揭秘谷歌AI实验室：我们不做产品，我们只是AI界的“游戏玩家”

说起来，那次算是一个惊喜的意外。

Jonas Jongejan是一位富有创造力的技术专家，同时他也是谷歌创意实验室（Creative Lab）的成员。在谷歌内部的黑客马拉松上落后之后，他费尽心思摸索着与人工智能有关的有趣想法。然后，他诞生了一个想法：“采用机器学习算法来识别照片中的物体，但是只是用线条和涂鸦来进行模拟，效果会如何呢？”

Jongejan发现模拟的效果非常好，即使失败了，程序识别出来的结果也很有趣；与此同时，这也让人得以一窥电脑是如何识别图像的。Jongejan说:“事实上，这个程序不是完美的，用户们可以各种‘调戏’它。‘Quick，Draw！’就是从这一概念中诞生的。”

在不到六个月的时间里，Quick，Draw！如病毒般在网上扩散。世界各地的人们都在玩这个实验性游戏，用户涂鸦了一个物体或动物后，神经网络程序将尝试对涂鸦进行辨认。最后，Quick，Draw！这款小游戏还登上了新闻社区Reddit的首页。

此外，其还带来了另一个意想不到的结果。所有玩过这一游戏的用户（目前达到了数百万人），他们把自己的画贡献出来，为程序添加了一组全是涂鸦的新数据。相比特意设置得不完美的‘Quick，Draw！’的算法，这组数据能用于训练更先进的神经算法。该程序团队的下一款成品，AutoDraw就基于此研发，比Jongejan最初的想法更为深入。在玩家们仍在画着涂鸦，试图让神经网络辨认的同时，AutoDraw还为他们提供了剪辑艺术版的简画，包括车、树等等。

Jongejan从未想过Quick，Draw！最终有超过5000万份的涂鸦，并衍生出研究论文、编码工具，甚至是用于分析人们在画某种动物（如火烈鸟）时表现糟糕的原因。Quick，Draw！是谷歌人工智能实验项目中最成功的案例，也许它也是对该公司价值的最好诠释。

AI Experiments（人工智能实验）基于谷歌创意实验室，由一个程序员、设计师和作家组成的团队创建，工作内容就是用谷歌的技术制造出酷炫好玩的产品。

这一项目运营仅仅一年，它通过有趣的产品或游戏，为揭开前沿技术提供了途径，同时也为向谷歌的研究人员和工程师们介绍新想法提供了渠道。虽然创意实验室的团队说，他们的新设计‘Quick，Draw！’只是为了辅助T恤衫制作图案，但我们不难想象，或许在未来的某个节点，能够识别用户绘画的计算机神经网络将出现在谷歌的程序中。

在这项计划开展的一年里，AI Experiments所做的近16个实验，诠释了该公司将自己视为机器学习和人工智能领域的领导者的定位。通过有趣的、甚至“有点蠢蠢的”实验让普通人和开发者更容易理解其技术，谷歌借此强化了自己的品牌，扩大了市场份额，并教会了人们如何看待人工智能这个华丽的新世界。

谷歌的人工智能试验品

创意实验室最早在2009年推出了首个实验，重点投放在了谷歌浏览器上。其中最成功的一款是与乐队Arcade Fire合作的互动电影。电影基于谷歌街景StreetView拍摄，定制化地为每位互动者展示了他们童年时街道的景象，这一实验大获成功。随后，创意实验室相继发布了Android实验、AR实验、WebVR实验、人工智能实验，以及最近的语音实验Paper Signals，所有这些项目都是开源的，并且基于谷歌技术。

但AI实验本身则比较新颖。AI实验开始于2016年11月，当时谷歌创意实验室的创意主管Alex Chen正与两位谷歌研究人员谈论机器学习的概念和作用。研究人员形象化地向他展示了神经网络的运作，随后他把这一概念带给了创意实验室的同事，就此埋下了AI实验的种子。

Chen表示：“让这个技术更易于使用，让更多的人了解它的真实性、背后的数学原理以及它的工作原理，甚至是开始玩这个技术、与之进行互动...这些，在我看来再好不过了。 ”

他的同事Jongejan开发出的“Quick，Draw！”，也成为了2016年末推出的少量首批AI实验之一。

为了构建游戏，Jongejan与一个专注于通过机器学习来破译手写的谷歌研究团队进行了合作。在谷歌技术仍在开发的过程中，创意实验室也经常与产品团队展开合作。 例如，在谷歌的AR平台ARCore发布之前，创意实验室就已经开展相关的实验。

Jongejan表示，“在知道新技术要推出时，我们参入其中，站在这一技术的最前沿。然后，我们进行可以推动技术进步的迭代实验，并且展示这种技术在未来在更大规模下的潜在可能性。有时，这将有助于产品团队。我们把自己当成技术的试验品。”

人工智能实验有两个主要的目标受众——首先当然是公众，其次就是开发者社区。Chen表示，这不是谷歌的产品，这只是一个巨大的有趣的代码示例，可能会引发其他开发人员的思考。我想知道他们是如何一起得出这个想法的，他们是如何实现这一想法的，原来Cloud Vision API（可以识别图像中的对象）还可以做这样的事。

从商业角度来看，这些开发人员是谷歌最为珍贵的用户，而实验则是激发他们对谷歌产品（如机器学习平台TensorFlow）和Cloud Vision API等工具的兴趣的一种方式。 这是创意实验室进行这类实验的一个重要原因。

创意实验室的领导人Amit Pitaru说：“我们正在以一种非常全面的方式来探索这些公共工具的可能性，我认为这很有价值。您可以向开发人员展示他们使用TensorFlow制作的酷炫内容，也许可以将其转换为活跃用户，并增加使用谷歌服务构建的开发人员数量，以及开发者工具的市场份额。”

