Google更新行动机器学习开发套件ML Kit，不再依赖Firebase云端开发平台

Google更新了机器学习开发套件ML Kit，最新版与Firebase脱钩，专注提供装置上机器学习功能，并且将加入两个新功能，分别是实体撷取以及姿势侦测，而且Google还将让ML Kit支援自定义模型。Google建议开发者，应该更新现有采用原始ML Kit装置上API的应用程序，搬迁使用新版本。

ML Kit是Google在2018年的I/O大会上发布，让开发人员在行动应用程序中，可简单地添加机器学习技术，目前Android和iOS上，共有2.5万个应用程序使用ML Kit，应用电脑视觉以及自然语言处理功能，开发者只要呼叫API，就能即时辨识文字、扫描条码、即时追踪并分类物体，或是翻译文字。由于开发者抱怨，ML Kit的原始版本和Firebase紧密整合在一起，难以被灵活地应用，因此现在Google让ML Kit SDK独立出来，所有装置上API将不再需要仰赖Firebase专案，但开发者仍然可以在应用程序中，结合使用ML Kit与Firebase。

Google提到，这项更改可以让ML Kit更能支援装置上机器学习应用，而且比起云端机器学习运算，更快速也更具隐私安全。因为机器学习运算在装置上执行，因此没有网络延迟，也就是说，模型每秒可以预测的图像以及文字变得更多，而且因为不需要存取云端资源，机器学习功能可以离线使用，使用者装置不用一定要连接网络，此外，由于所有处理都是在本地端执行，没有敏感资料被送往服务器，更具隐私安全。

Google也即将在ML Kit加入实体撷取以及姿势侦测功能，ML Kit将能够侦测文字中的实体，并将其转为可操作物件，ML Kit支援电话号码、地址、付款账号、追踪号码和日期时间侦测；而在姿势侦测上，则支援33个骨骼点的低延迟姿势侦测，追踪的部位包含手以及脚掌。开发者可以加入早期存取计划，抢先试用新功能。

ML Kit提供开箱即用的机器学习解决方案，但是当开发者需要量身订做的功能时，便需要使用自定义模型，因此Google也将让ML Kit支援自定义模型，允许开发者换掉ML Kit预设的模型，替换成自己建置的TensorFlow Lite模型，这项功能将从图像标记、物体侦测以及追踪API开始，现在开发者已经可以使用自定义图像分类模型。