Artigo de Brahim Elbouchikhi, publicado originalmente pelo Google Developers Blog . A tradução foi feita pela Redação iMasters com autorização.

***

No mundo acelerado de hoje, as pessoas esperam que os aplicativos móveis sejam inteligentes – adaptando-se às atividades dos usuários ou encantando-os com inteligência surpreendente. Como resultado, acreditamos que o aprendizado de máquina se tornará uma ferramenta essencial no desenvolvimento de dispositivos móveis.

É por isso que no Google I/O, apresentamos o Kit ML na versão beta: um novo SDK que leva a experiência de aprendizado de máquina da Google para desenvolvedores de dispositivos móveis em um pacote eficiente e fácil de usar no Firebase. Nós não poderíamos estar mais animados!

Aprendizado de máquina para todos os níveis de habilidade

Começar a usar o aprendizado de máquina pode ser difícil para muitos desenvolvedores. Normalmente, os novos desenvolvedores de ML passam incontáveis horas aprendendo as complexidades da implementação de modelos de baixo nível, usando frameworks e muito mais.

Mesmo para o especialista experiente, adaptar e otimizar modelos para serem executados em dispositivos móveis pode ser uma tarefa enorme. Além das complexidades de aprendizado de máquina, a obtenção de dados de treinamento pode ser um processo caro e demorado, especialmente quando se considera um público global.

Com o Kit ML, você pode usar o aprendizado de máquina para criar recursos atraentes, no Android e no iOS, independentemente da sua experiência em aprendizado de máquina. Mais detalhes abaixo!

Pronto para produção para casos de uso comum

Se você é um novato que quer apenas dar o pontapé inicial, o Kit ML oferece cinco APIs prontas para uso (“base”), que abordam casos comuns de uso móvel:

• Reconhecimento de texto
• Detecção de rosto
• Leitura de código de barras
• Rotulagem de imagem
• Reconhecimento de marco

Com essas APIs básicas, você simplesmente passa os dados para o Kit ML e recebe uma resposta intuitiva. Por exemplo: Lose It!, um dos nossos primeiros usuários usou o Kit ML para criar vários recursos na versão mais recente do seu aplicativo rastreador de calorias.

Usando nossa API baseada em reconhecimento de texto e um modelo personalizado, o aplicativo pode capturar rapidamente as informações nutricionais dos rótulos dos produtos para inserir o conteúdo de um alimento a partir de uma imagem.

O Kit ML oferece APIs no dispositivo e na Nuvem, tudo em uma interface simples e comum, permitindo que você escolha as que melhor atendem às suas necessidades. As APIs no dispositivo processam dados rapidamente e funcionarão mesmo quando não houver conexão de rede, enquanto as APIs baseadas na nuvem aproveitam o poder da tecnologia de aprendizado de máquina do Google Cloud Platform para oferecer um nível mais alto de precisão.

Veja essas APIs em ação no seu console do Firebase:

Atenção: estamos planejando lançar mais duas APIs nos próximos meses. A primeira é uma API de resposta inteligente, que permite que você suporte respostas de mensagens contextuais no seu aplicativo, e a segunda é uma adição de contorno facial de alta densidade à API de detecção de faces. Inscreva-se aqui para testá-las!

Implantar modelos personalizados

Se você é experiente em aprendizado de máquina e não encontra uma API base que cubra seu caso de uso, o Kit ML permite implantar seus próprios modelos do TensorFlow Lite. Basta enviá-los por meio do console do Firebase, e nós cuidaremos da hospedagem e da veiculação deles para os usuários do seu aplicativo. Dessa forma, você pode manter seus modelos fora do seu APK/pacotes, o que reduz o tamanho da sua instalação. Além disso, como o Kit ML veicula seu modelo dinamicamente, você sempre pode atualizar seu modelo sem precisar publicar novamente seus aplicativos.

Mas tem mais. À medida em que os aplicativos passaram a fazer ainda mais coisas, o tamanho deles aumentou, prejudicando as taxas de instalação da loja de aplicativos e com o potencial de custar mais aos usuários em excesso de dados. O aprendizado de máquina pode exacerbar ainda mais essa tendência, já que os modelos podem atingir 10 megabytes de tamanho. Então, decidimos investir na compressão de modelos.

Especificamente, estamos experimentando um recurso que permite fazer o upload de um modelo completo do TensorFlow, juntamente com dados de treinamento, e receber em retorno um modelo TensorFlow Lite compactado. A tecnologia por trás disso está evoluindo rapidamente e, por isso, estamos procurando alguns desenvolvedores para experimentá-lo e nos dar um feedback. Se você estiver interessado, por favor cadastre-se aqui.

Melhor junto com outros produtos do Firebase

Como o Kit ML está disponível por meio do Firebase, é fácil aproveitar a ampla plataforma do Firebase. Por exemplo, a Configuração Remota e o teste de A/B permitem que você experimente vários modelos personalizados. Você pode alternar dinamicamente os valores em seu aplicativo, tornando-o um ótimo ajuste para trocar os modelos personalizados que você deseja que seus usuários usem na hora. Você pode até criar segmentos de população e experimentar vários modelos em paralelo.

Outros exemplos incluem:

• Armazenar seus rótulos de imagem no Cloud Firestore
• Medir a latência de processamento com o Monitoramento de Desempenho
• Entender o impacto do envolvimento do usuário com o Google Analytics
• E mais

Iniciar!

Mal podemos esperar para ver o que você vai construir com o Kit ML. Esperamos que você goste do produto como muitos de nossos primeiros clientes:

Comece a usar o kit beta do ML visitando seu console do Firebase hoje mesmo. Se você tiver alguma opinião ou comentário a fazer, sinta-se à vontade para nos informar – estamos sempre ouvindo!

***

Este artigo é do Google Developers Blog. Ele foi escrito por Brahim Elbouchikhi. A tradução foi feita pela Redação iMasters com autorização. Você pode acessar o original em: https://developers.googleblog.com/2018/05/introducing-ml-kit.html