人工智能的营销作用与通用化

实际上，创意实验室位于Google营销部门内部。但是，公司不只是试图向开发商推销使用其新技术。谷歌首席执行官Sundar Pichai去年表示，谷歌现在是一家人工智能的公司，专注于通过人工智能寻找新的、更好的方式来组织信息。机器学习在Google Photos中提供了强大的搜索功能，如用户键入“花”等关键字后，可以查看所有用户可能视为“花”的所有照片。机器学习还可让Google智能助理了解用户的意见。目前，谷歌智能助理已被整合到其他数十种谷歌产品和服务中。

人工智能的出现引发了一场激烈的争论，有的认为这是一种威胁，有的则认为这是人类的福音。作为这些技术的负责任的开发者，谷歌有强烈的意向去说服人们，让他们可以相信谷歌不会是邪恶的，随着公司继续制造越来越多的算法，让用户接纳其软件。那么怎么办呢？那就是用一种有趣、而又简单的方式来解释机器学习的功用。

拥有独立游戏开发背景的创意实验室创意技术专家Jane Friedhoff说：“我们所有的实验都有一个非常好玩的点。而当人们沉溺于玩耍时，他们真正投入其中。他们在一点点接触一个新的系统。”

最近的一款叫做Teachable Machine的AI实验就是这样运作的。它的工作原理是：在屏幕上按下不同彩色大号按钮的同时，在镜头前做不同的手势。根据相机影像的录入，神经网络算法会学会把不同动作与手势联系起来，如绿色按钮与手位于头上对应，紫色按钮与手位于面前对应，橙色按钮与手在身体一侧对应。这是一种训练人工智能回应用户手势的基本形式。随后，用户可以用其他手势和行动来进行测试。

Teachable Machine的设计师Barron Webster表示，“我们把它设计成一个低标准的通用版，不过在这方面上运作还很笨拙，我们希望尽可能的让它易于使用。”

Teachable Machine的运作相对很容易打破。有的一些手势运作良好，而其他手势则不行。该团队希望，将人们的期望设定在一个合理的水平上，这样，当他们体验到现实生活中的人工智能时，他们就会明白为什么它有时候有效，有时却不行。Webster说：“从我们自己的角色定位来看，我们所追求的，就是让人们更容易理解机器幕后运行的过程，哪怕是某种抽象的方式。因此，当他们遇到这种技术时，对于机器学习如何处理信息，他们会有更多的直觉和理解，为什么有时这是错误的，为什么有时会让人觉得古怪。”

在每个“训练”按钮上方，都有一个表示置信度的进度条：当算法结果正确时，进度条被填充。用户需要认识到其内部机制并不是简单的二元对错，它的决定是基于计算得出的最佳猜测数据，而不是硬性规定。交互界面鼓励用户“调戏”系统，同时也指出了技术的局限性。Webster说：“用户可以开始感觉到什么地方变得怪异，什么地方变得模糊，又或是什么地方出现了问题。用户可以在安全的环境下自己调试，用自己的形象来了解为什么机器学习有时是错误的。”

现今，创意实验室团队正在开发一个由胶合板和大型塑料纽扣制成的Teachable Machine实体原型。他们相信，通过有触觉的、有形的交互，机器学习背后的概念将更容易被理解。

当我第一次使用这个工具的时候，我试图训练它识别不同的面部表情，比如微笑和皱眉。遗憾的是，实际上并不可行。但是，是根据游戏设计师Friedhoff的说法，这些不完美之处给了人们提问的机会，为什么工具在身体动作上比面部表情表现更好？在这方面用户可以尽情去挖掘，去满足他们的好奇心。”

人工智能的“道德标准”

设计公正而不偏不倚的算法是当今科技中最大的难题之一，对谷歌也是如此。2015年，谷歌的一款图像分类算法将黑人标识为大猩猩。在刑事司法系统中，黑人被视为预警性的警务的对象，在这一方面，人工智能方面的偏见也将对整个世界产生巨大的影响。

在询问创意实验室团队，他们的实验是否可以在人工智能存在的一些问题方面发挥作用时。他们表示，他们谨慎为实验设定了框架，不是为了应对AI方面的问题，而是教会用户了解AI是什么以及它有什么缺陷。 理想情况下，如果用户了解算法在基本级别上的工作原理，那么他们将具备对其结论更为重要的知识。 Jongejan说：“我们希望教育人们，不要把机器学习视为理所当然。机器学习需要用户本身的投入。”

一项实验有多项任务。在很大可能上，“Teachable Machine”之类工具的使用者不会对算法为何让人失望上进行任何深入的调查或思考。在展现机器学习的能力上，创意实验室表现令人满意，但他们并不是为了帮助人们在关键层面上理解人工智能而设计的。不过，对于渗透到我们每天使用的产品的技术有一个基本的了解，会让人更理智地看待道德和AI在社会中的冲突问题。

Chen说：“我认为，让某种东西实现的的最好的方法就是让更多的人把这一技术发挥得淋漓尽致，这样他们拥有了发言权。当用户不知道实际上发生了什么事情的时候，在我们应该做什么以及什么是正确的道德规范上，他们没办法参与进来。”

当然，人工智能实验最终可以帮助谷歌更进一步地提升自己。它们是一种教学工具，也是谷歌公布其“以人工智能为核心”计划的有效实践方式。更重要的是，即使是谷歌的官方产品，它们本身仍然只是实验品。甚至可以说，成千上万的用户使用的AI产品也并不总是按照开发者设想的方式那样运作的。