【AI星球（微信ID：ai_xingqiu）】10月11日报道（编译：福尔摩望）
我们正生活在一个数据过载的世界里。企业掌握了大量有关行为分析和客户偏好的数据，却无法以有意义的方式来处理和消化。机器学习顺势而生。在被应用于大量内部公司数据集之后，机器学习技术可以产生重要的见解，并以超越人类的规模提供可行的建议和预测。
但是随着自动化、机器学习和人工智能技术在日常生活中的不断普及，越来越多的用户问题也随之产生。我该如何信任基于机器学习的建议呢？我如何知道这个预测是准确的？这台机器会拿走我的工作吗？
由于机器学习技术还处于起步阶段，所以这些疑问是很常见的。但是机器学习、人工智能以及自动化带来的应该是好处而非负担。事实上，Gartner最近预测到2020年将会创造出200万与AI相关的新工作。此外，这份报告还预测，AI将会提高许多工作的生产力，并可以丰富人们的职业生涯，重新构造旧的工作，创造新的行业。然而，对于AI和机器学习来说，要想达到这一点并能够产生有意义的影响，需要给予人们与技术交互的机会，并让人们逐渐产生信任感。
建立信任的第一步从人们体验技术的方式开始。现代化的设计需要得到发展，通过一套具有透明度建议和类似合作方式的成熟系统建立其用户的信心，并让用户掌握控制权。当我们培养人际关系时，需要耗费一定的时间，这一模式同样也适用于人类和机器之间的关系。下面将会介绍三个设计阶段，通过这三个阶段将会加强人类对机器学习的信心，让机器学习的潜能得到完全开发。
阶段1：选择权
建立信任的第一步应该在突出机器学习智能性的同时让用户保有对结果的完整控制权。给予用户查看各种选项并控制最终决策的权限是设计密切的机器学习/用户关系的重要一步。
这种用户设计案例可以在植入Instagram和Facebook等社交媒体应用的照片标记系统中找到。虽然这些工具会给出“将此图像标记为Jon Snow”的建议，但是用户可以控制照片中实际被标记的人。所有使用机器学习的技术都需要这种水平的透明度，让人们拥有决策控制权。这一阶段可以让人们在享受机器学习带来的好处同时也可以让用户掌握控制权。
阶段2：学习
当与技术进行透明式的交互时，设计体验中的学习阶段就可以开始了。在这一阶段的照片标记系统中，机器学习可以更大的规模进行第一阶段的应用。
在这一阶段，用户可能会收到这样的提示：“我们找到了15张Jon Snow的照片。点击标记所有照片。”当用户经历了与技术的多次交互，并基于选择阶段的建议做出相应的选择后，这项技术可以从输入中学习并相应的更新未来的推荐。学习阶段允许用户亲自了解到技术是如何响应反馈并不断调整的。
阶段3：预测
在第三阶段，技术将会从过去的互动中建立起一系列已记录和已学习的信息。通过使用这个新创建的信息库，机器学习技术可以提供低风险、高置信度的预测，并采取相应的行动。以照片标记系统为例，在这一阶段，用户将会被询问是否自动给未来所有的Jon Snow照片进行标记。这一设计阶段在自动化低风险的日常活动的同时，仍然基于终端用户最后的决定权。
当用户经历了这三个设计阶段后，就会建立起一定水平的信任感和透明度。但是想要训练能够为低风险负责的机器学习技术，日常任务只是开始。随着用户越来越信任机器学习技术，它可以成为一个非常有益的工具，可以让人们专注于最复杂的项目，让商业决策保持高影响力。
