【AI】Android Pie中引入的AI功能盘点
前言
“无AI，不未来”，绝对不是一句豪情壮语，AI早已进入到了我们生活当中。去年Google发布的Android Pie系统在AI功能方面就做了重大革新，本文就对Google在新系统中引入的AI功能进行一些整理。
一、高通的SNPE SDK支持
SNPE SDK即 Snapdragon Neural Processing Engine SDK，它是美国高通公司出品的神经网络处理引擎（SNPE），可运行于搭载了高通Zeroth机器智能平台的820芯片处理器，开发者可以在SNPE上搭建自己的深度学习网络模型。它像是一个通用的神经运算平台，能够兼容Google TensorFlowLite、Oaffe2、CNTK、MxNet等多个神经元架构，这意味着开发者无需进行太多更改，直接就能将代码和算法套用到装配有高通骁龙845移动平台的设备中。
由于AI功能需要进行大量的算法计算，所以这需要更强大的CPU支撑。高通近年来发布的骁龙845等芯片就提供了强大的性能，通过植入SNPE SDK，为手机提供了良好的AI功能平台，这为AI在智能手机上的运用提供了极大的支持。
二、自适应电池用量（Adaptive Battery）
Android系统没有iOS省电，其背后原因就是APP后台管理机制的问题，各种自启和关联唤醒好不讨厌（特别是国内APP的“全家桶”生态环境）。
这一次，Android P引入了自适应电池“Adaptive Battery”功能，不仅可以预测用户接下来几个小时内将使用的应用程序，而且还包括在当天用户何时会使用哪些应用程序，从而实现智能监控用户的耗电情况，自动关闭无用的后台应用，并根据用户使用习惯调整屏幕亮度，达到省电目的。据介绍，这项功能可以使CPU的负担降低30%。
不过，这一特性是否能对全家桶现象有效？还待日后证明。如果不成，还得要黑域或绿色守护等APP出手。
三、自适应亮度 （Adaptive Brightness）
这个功能可以算是自动亮度的进阶版：自动亮度存在屏幕过亮或偏暗的可能，手动调节也难以精准控制。而自适应亮度功能则可通过长时间学习用户对亮度的偏好习惯来调节亮度，可充分考虑用户对环境和当前应用对亮度明暗的需求情况。
但是，这一功能也需要更灵敏光线传感器以及屏幕背光模组的支持，比如有些手机屏幕最暗可以调节到1流明，并以x流明为单位进行微调。而有些手机最暗亮度只能降到10流明，想再暗也降不下去了。
四、智能预测（App Actions）
根据机器人学习，基于用户日常习惯来预测用户下一步要进行的操作。比如你每天晚上8点都会去晨跑，手机启动器在晚上8点前就会在启动器弹出气泡预测，提醒你是否要打开跑步计步的应用程序。再比如，当你插入耳机时，启动器也会弹出用户最常用的音乐播放器按钮，以及最近添加曲目的信息。
五、轻量级交互（Slices）
这算是智能预测用户操作的延续，也是谷歌将人工智能应用于手机的一种方式。谷歌在Google Search搜索栏中直接提供已安装程序轻量级交互操作，界面上设有应用程序某些功能的快捷操作，因此用户无需打开应用程序就能操作完整应用程序中指定的某项功能，更快速、更便捷。
比如，当你在搜索栏输入“复仇者联盟3”，如果你手机上已安装了美团等软件，那么在搜索栏中就会弹出直接通过美团预定购买复仇者联盟3电影票的选项，省去了打开APP、搜索影片和影院的繁琐步骤。
六、MLKit API接口
独乐乐不如众乐乐，谷歌为开发者们提供了即时使用的AI模板，第三方APP也能利用谷歌的AI提速或改善体验，从而让支持AI加速的CPU有进一步展示自我的舞台。前面提到的App Actions和Slices就依赖于这种专用的 API，需要开发者自行去适配和调整，至于能和Android P紧密到什么地步，就得看开发者愿意付出的时间和精力了。
七、仪表盘（Dashboard）
Android P新增了一个名为仪表盘的功能，可以统计和汇总用户日常的行为记录，比如清楚地看到自己在手机上花费多少时间做了些什么，包括每个APP运行的时间和次数，还会告诉你已经解锁了多少次手机，以及收到了多少条通知等等。这一功能谷歌也开放给了开发者，第三方APP也能通过它和用户进行进一步的交互，如你当你看视频时间已经很久了，视频APP就能在恰当的时间弹出提醒你休息的窗口。
八、Google应用中的AI
从新版Android P的功能特性中，我们可以看到很多和AI相关的技术。除了操作系统，谷歌助手（Google Assitant）和谷歌软件（谷歌地图、谷歌新闻、谷歌摄像头）也都融入了AI加持，进一步印证了无AI，不未来的发展趋势。
结语
本文主要整理了系统方面新引入的AI功能，而且掌握的资料有限，所以可能还有很多其它的AI功能笔者没有找到相关资料。如果读者有这方面的资料，请共享给我，万分感谢！
参考资料
本文的内容主要整理自如下两篇文章，在这里对这两篇文章的作者表示感谢！
