Android Pie 要利用 DeepMind 的 AI 來延長電池續航能力

《連線》網站撰文講述Google DeepMind最大的人工智慧項目在如何解決Android的電池續航問題。Google的Android Pie作業系統採用DeepMind的AI，目的就是延長手機的電池續航時間。那麼做真能帶來改變嗎？

2014年1月，Google斥資4億美元收購總部位於倫敦的人工智慧公司DeepMind。當時，外界還不清楚Google和它的母公司Alphabet會從這筆交易中得到什麼。四年後，專注於為Google開發人工智慧的DeepMind團隊開始帶來回報。

Google最新的行動作業系統Android Pie的推出，涉及到DeepMind迄今為止最大的現實世界機器學習系統的推出。它的人工智慧有一個雄心勃勃的目標。它希望解決現代智慧型手機最令人沮喪的一個痛點：電池續航能力差。

從2017年春季開始——早在Android Pie（之前代號名稱為「P」）的開發者預覽版發佈之前，DeepMind的倫敦團隊就開始與Google的同事展開合作。合作的成果是，他們在作業系統中引入了兩個AI系統。它們分別是自適應電池(Adaptive Battery)系統和自適應亮度（Adaptive Brightness）系統，前者旨在阻止應用程式在後台消耗電池電量，後者則意在根據手機所處的環境自動調整螢幕亮度。

Android工程師班‧默多克（Ben Murdoch）表示，來自Android Pie開發者版、beta測試版和通用版本的第一批資料顯示，該系統能夠奏效。他表示，執行於Android裝置後台的應用程式喚醒中央處理器(CPU)的頻率會降低30%，透過Wi-Fi和行動訊號傳輸的資料量在一些情況下會減少20%。這兩種方法都可以減輕電池的消耗。

「我們已經看到我們所說的方差出現減少。」默多克補充道，「大多數使用者都時常覺得自己的手機電池消耗速度比預期的或者正常時候要快得多。我們稱這些不可預測的事件為『電池的壞日子』。我們是在支配那些電池的壞日子。」

早期階段

儘管Android Pie已經公開推出，但這些系統仍處於相對初期的階段。該作業系統的公開版本已於8月6日開始提供下載，但仍只在少數的手機上可用。目前全球有超過20億台裝置執行各種Android系統版本，但大多數都是在舊款作業系統上執行。(Google在Pie推出之前發佈的最新資料顯示，只有14%的裝置在使用Oreo系統。)

那麼，該潛在的電池節約技術背後的人工智慧是如何運作的呢？「這個模型是一個深度的卷積神經網路。」在DeepMind為Google開發產品的克里斯‧甘布爾（Chris Gamble）說道。卷積神經網路廣泛應用於機器學習領域，已經在從自動駕駛汽車到圖像識別技術的各個領域進行了測試。

DeepMind的人工智慧會分析Android裝置使用者如何使用他們的應用程式。甘布爾說，「它有兩層，利用應用程式打開的時間戳來預測該應用程式下一次打開的時間。」該機器學習模型會學習應用程式的使用模式——去掉應用程式名稱和詳細訊息，以防止它們受到任何不公正的對待——進而預測哪些應用程式經常被使用。然後，得出每個應用程式分被打開的可能性資料。「如果兩個應用程式被使用的方式相同，那麼它們可能就會得到相同的預測，因為它們會有相同的輸入資料。」甘布爾指出，「但事實上，它們可能是兩個完全不同的應用程式。」

該人工智慧技術將每個應用程式歸入四組中的一組，由此來節省電池壽命。每組都被賦予不同的限制，因而能夠防止特定手機行為的發生。默多克說，這四個組包括：活躍APP組（正在使用的APP或者接下來很可能會被使用的APP），即將使用的APP組（可能不久後會被使用的APP），經常使用的APP組，以及鮮少使用的APP組。

那些被放在即將使用組別的應用程式可以不受限制地執行，而那些被放在低優先級的應用程式會受到不同的限制。「當應用程式開始發現自己處於即將使用、經常使用或者鮮少使用的組別時，限制就會增加。」默多克說道，「對那些應用的限制包括：裝置必須要充電，或者裝置必須要連接網路。」其他的限制還包括停止應用程式設置鬧鐘喚醒手機的功能。應用程式還可以被限制對透過雲端接收到的訊息進行回應，鮮少使用的組別中的那些應用程式的後台活動和網路活動會完全受限。

這可能會對使用者體驗造成影響。當Android Pie的使用者打開自適應電池系統時，系統會發出警告：「通知提醒可能會延遲」。因此，如果你在手機端不是常常使用Facebook的話，你可能會延遲收到來自該APP的推送通知。應用程式每小時都會被掃瞄一次，由此來預測它們的使用情況，人工智慧的處理工作全部在各台裝置上完成。

手機上應用AI極其複雜

此前，DeepMind將其人工智慧技術推向了Google的資料中心。它的機器學習直接控制著充斥著伺服器和網路基礎設施的巨型建築的冷卻過程，這些公司聲稱這種部署節省了能源。不過，涉足手機則是另一回事。

「在行動裝置上應用機器學習技術是極其複雜的。」甘布爾稱。雖然手機比以往任何時候都更加強大，但它的運算能力仍遠遠不及體積更大的系統，後者可以依賴更多的資源來處理資料。「我們確定的一件事是，該模型的第一次迭代是非常計算密集型的。」甘布爾補充說。這對於非高端手機尤其緊要。自適應電池和自適應亮度系統最初是在Google的Pixel智慧型手機上測試的，但後來隨著它走出了原型階段，它被擴展到其他的手機上。

隨著該機器學習模型在現實世界的使用越來越廣泛，為了及時解決該模型的任何問題，Android和DeepMind已經能夠做到讓該人工智慧在2019年Android Q問世之前就可獲得升級。默多克說，「這些模型都是在他們自己的Android APK上構建和部署的，我們可以根據需要靈活地透過Play Store應用程式商店進行更新。」任何時候只要感覺已經進行了足夠的改進，Google就可以給機器學習推送更新。「隨著時間的推移，我們打算做的要事之一是，監控這些模型在該領域的表現，並根據需要對它們進行調整。」

目前，還不可能完全說清楚機器學習技術的效果如何，也不知道手機的電池續航時間是否會有明顯的改善。如果該人工智慧出了問題，人們自然就會抱怨。默多克表示，「理想情況下，使用者沒有發現問題，就是我們最大的成功。」

本文授權轉載自網易科技