机器学习为核心,DeepMind助力谷歌开发的安卓 9「Pie」今日上线

今日,谷歌开发者博客宣布,经过 1 年多的开发和数月的测试,安卓 9「Pie」将正式面世。本文中,我们将介绍安卓新版本的所有新特点。

今年 5 月份,谷歌 I/O 大会宣布推出安卓 9,而后经过数月的测试,谷歌收获了大量的反馈。此外,还有小米、Oppo 等 7 家设备制造商也将测试版本放到了他们的旗舰设备上,使得谷歌能够从全球用户那里收集反馈信息。

今日,谷歌宣布将把安卓 9 的源代码放到安卓开源项目上(AOSP),开始在所有的谷歌 Piexl 手机上用安卓 9。据介绍,安卓 9 拥有的机器学习能力能让手机变得更智能、便利、个性化。对开发者而言,安卓 9 包含很多强化 APP 的新方法。

Android 9 包含什么?

机器学习为核心的更智能的智能手机

Android 9 能根据你的喜好自动调整你的手机,让它更适合你。从帮助用户充分利用电池寿命,到任何时刻都能展现 app 中最佳部分,只要用户需要,Android 9 都能让这一切变得更顺畅、更持久。

自适应电池(Adaptive Battery)

谷歌与 DeepMind 合作开发了个名为 Adaptive Battery 的功能,该功能利用机器学习为用户最关心的应用优化系统资源。如果用户的 app 针对 Doze、App Standby 或 Background Limits 进行了优化,那 Adaptive Battery 可以立即开始运行。

Slice

通过在全屏应用体验之外启用互动,Slice 可以帮助用户更快地执行任务。它通过使用 UI 模板来实现这一点,这些模板从谷歌搜索应用中显示丰富、动态且交互的内容,之后还可以在 Google Assistant 等其他地方显示这些内容。

App Actions

App Actions 是一种提高 app 可见度和参与度的新方法。Actions 利用机器学习的优势,根据 app 的语义内容和用户语境,在合适时间将特定 app 的特定功能以快捷键的形式呈现给用户。

在接下来的几周,谷歌将分享更多关于注册 app 的细节,这样更多的 app 就可以授权给 App Actions,进而能响应用户需求并在多个谷歌和安卓界面运行。

文本分类与智能链接

谷歌扩展了用于识别内容或文本输入中实体的机器学习模型,已通过 TextClassifier API 支持更多类型,如日期和航班号。Smart Linkify 可以通过让 Linkify API 利用 TextClassifer 模型,提供包括快速文本填充选项等操作。Smart Linkify 同时还可以显著提高检测精度和性能。

Neural Networks 1.1

安卓 9 中包含了神经网络 API 的新版本,以扩展安卓对设备上机器学习加速的支持。具体来说,Neural Networks 1.1 加入了对 9 个新操作的支持——Pad、BatchToSpaceND、SpaceToBatchND、Transpose、Strided Slice、Mean、Div、Sub、Squeeze。通常利用这个 API 的方法是通过 TensorFlow Lite 来进行的。

最大限度地利用你的手机

谷歌宣称,新版本的安卓系统可以让你的智能手机变得更加聪明。但更重要的是,随着科技的发展,技术本身将逐渐隐藏在用户界面背后。在安卓 9 中,谷歌的开发者们已将 Android 的 UI 转变为更简单、更易于使用的形式——对于开发人员而言,这些改进有助于改善用户查找、使用和管理 app 的方式。

新系统导航

Android 9 引入了一个新系统导航,谷歌为此开发了一年多。新的设计使安卓的多任务处理更加简便,并且更容易发现 app。用户在手机上向上滑动,就可以查看最近使用的应用全屏预览,只需点击就可以跳转回其中一个 app。

Display cutout

现在你的 app 可以通过 Android 9 的显示切换功能充分利用最新的无边框屏幕。对于大多数应用来说,系统管理状态栏会将内容和切换功能分开,所以运行切换功能完全无障碍。如果有沉浸式内容,用户可以使用 display cutout APIs 来检查位置和切换形状并发送全屏请求。为了帮助开发和测试,谷歌添加了一个 Developer Option,可以在任何设备上模拟多个 cutout shapes。

