Criar apps mais inteligentes com o aprendizado de máquina

Ao desenvolver apps para Android com ML, suas tarefas principais são projetar produtos, implementar algoritmos de inferência e implantar modelos de ML existentes. Dependendo das circunstâncias, você também pode treinar novamente outros modelos existentes ou criar e treinar novos modelos.

Assim como outras tecnologias, a aplicação do aprendizado de máquina como uma solução exige que os gerentes de produto, designers e desenvolvedores trabalhem juntos para definir metas de produto, design, versão e iteração. O Google produziu dois guias nessa área:

• O People + AI Guidebook (em inglês) mostra as práticas recomendadas para que sua equipe tome decisões sobre produtos de IA centrados no ser humano.
• A especificação The Material Design for Machine Learning (em inglês) contém uma coleção de diretrizes e padrões de design para recursos de aprendizado de máquina, como detecção de objetos e leitura de código de barras.

O aprendizado de máquina requer um modelo treinado para executar uma tarefa específica, como fazer uma previsão, classificar ou reconhecer alguma entrada. Você pode selecionar (e possivelmente personalizar) um modelo existente ou criar a partir do zero. A criação e o treinamento de modelos podem ser feitos em uma máquina de desenvolvimento ou por meio da infraestrutura em nuvem.

Explorar modelos pré-treinados

Modelos pré-treinados estão disponíveis no ML Kit e no Google Cloud. Leia mais sobre eles na próxima seção.

Como criar os próprios modelos com o TensorFlow

Para uma experiência prática de desenvolvimento mais profunda, use estes recursos do TensorFlow:

• Tutoriais do TensorFlow (em inglês)
• Codelab TensorFlow for Poets (em inglês): mostra como personalizar um modelo pré-treinado de classificação de imagens usando o aprendizado por transferência

Inferência é o processo de usar um modelo de aprendizado de máquina que já foi treinado para executar uma tarefa específica.

Uma decisão importante que você enfrentará como desenvolvedor do Android é se a inferência será executada no dispositivo ou se usará um serviço em nuvem acessado remotamente. Veja alguns dos pontos que você precisa considerar ao tomar essa decisão:

A tabela a seguir mostra as opções de desenvolvimento disponíveis para cada tipo de inferência:

Implantação é o processo de empacotamento e atualização do seu modelo de ML para uso no Android ao realizar inferências no dispositivo. Há três opções disponíveis:

Incluir o modelo com o app Android

Seu modelo é implantado com o app como qualquer outro recurso. As atualizações do modelo exigem a atualização do app. Há duas maneiras de adicionar um modelo ao aplicativo:

• Inclua o modelo no arquivo APK do app. Essa é a opção mais básica.
• Inclua o modelo em um Android App Bundle e use o Dynamic Delivery.

Colocar o modelo no ambiente de execução

Isso permite que você atualize o modelo independentemente do app. Isso também facilita o teste A/B. É possível exibir o modelo personalizado usando a função modelos personalizados do Kit de ML ou hospedar o download do modelo com a própria infraestrutura.

Uma combinação das opções anteriores

É comum que os desenvolvedores empacotem uma versão inicial do modelo com o app Android para que o usuário não precise aguardar o download do modelo enquanto o atualiza para uma nova versão.

Para modelos pré-treinados específicos do Kit de ML, isto é, reconhecimento de texto e leitura de código de barras, os desenvolvedores podem usar o modelo compartilhado oferecido pelo Google Play Services, o que resulta em APKs menores.