，就要耗费大量研究图纸、编码工具，甚至还要分析人们在画火烈鸟的时候会犯什么错误（通过输入一些故意犯了一些小错误的涂鸦，Autodraw已经学会了人类画画的一些技巧以及常见的错误）。而这些成绩，可以说是谷歌A.I. Experiments项目的重要突破，对谷歌而言意义也非常重大。

让用户了解AI的同时更了解谷歌产品

事实上，通过网络发布交互实验对于谷歌而言已不是新的尝试了。2009年，谷歌创意实验室就曾推出了第一个实验项目，由谷歌与Arcade Fire乐队合作完成的HTML5 互动电影就是其中一个成功案例。

当用户输入童年时期的家庭住址，谷歌StreetView就会生成图像，大家可以在此基础上定制剧情。不出所料，该项目广受欢迎。在那之后，Creative Lab还相继推出了Android Experiments、AR Experiments、WebVR Experiments、A.I. Experiments以及Voice Experiments（近期刚刚发布了最新的Paper Signals实验项目），以上均为基于谷歌科技的开源系统。

作为谷歌创意实验室的创意负责人，Alex Chen曾向两名谷歌研究人员请教过机器学习的概念和功能，并将研究人员向他展示的视觉化神经网络分享给了创意实验室的同事，这为A.I. Experiments的创建埋下了伏笔。“当时，我们的想法是这一技术要是能更通俗易懂，那该多好。用户就能真正了解它的算法和工作原理，从而参与实验，与它互动。”Chen表示。

“在新科技即将成形时，我们就已经伺机一跃而入，预先对其中的产物开展实验。通过反复实验不断完善科技，并借机窥探该科技在大环境下的发展前景。” Jongejan指出，“这些实验有时会对产品的研发有非常大帮助，在这方面，我们实验室不经意间就成了谷歌‘第一个吃螃蟹的人’。”

当然，A.I. Experiments面向的不仅仅大众，更重要的还有开发者。“这不单单是一个谷歌产品，”Chen说，“它更是一个非常有趣的代码示例。对此，很多其他开发者或许会有一些疑惑或感叹：这个程序如何体现设计思维？又是如何运行的？原来还有Cloud Vision API这样的图像识别工具！ ”

从商业角度来看，这些开发者是谷歌最重视的一类用户，而实验项目又可以吸引他们关注TensorFlow（谷歌的机器学习平台）和Cloud Vision API这样的谷歌产品和工具。这也是创意实验室开展这些实验项目的主要原因。

Amit Pitaru 是TensorFlow实验的创意负责人，他表示：“整体而言，我认为对这些开源工具潜能的开发是非常有价值的。” 如果向开发者展示借助TensorFlow就能自行实现机器学习的炫酷技术，或许就能吸引他们成为活跃用户，就会有越来越多的开发者使用谷歌服务。这实际上也就增加了谷歌在开发工具中的市场份额。Pitaru在接受采访时称：“但愿如此！”

AI偶有失误是非常正常的

所以，A.I. Experiments也是一种巧妙的营销手段。其实，我们发现谷歌创意实验室就隶属于谷歌的市场营销部，但并非仅向开发者销售新技术。谷歌CEO Sundar Pichai去年就曾表示，谷歌是一家人工智能公司，主要借助AI开发信息处理的新型优化技术。Google Photos（谷歌相册）的搜索功能由机器学习驱动，输入关键词“花”，就能浏览你拍摄的所有花的照片。机器学习还能赋予Google Assistant理解用户语音的能力。此外，许多谷歌的产品和服务中都有机器学习的身影。

而对于AI的诞生对人类来说究竟是威胁还是福祉的问题，谷歌始终在尝试证明人们可以充分信任谷歌所研发的AI技术不会危害人类。具体是怎么做的呢？即用有趣、富有吸引力且通俗易懂的方式来解释其中的原理。

创意实验室中负责独立游戏开发的创意师Jane Friedhoff表示：“我们开展的所有实验都十分有趣。人们玩游戏时，才会真正地投入。其中的所有数据都在不断地丰富我们的AI系统，为机器学习提供训练样本。”

最近发布的名为Teachable Machine的实验项目很好地证明了这点，其工作原理如下：用户面对镜头摆出不同的手势 ，按下颜色各异的按钮。同时查看相机的反馈，神经网络算法用绿色按钮代表放在头部的手、紫色按钮代表伸在身前的手，橙色按钮则表示身体一侧的手。这是训练AI对手势作出反馈的基本方法。接着，你可以用其他手势和动作对它进行测试。向算法输入大量数据使其具备分类功能，这是机器学习的基本前提。

▲Teachable Machine（图片来源：Google）

Teachable Machine项目中的设计人员Barron Webster表示：“我们想让它能满足哪怕是对人工智能一无所知的人群的需要。虽然目前它还做不到，但我们正在尽己所能使其易于操作。”

Teachable Machine偶尔也会失灵，无法识别一些手势，但该团队表示，这一切都是非常正常的。“回归初衷，我们一直努力用一种更具象的方式让人们理解程序的运行方式，”Webster说道：“这样他们就能对机器学习处理信息的技术有所了解，从而不再对偶尔的错误和异常建议感到疑惑。”

连Teachable Machine的界面都体现了这一目标。把算法的确信度体现在设计中至关重要。每个“训练”按钮上，都有展示确信度的状态栏：算法非常精确时，状态栏就是满格。用户需要知道它的内部机制并非二进制，它的决断取决于数据运算，而非硬性规则。其界面能吸引用户使用该系统，同时也有意体现其中的不足。“（用户）也许会发现界面的图像有起伏、失真，或是丢失等现象。” Webster表示，“这是我们有意为之，为的是让用户在安全状态下自己摆弄程序，识别图像，并让他们理解为什么机器学习偶有失误。”

▲Teachable Machine（来源：Google）

如今，谷歌创意实验室正在研发Teachable Machine的实体模型，由附有塑料大按钮的胶合板构建而成。他们认为可感可视的互动体验会使机器学习的原理更加通俗易懂。

要更好地探讨AI问题首先要了解其中的原理

在人工智能的应用过程中，还有非常多的挑战和问题，譬如算法具有偏见等等。对此，我还询问了创意实验室团队的研究人员他们的实验是否能解释或解决这些问题。

对方表示，他们将实验目的严谨地界定为让用户了解AI到底是什么及其缺陷的成因，而并非用于解决AI面对的问题。该团队希望借助常有漏洞的缺陷算法加强大众对AI的理解。顺利的话，如果用户能理解算法的基本运作原理，就能更好地以批判性的态度接受算法给出的结论。“我们想告诉用户机器学习不是全能的，” Jongejan表示：“它的能力取决于你对它输入了什么。”

▲图片来源：Google

当然，创意实验室的目的也不仅仅是为了帮助用户批判性地了解AI，进一步，还要了解渗透在日常产品中的AI技术，并投入到关于AI的社会影响及其伦理问题的讨论之中。

“这种开诚布公的讨论能使人们对这项技术有更多的了解。” Chen表示：“当你不了解情况时，就没法对有关行为和道德准则进行有效的探讨。”

总而言之，A.I. Experiments不仅可以训练谷歌的神经网络，还可宣传其“以AI为核心”的发展战略。但需要注意的是，谷歌官方发布的一些产品仍处于实验阶段，纵使AI产品已走进了我们生活的各个层面，但效果并非总是尽如人意，人工智能技术仍在不断发展和完善中。

| 来源：Fast Company   作者：Katharine Schwab   编译：科技行者