Google 研究 TensorFlow.js 使用者，探讨其学习机器学习的动机、困难以及愿景，Google 提到，大多数的开发人员都误以为无法掌握机器学习技术，是因为缺乏高级数学能力，但事实上缺乏的是机器学习的概念。
这篇研究论文在 IEEE VL/HCC 研讨会上发表，并且获得最佳论文奖。
由于机器学习的技术越来越普及，更多的开发人员也必须使用机器学习技术来解决原领域的问题，而近年来有越来越多的函数库，将复杂的模型行为抽象为高阶的 API，以降低机器学习的使用障碍。
Google 开源的 TensorFlow.js 函数库，便可让开发人员使用 JavaScript，开发在浏览器上执行的机器学习功能，尽管 Google 下了许多功夫，尽可能使 API 容易使用，但他们还是不知道没有机器学习背景的开发人员，在使用这些框架所遭遇的问题。
因此 Google 调查了 645 个 TensorFlow.js 用户，这些受访者大多数都是软件和网页开发人员，但是不熟悉机器学习技术，平常也并未把机器学习用在主要工作上。
Google 研究了这些人员使用机器学习框架遇到的障碍，并且了解受访者认为最有助于他们应用框架的功能与工具。
Google 发现这些受访者应用框架遇到的困难，并非是框架提供的 API 不够清楚，而是本身欠缺对机器学习概念的理解，这阻碍了他们学习使用框架，并且误以为需要拥有高级数学能力，才能学会使用框架。
且由于缺乏机器学习的概念性理解，开发人员无法挑选出一个好问题，来应用 TensorFlow.js 解决该问题，也无法区分机器学习成果的好坏，在创建神经网络架构时，也无法适当的配置模型的细节或是调整参数。
而且开发人员也难以从基本的 hello world 教学范例中学习，无法将学到的经验转移到自己的案例上使用，Google 提到，虽然 API 范例会提供实作特定模型的语法，但是不足的知识基础，让开发人员难以一般化这些知识，应用到特定的问题上。
有趣的是，开发人员通常把这些学习机器学习遇到的障碍，归因于自己缺乏高级数学能力，Google 表示，API 文件中的数学专有名词可能加深了这样的错误印象，事实上掌握概念并将其应用到实际问题，并不需要高级数学能力，机器学习框架并非为线性代数或是微积分专家设计。
受访者希望框架不只能提供预训练模型，而且还需要带有明确修改提示，Google 提到，虽然当前包括 TensorFlow.js 在内的机器学习平台，都有提供预训练模型，但是这些模型并非为新手设计，因此在缺乏明确操作指示的情况下，新手会难以修改现有模型，更别说用在自己的案例中了。
再来，受访者还希望框架可以提供最佳实践，以即时提示的方式，在流程中引导开发者。
机器学习专家可能对调整参数具有丰富的经验，但对于新手来说，可能连决定第一个要调整的参数，都会不知所错， Google 提到，将最佳实践嵌入到开发流程中，可以缩小开发者的决策空间。
而受访者也期待机器学习框架，可以提供做中学的资源，也就是开发人员希望在开发机器学习应用程序的同时，能够看到更多的范例和资源，对此，Google 表示，机器学习框架可能需要区分不同程度，在特定时机提供不同的学习资源。
编辑：AI智慧