9 月 16 日消息，《连线》网站撰文讲述谷歌 DeepMind 最大的人工智能项目在如何解决 Android 的电池续航问题。谷歌的 Android Pie 操作系统采用 DeepMind 的 AI，目的就是延长手机的电池续航时间。那么做真能带来改变吗？ 以下是文章主要内容： 2014 年 1 月，谷歌斥资 4 亿美元收购总部位于伦敦的人工智能公司 DeepMind。当时，外界还不清楚谷歌和它的母公司 Alphabet 会从这笔交易中得到什么。四年后，专注于为谷歌开发人工智能的 DeepMind 团队开始带来回报。 谷歌最新的移动操作系统 Android Pie 的推出，涉及到 DeepMind 迄今为止最大的现实世界机器学习系统的推出。它的人工智能有一个雄心勃勃的目标。它希望解决现代智能手机最令人沮丧的一个痛点：电池续航能力差。 从 2017 年春季开始——早在 Android Pie（之前代号名称为“P”）的开发者预览版发布之前，DeepMind 的伦敦团队就开始与谷歌的同事展开合作。合作的成果是，他们在操作系统中引入了两个 AI 系统。它们分别是自适应电池(Adaptive Battery)系统和自适应亮度（Adaptive Brightness）系统，前者旨在阻止应用程序在后台消耗电池电量，后者则意在根据手机所处的环境自动调整屏幕亮度。 Android 工程师本·默多克（Ben Murdoch）表示，来自 Android Pie 开发者版、beta 测试版和通用版本的第一批数据显示，该系统能够奏效。他表示，运行于 Android 设备后台的应用程序唤醒中央处理器(CPU)的频率会降低 30%，通过 Wi-Fi 和移动信号传输的数据量在一些情况下会减少 20%。这两种方法都可以减轻电池的消耗。 “我们已经看到我们所说的方差出现减少。”默多克补充道，“大多数用户都时常觉得自己的手机电池消耗速度比预期的或者正常时候要快得多。我们称这些不可预测的事件为‘电池的坏日子’。我们是在支配那些电池的坏日子。” 早期阶段 尽管 Android Pie 已经公开推出，但这些系统仍处于相对早期的阶段。该操作系统的公开版本已于 8 月 6 日开始提供下载，但仍只在少数的手机上可用。目前全球有超过 20 亿台设备运行各种 Android 系统版本，但大多数都是在旧款操作系统上运行。(谷歌在 Pie 推出之前发布的最新数据显示，只有 14% 的设备在使用 Oreo 系统。) 那么，该潜在的电池节约技术背后的人工智能是如何运作的呢？“这个模型是一个深度的卷积神经网络。”在 DeepMind 为谷歌开发产品的克里斯·甘布尔（Chris Gamble）说道。卷积神经网络广泛应用于机器学习领域，已经在从自动驾驶汽车到图像识别技术的各个领域进行了测试。 DeepMind 的人工智能会分析 Android 设备用户如何使用他们的应用程序。甘布尔说，“它有两层，利用应用程序打开的时间戳来预测该应用程序下一次打开的时间。”该机器学习模型会学习应用程序的使用模式——去掉应用程序名称和详细信息，以防止它们受到任何不公正的对待——进而预测哪些应用程序经常被使用。然后，得出每个应用程序分被打开的可能性数据。“如果两个应用程序被使用的方式相同，那么它们可能就会得到相同的预测，因为它们会有相同的输入数据。”甘布尔指出，“但事实上，它们可能是两个完全不同的应用程序。” 该人工智能技术将每个应用程序归入四组中的一组，由此来节省电池寿命。每组都被赋予不同的限制，因而能够防止特定手机行为的发生。默多克说，这四个组包括：活跃应用组（正在使用的应用或者接下来很可能会被使用的应用），即将使用的应用组（可能不久后会被使用的应用），经常使用的应用组，以及鲜少使用的应用组。 那些被放在即将使用组别的应用程序可以不受限制地运行，而那些被放在低优先级的应用程序会受到不同的限制。“当应用程序开始发现自己处于即将使用、经常使用或者鲜少使用的组别时，限制就会增加。”默多克说道，“对那些应用的限制包括：设备必须要充电，或者设备必须要连接网络。”其他的限制还包括停止应用程序设置闹钟唤醒手机的功能。应用程序还可以被限制对通过云端接收到的消息进行响应，鲜少使用的组别中的那些应用程序的后台活动和网络活动会完全受限。 这可能会对用户体验造成影响。当 Android Pie 的用户打开自适应电池系统时，系统会发出警告：“通知提醒可能会延迟”。因此，如果你在手机端不是常常使用 Facebook 的话，你可能会延迟收到来自该应用的推送通知。应用程序每小时都会被扫描一次，由此来预测它们的使用情况，人工智能的处理工作全部在各台设备上完成。 手机上应用 AI 极其复杂 此前，DeepMind 将其人工智能技术推向了谷歌的数据中心。它的机器学习直接控制着充斥着服务器和互联网基础设施的巨型建筑的冷却过程，这些公司声称这种部署节省了能源。不过，涉足手机则是另一回事。 “在移动设备上应用机器学习技术是极其复杂的。”甘布尔称。虽然手机比以往任何时候都更加强大，但它的计算能力仍远远不及体积更大的系统，后者可以依赖更多的资源来处理数据。“我们确定的一件事是，该模型的第一次迭代是非常计算密集型的。”甘布尔补充说。这对于非高端手机尤其紧要。自适应电池和自适应亮度系统最初是在谷歌的 Pixel 智能手机上测试的，但后来随着它走出了原型阶段，它被扩展到其他的手机上。 随着该机器学习模型在现实世界的使用越来越广泛，为了及时解决该模型的任何问题，Android 和 DeepMind 已经能够做到让该人工智能在 2019 年 Android Q 问世之前就可获得升级。默多克说，“这些模型都是在他们自己的 Android APK 上构建和部署的，我们可以根据需要灵活地通过 Play Store 应用商店进行更新。”任何时候只要感觉已经进行了足够的改进，谷歌就可以给机器学习推送更新。“随着时间的推移，我们打算做的要事之一是，监控这些模型在该领域的表现，并根据需要对它们进行调整。” 目前，还不可能完全说清楚机器学习技术的效果如何，也不知道手机的电池续航时间是否会有明显的改善。如果该人工智能出了问题，人们自然就会抱怨。默多克表示，“理想情况下，用户没有发现问题，就是我们最大的成功。” |
