google

【美國直擊】Android Wear 2.0 更新 Google 港人工程師:手錶也有 Machine Learning

Published by
Boris
Share

Google I/O 大會上另一重點更新是 Android Wear 2.0。新版本讓智能手錶等設備可獨立運作,毋須配合智能手機才能使用,但原來它還加入了 Machine Learning 的元素,懂得學習使用者的習慣和行為。Unwire 就專訪了港人出身、Android Wear Fitness 軟體研發負責人胡皓霖,了解一下他們的最新技術。

 

自動辨別使用者做何種運動毋須事先確認

今年的 Google I/O 大會 Keynote 上,最先出現的產品是智能家居助理 Google Home。這款智能設備連接上 Google Assistant 智能助理,使用者用語音指令就能下達指示,背後用了很多 Machine Learning 技術來學習人類行為。但其實 Machine Learning 並非只在家居助理上,手腕上的智能手錶也運用。

Android Wear Fitness 軟件研發負責人胡皓霖向 Unwire 表示,Android Wear 2.0 更新後能讓使用者毋須主動操作,背後就懂得循感應器的數據估計使用者行為並記錄數據。例如當使用者跑步時,以前還得自己點擊錶面確認並要求程式記錄,而新版就當感應到使用者跑步時,就能自動記錄步數、速度,毋須使用者預先操作。

胡皓霖即場示範模擬舉啞鈴,手錶毋須事前確認就知道他舉了多少次,而使用者也可修正,例如明明舉了十次,但紀錄只寫九次,那修正就能協助 Android Wear Fitness 學習,在下一次記錄時就會更準確。

 

綜合分析不同感應器數據掌握模式

Android Wear Fitness 的開發團隊成員在開發上述技術時,需要每人都戴上 Android Wear 做不同的運動收集數據。例如當玩籃球時就告訴程式以下的數據來自籃球運動,那收集並分析上述數據後,Android Wear Fitness 只要再收集到類似的數據,就能知道使用者「現在在玩籃球」。

胡皓霖表示,Android Wear 內建多達 10 種感應器,包括 GPS、加速、方向、氣壓等,當使用者在做某種運動時,數據就會有一定的模式(Pattern),例如射籃時手會舉多高?跑步時加速度多少?攀石時氣壓會怎樣改變?舉重時手腕上下的弧度多少?當綜合不同感應器的數據再綜合分析,當下一次感應器再收集到近似的數據模式時,就知道使用者今次是在做什麼運動。

 

使用者積極回饋修正數據有助提高準確度

當然,有些數據模型是有誤差的,例如踏自行車的手部動作就很少,手的高度也有點似家長推著嬰兒車,數據很易會以為兩者是一樣的。又例如跑步,也有可能只是為了追趕巴士,並非真的在跑步,這時收集到的數據就會有點尷尬。

而這也是為何需要用到 Machine Learning。透過大量收集使用者的行為數據和修正的回饋數據,就能更準確分辨不同的行為模式,使辨別時能更準確。由於身高、動作很個人,你的跑步姿勢未必跟我一樣,因此數據收集不僅是集體的,也是個人化的,從而提供更貼身準確的服務。

 

自動分享數據給其他連動的應用程式

而 Android Wear 2.0 也符合 Google I/O 2016 各項產品的理念,就是減少使用者的麻煩、改善使用體驗。胡皓霖表示,例如當使用者在手錶輸入了今天吃了什麼的資料到記綠每天餐單的程式,而有關的數據例如吃了多少卡路里,也會自動廣播到手錶上的其他應用如 Android Wear Fitness 上,提醒使用者今天應該做多少運動來消耗。

上述的多種功能都是在軟件層面上實現的,即使使用舊款的 Android Wear,只要更新系統到 Android Wear 2.0 也能實現這些操作。胡皓霖表示手錶裡會有離線數據庫,即使在無法上網的環境下也能做一定的分析及數據收集,而有關數據當重新連線後就會更新到雲端上,成為整個 Machine Learning 的分析基礎。

 

用語音輸入改善 Android Wear 操作體驗

剛才提到,Google Assistant 智能助理並非只在 Google Home 之上,就算是 Android 手機及 Android Wear 也可以使用,只要在連線狀態下,使用者就能直接用語音向 Android Wear 讀出指令,讓 Google Assistant 執行指令。想像一下當未到家時,就已經能預先下令打開家裡或車裡的冷氣空調,就算出門在外也能操作智能家居。

胡皓霖表示「語音辨識」是 Google 研發 Machine Learning 的重點所在,雖然 Keynotes 裡提到 Android Wear 2.0 改善了在錶面手寫輸入的體驗(這背後其實也一樣歸功 Machine Learning!),但實際沒多少人會喜歡在錶面上輸入文字,Google Assistant 及 Allo 的智能回復功能,其實就減少了使用者用「手」來輸入的機會,這樣自然有助提高 Android Wear 的使用體驗。

 

未來計劃增加「運動社交」共享數據功能

問到未來計劃加入的功能,胡皓霖表示希望能增加「社交」的部分。這兒並非指把運動的數據貼到 Facebook 那種事,而是指真實的社交。舉個例子,跑步未必是一個人,也可能是兩個人一起跑。Android Wear 能否把部分數據共用?例如跑了多遠、時速多少等等,如果是兩人一起跑的話,數據應該很相似,也可把數據共享到另一個沒有戴上 Android Wear 的朋友。

但胡皓霖強調有關功能目前仍是概念階段,未能提供更多開發資料。目前他們的團隊會專注在收集及分析 Android Wear Fitness 的運動數據,並逐步增加可能較冷門的運動種類。他希望更多使用者能主動提供運動數據,尤其是較冷門的運動,這樣才能提高 Android Wear Fitness 的準確度。

 

Published by
Boris