Гоогле је одвојио АПИ-је за машинско учење на уређају у МЛ Кит-у од Фиребасе-а и најавио нови програм раног приступа за тестирање предстојећих АПИ-ја.
Гоогле у великој мери користи вештачку интелигенцију за пружање високо контекстуалних и тачних резултата претраге веба и слика. Поред претраге на веб платформи, Гоогле-ови модели машинског учења такође обезбеђују различите АИ апликације на Андроид телефонима, од визуелне претраге до Гоогле Ленс до компјутерска фотографија по којима су Пикел уређаји познати. Осим сопствених апликација, Гоогле такође дозвољава програмерима трећих страна да интегришу функције машинског учења у своје апликације неприметно са уз помоћ МЛ Кит-а, СДК-а (Софтваре Девелопмент Кит) који је део Фиребасе-а – његове контролне табле за онлајн управљање и аналитику за мобилне уређаје развој. Од данас, Гоогле најављује велику промену у МЛ Кит-у и учиниће АПИ-је на уређају независним од Фиребасе-а.
МЛ Кит је најављен на Гоогле И/О 2018 да бисте поједноставили додавање функција машинског учења апликацијама. У време лансирања, МЛ Кит се састојао од препознавања текста, детекције лица, скенирања бар кодова, означавања слика и АПИ-ја за препознавање оријентира. У Априла 2019, Гоогле је представио своје прве АПИ-је за обраду природног језика (НЛП) у СДК за програмере у облику паметног одговора и језика Идентификација. Месец дана касније, тј. на Гоогле И/О 2019,
МЛ Кит садржи АПИ-је на уређају и у облаку. Као што бисте очекивали, АПИ-ји на уређају обрађују податке користећи моделе машинског учења сачуване на уређају док АПИ-ји засновани на облаку шаљу податке моделима машинског учења који се налазе на Гоогле-овој Цлоуд платформи и примају решене податке преко Интернета везу. Пошто АПИ-ји на уређају раде без интернета, они могу брже анализирати информације и сигурнији су од својих колега заснованих на облаку. АПИ-ји за машинско учење на уређају такође могу бити хардверски убрзани на Андроид уређајима који користе Андроид Орео 8.1 и новији и покренути Гоогле-ов АПИ за неуронске мреже (ННАПИ) заједно са специјалним рачунарским блоковима или НПУ-овима који се налазе на најновијим скуповима чипова из Куалцомм, МедиаТек, ХиСилицон итд.
Гоогле је недавно објавио а блог пост најављујући да ће АПИ-ји на уређају из МЛ Кит-а сада бити доступни као део независног СДК-а. То значи АПИ-је на уређају у МЛ комплету – укључујући препознавање текста, скенирање бар кодова, детекцију лица, означавање слика, детекцију објеката и праћење, идентификација језика, паметан одговор и превод на уређају – биће доступни под посебним СДК-ом којем се може приступити без Фиребасе. Гоогле, међутим, препоручује да користите МЛ Кит СДК у Фиребасе-у за мигрирају своје постојеће пројекте на нови самостални СДК. А ново микросајт је покренут са свим ресурсима везаним за МЛ Кит.
Осим новог СДК-а, Гоогле је најавио неке измене које олакшавају програмерима да интегришу моделе машинског учења у своје апликације. Прво, модел детекције лица/контуре се сада испоручује као део Гоогле Плаи услуга тако да програмери не морају да клонирају АПИ и модел одвојено за своје апликације. Ово омогућава мању величину за пакет апликација и могућност да се модел поново користи у другим апликацијама неприметније.
Друго, Гоогле је додао Животни циклус Андроид Јетпацк-а подршка за све АПИ-је. Ово ће помоћи у управљању употребом АПИ-ја када се апликација подвргне ротацији екрана или је корисник затвори. Поред тога, такође олакшава лаку интеграцију ЦамераКс Јетпацк библиотека у апликацијама које користе МЛ Кит.
Треће, Гоогле је најавио програм раног приступа тако да програмери могу да добију приступ предстојећим АПИ-јима и функцијама пре осталих. Компанија сада додаје два нова АПИ-ја у МЛ Кит за одабране програмере да их прегледају и поделе своје повратне информације. Ови АПИ-ји укључују:
- Екстракција ентитета да открије ствари као што су бројеви телефона, адресе, бројеви плаћања, бројеви за праћење и датум и време у тексту, и
- Посе Детецтион за детекцију мале латенције 33 тачке скелета, укључујући руке и стопала
На крају, Гоогле сада дозвољава програмерима да замене постојеће АПИ-је за означавање слика, као и АПИ-је за откривање и праћење објеката из МЛ Кит-а прилагођеним моделима машинског учења од ТенсорФлов Лите. Компанија ће ускоро објавити више детаља о томе како пронаћи или клонирати ТенсорФлов Лите моделе и обучити их користећи МЛ Кит или нове функције интеграције МЛ-а Андроид Студија.