带有沉浸式内容的 APP 可以使用显示切换功能在设备上全屏显示。

通知与智能回复

Android 9 使通知功能能有用且易操作。通知类 app 可以利用新的 MessagingStyle API 来显示对话、附上照片或标记,甚至还能提供智能回复。用户很快就可以利用 ML Kit 为 app 生成回复建议。

MessagingStyle 通知与对话和智能回复 [左],图像和标记 [右]。

文本放大

在 Android 9 中,谷歌添加了一个放大镜部件来提高用户选择文本的体验。放大镜部件允许用户通过可拖动窗口查看放大的文本,从而精确定位光标或者文本选择句柄。用户可将它添加到任何窗口视图中,这样就可以在自定义部件或自定义文本中使用它。除了文本放大,放大镜部件还可以为任何视图提供放大功能。

用户安全及隐私

生物特征提示

随着一系列用于身份验证的生物传感器的使用,不同类型的传感器和应用程序之间的体验变得更加一致。Android 9 引入了一个系统管理的对话框,提示用户输入任何支持的生物认证类型。应用程序不再需要构建自己的对话框,而是使用生物计量学提示 API(BiometricPrompt API)来显示标准系统对话框。除了指纹(包括显示器内传感器),API 还支持面部和虹膜认证。

如果你的应用程序正在绘制自己的指纹验证对话框,你应该尽快切换成使用生物计量学提示 API。

受保护确认

Android 9 引入了 Android 保护确认系统(Android Protected Confirmation),它使用可信执行环境(TEE)来保证给定的提示字符串被显示给用户确认。只有在用户确认成功后,TEE 才会签署提示字符串,然后应用程序可以验证该字符串。

加强对密钥的保护

谷歌添加了 StrongBox 作为一种新的密钥存储类型,为在具有独立 CPU、RAM 和安全闪存的防篡改硬件中提供密钥存储的设备提供 API 支持。你可以设置密钥是否应该由 KeyGenParameterSpec 中的 StrongBox 安全芯片保护。

通过 TLS 的域名系统

Android 9 通过 TLS 增加了对域名系统(DNS)的内置支持,如果网络的 DNS 服务器支持,它会自动将 DNS 查询升级到 TLS。用户可以在网络和互联网设置中以新的私有 DNS 模式通过 TLS 行为管理 DNS。执行自己的 DNS 查询的应用程序可以使用新的 API——link properties . isprivated nsactive() 来检查 DNS 模式。

默认 HTTPS

作为重要工作的一部分,Android 9 将所有网络通信从 cleartext(非加密 HTTP)移动到通过 TLS 加密(HTTPS)的网站,他们将修改默认的网络安全配置以阻止所有 cleartext 通信。用户现在需要通过 TLS 连接,除非明确地选择特定域的 cleartext。

基于编译器安全的 Mitigations 

在 Android 9 中,谷歌已经扩展了编译器级 mitigations 的使用,并通过危险行为的运行时检测来强化平台。控制流完整性(Control Flow Integrity,CFI)技术有助于防止代码复用工具和代码执行。在 Android 9 中,谷歌已经极大地扩展了媒体框架和其它安全组件(如 NFC 和蓝牙)中对 CFI 的使用。在使用 LLVM 构建时,谷歌还在 Android 常用核心中引入了 CFI 核心支持。

此外,谷歌还扩展了整数溢出错误 sanitizers 的使用以缓解内存损坏和信息泄漏漏洞等问题。

用户隐私

Android 9 以多种方式保护隐私。该系统现在限制了麦克风、摄像头和空闲 app 中所有传感器的访问。当 app 的 UID 处于空闲时,麦克风和传感器都会停止报告。应用程序所用的摄像会断开连接,如果应用程序试图使用摄像头,会产生错误。大多数情况下,这些限制不应该为 app 引入新问题,但是还是建议用户从你的 app 中删除这些请求。

Android 9 还允许用户在获得 READ_PHONE_STATE 权限后访问平台的 build.serial 标识符。需要通过 Build.getSerial() 方法获得 build.serial 标识符。

