近年來，人工智慧（AI）和機器學習（ML）的應用已經相當普及，比如 AlphaGo 就成為了人類棋手的一位勁敵。

此外科學家們將之用於探索暗物質、營銷人員藉此來制定最佳廣告策略、還有許多研究人員希望它能夠攻克 COVID-19 這樣的流行病。

好訊息是，為了進一步降低機器學習的訪問和參與門檻，搜尋巨頭谷歌已經發起了一個名叫 AI Explorables 的新專案。

【Hidden Bias】

對於大多數人來說，有關機器學習的大量文獻可能都過於深奧。有鑑於此，谷歌希望透過 AI Explorables 專案和一系列互動式的解析，幫助人們更好地理解機器學習的核心概念。

目前谷歌已經發布了兩種基本概念的解釋，分別是“隱藏偏差”和“公正性衡量”。

【Measuring Fairness】

在接下來的幾個月，這家科技巨頭還會講解更多的概念，比如反饋迴圈對系統偏差的影響、解釋系統為達成特定目標所採取的邏輯步驟、隱私問題的處理、及其在 AI 系統中的含義等。

目前的AI包括大部分機器學習演算法，屬於黑盒演算法，在複雜資料中的表現難以具像化，因此讓開發者很難判斷模型本身是否合理。

而透過白盒化網路和演算法可以幫助開發者更有針對性地最佳化網路，而不是像現在一樣透過調節引數和喂大量資料來試錯，視覺化神經網路是讓神經網路向小型化、高效化進化的必要條件。