在 2017 年 10 月的秋季發(fā)布會上，Google 發(fā)布了智能相機 Clips，它沒有取景框和麥克風(fēng)，只有攝像頭和快門，使用機器學(xué)習(xí)來幫助用戶抓拍精彩瞬間，所有一切都自動完成。這個其貌不揚的「小產(chǎn)品」實際上凝聚了 Google 在智能硬件上的巨大野心。

在那次發(fā)布會上，Google 提出了「AI+硬件+軟件」的概念，而 Clips 正是這個理念下最具代表性的產(chǎn)品。1 月 27 日，Clips 終于上架 Google 商店，以 249 美元的價格出售。也許是為了配合上市，Google 以 Clips 為案例發(fā)表了一篇長文，闡述「以人為本」的設(shè)計理念，從中可以看到 Google 對 AI 應(yīng)用的一些思考、堅持的原則和方法論。

以下內(nèi)容根據(jù) Google Design 發(fā)表的「The UX of AI」一文編譯，內(nèi)容有適當(dāng)刪減。

 

解決真正的人類需求

機器學(xué)習(xí)無法得知哪些問題需要被解決，如果不從人的需求出發(fā)，最終就會為了一個很小甚至是不存在的需求，去建立一個強大的系統(tǒng)。所以，AI 應(yīng)該從人的需求出發(fā)。

在今年，人們將拍攝大約一萬億張照片，對于大多數(shù)人來講，這意味著我們會有一個實際上不會再去翻看的電子相冊。尤其是對于新生兒的父母，他們生活中的每個點滴都值得記錄。在那些珍貴而又短暫的時刻，他們需要將注意力放在手機上，通過屏幕來看自己的孩子，而不是和孩子進(jìn)行交流。

我們需要一個隨時隨地在線的攝影師在身邊，捕捉那些珍貴但轉(zhuǎn)瞬即逝的時刻，比如孩子的微笑，Clips 就是為此而生。

AI 需要人類的引導(dǎo)

機器學(xué)習(xí)是一個多學(xué)科的系統(tǒng)，根據(jù)數(shù)據(jù)自動分析出規(guī)律然后進(jìn)行預(yù)測。模型的任務(wù)就是評判這些規(guī)律的重要性，盡可能保證準(zhǔn)確。但需要注意的是，從建立模型、選擇數(shù)據(jù)源到打標(biāo)簽，都會影響最終的結(jié)果，而這些都會受到人類判斷的影響。所以，人類引導(dǎo)在機器學(xué)習(xí)中的作用不可忽視。

解決抓拍照片的問題，最緊迫的一點是：如果人們拍攝了大量照片，但其實并不想事后重新編輯、整理，那么該如何標(biāo)記這些照片呢？這就需要一個理論上的「人類專家」來完成這個任務(wù)。這里的理論有兩層含義：首先，如果人類無法完成這個任務(wù)，那么 AI 也不能。其次，通過研究人類專家的行為，我們可以知道如何進(jìn)行數(shù)據(jù)收集、標(biāo)記和建立機器學(xué)習(xí)模型。

通過不斷的嘗試，我們找到了一個紀(jì)錄片制作人、一個攝影記者和一個藝術(shù)攝影師，利用他們的專業(yè)知識和經(jīng)驗，試圖回答「哪些瞬間值得被記錄」。

判斷標(biāo)準(zhǔn)要統(tǒng)一

我們將景深、三分法則、燈光照明、構(gòu)圖、故事性等標(biāo)準(zhǔn)全部加入進(jìn)去，讓它在一個足夠簡化的框架下進(jìn)行學(xué)習(xí)。

老師給出兩個完全不同的例子時，學(xué)生會快速給出反饋，但算法不會。對于 Clips 來說，不光要讓它學(xué)會哪些瞬間值得記錄，還要知道忽略哪種類型的照片。

比如在抓拍時，忽略手指擋住鏡頭、快速晃動、模糊的照片，留下穩(wěn)定、清晰、構(gòu)圖合適的照片，面部檢測可以實現(xiàn)這一點

拍照的前提是彼此熟悉，用相機朝向某人時，他們會微笑或點頭表示同意，有了智能相機，可以根據(jù)社交關(guān)系來判斷你所要關(guān)注的人是誰，判斷標(biāo)準(zhǔn)可以使這些人在你照片中出現(xiàn)的次數(shù)等，這樣就避免抓拍到不相關(guān)的陌生人。

建立信任

Google 在 Clips 上投入精力的原因之一是想向全世界展示，將機器學(xué)習(xí)內(nèi)置到設(shè)備中，并進(jìn)行隱私保護(hù)的重要性。相機是個很私人的東西，我們一直在努力確保它的硬件、智能系統(tǒng)和內(nèi)容都只屬于用戶自己，所以在 Clips 上增加了軟件取景器和快門按鈕。用戶對于留下來的照片有最終決定權(quán)，我們會展示被挑選出的「精彩瞬間」，用戶也可以自己選擇視頻的長短，或者刪除哪些照片。

和傳統(tǒng)的工具相比，機器學(xué)習(xí)系統(tǒng)無法避免 bug，所以「完美」是不可能的，甚至不能當(dāng)成一個目標(biāo)。因為用機器學(xué)習(xí)進(jìn)行預(yù)測，本身就是一個模糊的技術(shù)。但也正是因為這種模糊性，我們可以設(shè)計出更強大、復(fù)雜的判別系統(tǒng)。Clips 能做的不僅是保存、刪除、編輯，還根據(jù)用戶、拍攝對象的狀態(tài)不斷變化，隨時間不斷學(xué)習(xí)。

在「以人為本」的理念下，我們可以釋放機器學(xué)習(xí)更大的潛力，讓機器變得更加智能，探索增強人類能力的方法。首先要牢記幾點：尋找和解決人類的真正需求、維護(hù)人類的價值、增強人類的能力而不是將一切都自動化。

人工智能的作用不應(yīng)該是替我們大海撈針，而是向我們展示它能清除多少海草，以便我們更容易找到針。