相机、音频、图像方面的新体验

多摄像头 API 和其它拍照更新

使用 Android 9,你现在可以在支持多摄像头 API 的设备上同时打开来自两个或更多物理摄像头的流。在配备两个前置摄像头或两个后置摄像头的设备上,你可以实现单个摄像头无法实现的创新功能,例如无缝变焦、散景和立体视觉。API 还允许你调用逻辑或融合的摄像机流,该流可以在两个或多个摄像机之间自动切换。

相机的其它改进还包括新的会话参数(Session parameters)和表面共享(Surface sharing),前者有助于减少初始捕获期间的延迟,而后者允许相机客户端处理各种应用,而无需停止和启动相机流。谷歌还为基于显示的 flash support 添加了 API,并为 app 级图像稳定和特效添加了 OIS 时间戳。

HDR VP9 视频和 HEIF 图像压缩

Android 9 增加了对 HDR VP9 Profile 2 的内置支持,因此你现在可以在支持 HDR 的设备上向用户提供支持 HDR 的电影。

谷歌将 HEIF ( heic ) 图像编码添加到平台中。HEIF 是一种流行的照片格式,它改进了压缩方式以保存存储和网络数据。借助 Android 9 设备上的平台支持,从后端服务器发送和利用 HEIF 图像变得很容易。一旦确定你的应用程序与共享和显示的数据格式兼容,你可以尝试在应用程序中使用 HEIF 作为图像的存储格式。你可以使用 ImageDecoder 或 BitmapFactory 从 jpeg 获得位图来实现从 jpeg 到 heic 的转换,并且可以使用 AndroidX 库中的 HeifWriter 从 YUV 字节缓冲区、表面或位图写入 HEIF 静止图像。

通过动态处理增强音频

动态处理 API 允许你使用一种新的音频效果来隔离特定频率,降低声音或增加柔和声音,以提高 app 的音质。例如,你可以改善在嘈杂环境中说话声音不明显的人的声音。API 还允许你访问多级、多波段动态处理效果,包括预均衡器、多波段压缩器、后均衡器和链接限制器。

位图和绘图的图像解码器

图像解码器(ImageDecoder)API 为你提供了一种将图像解码为位图或绘图的更简便方法。你从字节缓冲区、文件或 URI 中创建位图或绘图。与 BitmapFactory 相比,API 提供了几个优势,包括对精确缩放的支持、对物理内存的单步解码、对解码后处理的支持以及对动画图像的解码。

连接和定位

用于室内导航的 Wi-Fi RTT

Android 9 可以让你通过 IEEE 802.11mc Wi-Fi 协议(即 Wi-Fi Round-Trip-Time,RTT)的平台支持构建室内导航功能到你的 app 上。在具备硬件支持、位置许可和位置启用的 Android 9 设备上,你的 app 可以使用 RTT API 来测量 Wi-Fi 接入点(AP)的距离。设备不需要连接 AP 来使用 RTT,并且为了保护隐私,只有手机可以确定距离,AP 不可以。

如果知道到 3 个或 3 个以上接入点的距离,就可以将设备位置的计算精确到 1 到 2 米。在这种精确度下,设备可以支持建筑物内导航等应用;基于定位的细粒度服务,如消歧语音控制(例如「打开此灯」);以及基于定位的信息(例如,「这种产品有特别优惠吗?」)。

JobScheduler 的数据成本敏感度

JobScheduler 是安卓的中心服务,用于帮助你管理预定的任务或运行 Doze、App Standby 和 Background Limits。在 Android 9 中,JobScheduler 可以为用户更好地处理网络相关的任务,协调运营商单独提供的网络状态。Jobs 现在可以宣布它们估计的数据大小、信号预读并规定详细的网络需求——运营商可以报告拥堵或未计量网络。JobScheduler 可根据网络状态进行管理。例如,当网络拥堵时,JobScheduler 可暂缓大型网络请求。当未计量时,它可运行预读作业以改善用户体验,例如预读标题。

