오늘 (미국 시간 5/8) 개막 I / O 개발자 컨퍼런스에서 Google은 ML Kit를 발표했다. iOS, Android 어플리케이션 개발자는이 SDK를 이용하여 Google에 의해 개발 구석에서 기계 학습 모델 다수 앱에 적용 할 수있다. 특히 성공적인 것은 이러한 모델 (텍스트 인식, 얼굴 인식, 바코드 스캔 이미지 태그 절임 외계의 랜드 마크 인식 등)가 온라인, 오프라인 모두에서 사용할 수있는 점이다. 네트워크 연결 상태 및 개발자의 판단에 따라 적절한 사람을 선택하는 것이 가능하다.
앞으로 몇 달 동안 Google은 현재 기본 API에는 두 쌍을 추가 할 예정이다. 하나는 Inbox 및 Gmail로 친숙한 스마트 응답이고 다른 하나는 얼굴 인식 API 용의 정밀 윤곽 인식이다.
게임의 방식을 근본적으로 변화시키는 효과가있는 것은 오프라인 모델 것이다. 개발자는 Google에서 개발 한 모델을 자신의 응용 프로그램에 임베드. 게다가 이용은 무료이다. 물론 한계는있다. 모델은 로컬 장치에서 작동 할 수 있도록 크기를 작게되어 있기 때문에 정확성이 낮다. 클라우드 기반이면 컴퓨팅 파워도 기억 용량에도 제한이 없다. 따라서 큰 모델을 사용하여 정확성 결과를 얻을 수있다.
기계 학습 등의 모델을 오프라인에서 사용 가능하게하는 업계의 트렌드이다. 예를 들어 Microsoft는 올해 들어 자신의 오프라인 신경 번역 을 발표하고있다. 이 서비스는 오프라인에서도 작동한다. 트레이드 오프는 Google의 모델과 마찬가지다.
Google 기계 지능 그룹의 제품 관리자로 Android 카메라 기계의 책임자 Brahim Elbouchikhi 내 취재에 대한 답변 이렇게 말했다.
많은 개발자는 기계 학습에 의한 추론 앱에서 예비적인 처리 부분에 도입 것이다. 예를 들어 이미지에 동물이 찍혀 있는지 앱에서 판정하고 찍혀 있으면 예를 들어 견종의 판정에 대해서는 클라우드의 처리에 맡기는 방식이다. 이것은 합리적이다. 온 장치의 라벨 절임은 약 400 종류가 지원되지만, 클라우드는 1 만 종류의 라벨링이 가능하다. ML Kit은 우리의 표준 신경망 API를 사용한다. Android에서도 iOS에서도 같은 기능이다.
Elbouchikhi는 ML Kit가 크로스 플랫폼 인 점을 특히 강조했다. 개발자는 기계 학습 모델이 Android 용, iOS 전용임을 싫어.
Google에서 미리 학습시킨 것 이외의 기계 학습 모델을 필요로하는 경우, ML Kit는 TensorFlow Lite를 지원하고있다.
새로운 SDK는 Google의 Firebase m 산하된다. 목표는 모바일 앱 개발자가 기계 학습 모델을 사용하는 것을 도울 것이다. 그러나 당연히 Google도 지적하고있는 바와 같이, 기계 학습 모델을 사용하여 앱을 가속하기 위해 개발자 측의 노력이 필요하다. 지금까지도 Google은 기계 학습 API 를 통해 여러 가지 학습 구석에서 정의도 가능한 클라우드의 ML 모델을 제공 해왔다. 그러나 지금까지의 모델은 인터넷 연결이 없으면 작동하지 않았다. 또한 사용자 경험도 충분히 Firebase 또한 Firebase 콘솔 에 통합되어 있다고는 말할 수 없었다.
TensorFlow Lite를 사용하는 경우에도 Google은 사용자 정의 모델을 취급하기 쉬운 크기로 압축하기 위해 노력하고있다. 지금은 실험 단계이지만, 관심을 안았다 개발자는 여기에서 가입 할 수있다.
Elbouchikhi은 Google의 목표는 기계 학습 일반에 보급 이라며 "기계 학습을 평범한 또 하나의 도구에하는 것이 우리의 목표"라고 말했다.