Google更新行動機器學習開發套件ML Kit，不再依賴Firebase雲端開發平臺

Google更新了機器學習開發套件ML Kit，最新版與Firebase脫鉤，專注提供裝置上機器學習功能，並且將加入兩個新功能，分別是實體擷取以及姿勢偵測，而且Google還將讓ML Kit支援自定義模型。Google建議開發者，應該更新現有採用原始ML Kit裝置上API的應用程式，搬遷使用新版本。

ML Kit是Google在2018年的I/O大會上發布，讓開發人員在行動應用程式中，可簡單地添加機器學習技術，目前Android和iOS上，共有2.5萬個應用程式使用ML Kit，應用電腦視覺以及自然語言處理功能，開發者只要呼叫API，就能即時辨識文字、掃描條碼、即時追蹤並分類物體，或是翻譯文字。由於開發者抱怨，ML Kit的原始版本和Firebase緊密整合在一起，難以被靈活地應用，因此現在Google讓ML Kit SDK獨立出來，所有裝置上API將不再需要仰賴Firebase專案，但開發者仍然可以在應用程式中，結合使用ML Kit與Firebase。

Google提到，這項更改可以讓ML Kit更能支援裝置上機器學習應用，而且比起雲端機器學習運算，更快速也更具隱私安全。因為機器學習運算在裝置上執行，因此沒有網路延遲，也就是說，模型每秒可以預測的圖像以及文字變得更多，而且因為不需要存取雲端資源，機器學習功能可以離線使用，使用者裝置不用一定要連接網路，此外，由於所有處理都是在本地端執行，沒有敏感資料被送往伺服器，更具隱私安全。

Google也即將在ML Kit加入實體擷取以及姿勢偵測功能，ML Kit將能夠偵測文字中的實體，並將其轉為可操作物件，ML Kit支援電話號碼、地址、付款帳號、追蹤號碼和日期時間偵測；而在姿勢偵測上，則支援33個骨骼點的低延遲姿勢偵測，追蹤的部位包含手以及腳掌。開發者可以加入早期存取計畫，搶先試用新功能。

ML Kit提供開箱即用的機器學習解決方案，但是當開發者需要量身訂做的功能時，便需要使用自定義模型，因此Google也將讓ML Kit支援自定義模型，允許開發者換掉ML Kit預設的模型，替換成自己建置的TensorFlow Lite模型，這項功能將從圖像標記、物體偵測以及追蹤API開始，現在開發者已經可以使用自定義圖像分類模型。