與TensorFlow共同進步 kika輸入法引擎不斷突破升級

作為享譽海外的人工智能公司，kika的使命一直是通過技術創(chuàng)新，以輸入法為切入場景，幫助人們更加自由有趣地表達心中所想，讓世界溝通變得更簡單。因此，不斷升級輸入法引擎，繼而變革世界溝通是kika一直所追逐的目標。而得益于谷歌將TensorFlow開源并不斷迭代，以及本身技術的鉆研及創(chuàng)新，近日，kika正式成為TensorFlow的contributor(貢獻者)，與TensorFlow共同進步。

從2016年開始，kika 技術團隊一直致力于 AI 技術在移動端落地，尤其是在 keyboard 輸入法引擎做了很多算法與工程上的探索工作。2017 年 5 月，kika 技術團隊基于 TensorFlow Mobile 研發(fā)了 kika AI Engine，將其應用于 kika 的全系輸入法產品中。2017 年 11 月，在Google 發(fā)布 TensorFlow Lite (TF Lite) 后，kika 技術團隊同樣進行了迅速跟進。

TensorFlow Lite 是針對移動和嵌入式設備的輕量級解決方案，支持移動設備上機器學習模型的低時延推理。它擁有全新的設計，具有如下三個重要功能：

輕量級(Lightweight)：支持機器學習模型的推理在較小二進制數下進行，能快速初始化/啟動;

跨平臺(Cross-platform)：可以在許多不同的平臺上運行，現在支持 Android 和 iOS;

快速(Fast)：針對移動設備進行了優(yōu)化，包括大大減少了模型加載時間、支持硬件加速。

kika輸入法作為一個重度使用的工具類 APP，在移動端做輕量化部署顯然非常重要。而對于kika輸入法引擎而言，最需具備的技術要求包括：快、準、全，需要在客戶端環(huán)境下，根據用戶輸入的上文內容以及當前鍵入的鍵碼，實時進行『預測』。預測的內容包括：單詞，詞組，emoji 等等一切可能通過輸入法發(fā)送的內容。這恰與TensorFlow Lite 的功能優(yōu)勢天然契合。

因此，在Google 發(fā)布 TensorFlow Lite (TF Lite) 后，kika技術團隊立即著手升級開發(fā)。在開發(fā)過程中，kika發(fā)現TF Lite 對于 RNN/LSTM 的支持程度稍顯不足，例如對于RNN的支持尚存在op支持不足的缺點。不過，kika團隊在經歷相當的研發(fā)投入后，已然可以盡量避免使用這些TF Lite不支持的 op，對于不得不使用的情況，也可以實現結合具體的業(yè)務邏輯，優(yōu)化設計，使得在移動端部署的二次開發(fā)的工作量盡可能的小。

2018 年 1 月，kika成功地開發(fā)了基于TF Lite全新一代的 kika AI Engine。在客戶端實現基于TF Lite模型的部署之后，kika分別測試了同一模型在 TF 完全版(TF Mobile)和TF Lite10, 000 次 Inference 的資源消耗情況，如下圖所示。主要的 Metrics 包括內存占用 (memory)，運行時間(speed)和靜態(tài)鏈接庫的大小 (image size)。

可以看到，各項 Metrics 都得到的大幅的優(yōu)化，這對于提升產品的整體性能與穩(wěn)定度都十分有利。

與此同時，kika也再一次進行了線上產品的更新，使得用戶擁有了更好的使用體驗。事實上，除了輸入法引擎之外，kika 技術團隊近年來也一直在致力于采用 AI 技術解決內容推薦，語音識別和自然語義理解方面等方面的諸多實際問題，在客戶端和服務端部署分別采用 TF Lite 和 TF Serving 這兩個基于 TensorFlow 的優(yōu)秀框架。

在 TensorFlow的加持下，kika輸入法引擎不斷突破升級，無疑將使得kika變革世界溝通的美好愿景加快實現。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。