为 NFC 支付和安全交易开放移动 API

Android 9 添加了 GlobalPlatform Open Mobile API 的一个实现到安卓上。在支持的设备上,app 可以使用 OMAPI API 来访问安全组件(SE),以允许智能卡支付和其它安全服务。硬件抽象层(HAL)提供潜在的 API 以列举可用的安全组件种类(eSE、UICC 和其它)。

app 的性能

ART 的性能改善

Android 9 能通过 ART 运行时为所有 app 带来性能和效率的提升。谷歌已经扩展了 ART 的执行文件使用来优化 app 并减少编译 app 代码的内存占用。ART 现在能使用文件信息进行 DEX 文件的设备上重写,并在多种流行的 app 中减少 11% 的内存占用。谷歌期待这些改善能带来系统 DEX 内存使用的减少,以及更快的 app 启动时间。

优化 Kotlin

Kotlin 是安卓系统的第一语言,如果你尚未尝试过,赶紧!谷歌承诺会长期在安卓中使用 Kotlin,并将继续扩展支持,包括优化 Kotlin 代码的性能。在 Android 9 中,你将能看到这项工作的首个结果。我们已经改善了多个编译器的性能,特别是那些目标指向循环语句的,以获得更优的性能。你仅需要保持 Android Studio 的 Kotlin 插件是最新的,就能获取所有最新的 Kotlin 性能提升。

此外,谷歌今天也发布了 Android 9-API 29 SDK(rev. 6) 的更新,其中在某些最频繁使用的 API 中包含空属性标记。

现代安卓

作为 Android 9 项目的一部分,谷歌的目标是现代化安卓的基础建设,以及在其上运行的 app。正如去年谷歌所宣布的,Google Play 将在 2018 年 11 月让所有 app 更新目标 Android Oreo(targetSdkVersion 26 或更高)。据此,如果你的 app 目标指向了早于 Android 4.2(API level 17) 的平台,用户在那之后安装它时将看到一个警告对话。

让你的 app 准备好在 Android 9 中使用

今天,Android 9 将推送给 Pixel 用户,并且也将在接下来的几个月推送给其它设备。为此,尽快测试你的 app 的兼容性是很重要的。你只需要从 Google Play 中下载 app 或使用模拟器来运行 Android 9。在你进行这个流程时,确保你的 app 可以运行,并运行良好,即确保设备能适应 Android 9 的变化。

同样请注意在 app 中使用非 SDK 界面。Android 9 限制了访问选择的非 SDK 界面,因此你应该减少对它们的依赖。

在你做了必要的更新后,建议立刻发布更新到 Google Play 上,不要改变 app 的平台目标。这能确保你在使用 Android 9 API 和目标来增强 app 时,获得 Android 9 的良好用户体验,

用 Android 9 的功能和 API 来增强你的 app

当你准备好时,就安装 Android 9 并在其中使用新的功能和 API 来做开发。

最开始,你需要下载官方 API 28 SDK、最新的工具和模拟器映像到 Android Studio 3.1 中,或者使用 Android Studio 3.2 的最新版本。然后更新你的项目的 compileSdkVersion 和 targetSdkVersion 到 API 28。当你改变目标时,确保你的 app 支持所有合适的行为变化。

一旦准备好了,发布你的 API 更新到 Google Play 上。一个常用的策略是使用 Google Play 的 beta 测试功能以从一小群用户获取早期反馈,然后给产品做阶段性展示。

进入设备之中

从今天开始,一项 Android 9 的无线更新将开始推送到 Pixel 手机上。并且那些安装了测试版软件的设备,包括索尼、小米、HMD Global、Oppo、Vivo、一加和 Essential,以及所有授权的 Android One 设备,将在今年秋末接收到这项更新。我们也正在与一些伙伴合作在今年将设备更新为 Android 9。

原文链接:https://android-developers.googleblog.com/2018/08/introducing-android-9-pie.html

产业Deepmind安卓谷歌
1
相关数据
图像压缩技术

图像压缩是数据压缩技术在数字图像上的应用,目的是减少图像数据中的冗余信息,从而用更加高效的格式存储和传输数据。图像压缩可以是有损数据压缩也可以是无损数据压缩。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

文本分类技术

该技术可被用于理解、组织和分类结构化或非结构化文本文档。文本挖掘所使用的模型有词袋(BOW)模型、语言模型(ngram)和主题模型。隐马尔可夫模型通常用于词性标注(POS)。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

暂无评论
暂无评论~