據Google.ai說， “ PAIR致力於推動以人為本的AI系統的研究和設計。 ” PAIR背後的人們還補充說， 他們的目標是瞭解人機交互與機器智慧的全面性。
PAIR計畫的主要目標是進行基礎研究， 發明新技術， 並創建有利於人造智慧人性化的框架。 該計畫還重點關注用戶與技術之間的關係， AI所使用的應用程式， 如何使其廣泛包容， 以及觸及AI人性化的一切。
Google Blog上的7月10日的博客文章指出， PAIR的研究涵蓋了不同用戶需求的三個領域：工程師和研究人員、領域專家、日常用戶。
與工程師和研究人員一起， PAIR計畫想要探索如何使這些人更容易地構建和理解機器學習系統。 此外， 他們的研究工作需要什麼教材和實用工具。
對於領域專家， PAIR想要確定AI如何增加他們的工作中的專業人員。 該計畫將在將AI整合到工作中時，
最後， PAIR計畫希望確保機器學習是包容性的， 所以每個人都可以從AI的突破中獲益。 他們希望探索將人造技術背後的技術民主化的可能性， 以幫助開拓新的人工智慧應用。
作為Google Brain努力通過PAIR計畫進一步改進AI研究的一部分， 該公司開發了一套他們團隊用來設計機器學習等經驗的最佳實踐。
以人為中心的機器學習Google UX經理和員工UX研究員Jess Holbrook以及Google 高級Google交互設計師Josh Lovejoy發佈了關於在設計機器學習時將7個步驟集中在使用者面前的一篇文章 。
該帖子， 標題為以人為中心的機器學習， 為研究人員和設計人員就如何有效地設計ML為主導產品的一些指標。 根據Holbrook和Lovejoy， 這些指標來自於Google AI和UX團隊的工作經驗。
不要指望機器學習找出需要解決的問題。 我們仍然需要定義。 你仍然需要做一切你一直努力尋找人類需要的努力。
問問自己是否會以獨特的方式解決問題。 一旦您確定了您想要解決的需求， 您將需要評估ML能否以獨特的方式解決這些需求。 有很多合法的問題並不需要ML解決方案。
用個人示例和嚮導偽裝。 在使用早期模型進行使用者研究時， 參與者會將自己的一些資料（例如個人照片， 自己的連絡人清單， 音樂或電影建議）帶入會議。
加重假陽性和假陰性的成本。 你的ML系統會犯錯誤。 瞭解這些錯誤是什麼樣的， 以及它們如何影響使用者的產品體驗很重要。
共同學習和適應計畫。
使用正確的標籤教你的演算法。 標籤是機器學習的重要方面。 有人的工作是看待內容， 並標注它， 回答這個問題像“這張照片裡有貓嗎？一旦有足夠的照片被標記為“貓”或“不是貓”， 您就可以使用一個資料集來訓練一個模型來識別貓。
擴展您的UX系列， ML是一個創意過程。 機器學習是一個比我們普遍習慣的更有創造力和表現力的工程過程。 訓練一個模型可能會很慢， 視覺化的工具還不是很好，
Google提出的一系列做法和推出的PAIR計畫是證明， 即使是目前最先進和最富有的技術巨頭， 也有很多關於設計“人性化”機器學習人工智慧的知識。 然而， PAIR倡議仍然是更好地瞭解AI在人們生活中未來應用的一個很好的舉措。
機器學習如何有助於改善未來人們的生活？或者， 它將打開一個未知世界的大門， 人類只是在更高智慧的世界中的木偶？