Akıllı Android uygulamaları oluşturma: Jetpacker'a giriş

Uygulamanızda üretken yapay zeka özellikleri oluşturmak genellikle çeşitli modeller, API'ler ve mimari seçenekler arasında gezinmek anlamına gelir: 

• Yürütme konumu: Modeliniz nerede çalışıyor? Cihazda mı, bulutta mı yoksa her ikisinde mi?
• Karmaşıklık: Kurulumunuz ne kadar karmaşık? Tek bir çıkarım çağrısı mı yapıyorsunuz yoksa daha fazla kontrol sağlayan bir akışa mı ihtiyacınız var?
• Uygulama içi veya Android sistemi: Özelliğiniz Android uygulamanıza mı entegre edilmeli yoksa Android sistemine mi daha uygun?

Bu blog yayını dizisinde bu seçimler konusunda size yol göstereceğiz. Sizi temel bir mobil uygulamayla başlayıp kişiselleştirilmiş, akıllı ve etkileşimli bir deneyime dönüştüreceğimiz bir yolculuğa çıkaracağız.

Jetpacker: bir demo seyahat uygulaması

Jetpacker, ekibimizin bu yılki Google I/O için sıfırdan oluşturduğu bir teknik tanıtım uygulamasıdır (Antigravity kullanılarak oluşturulmuştur). Jetpacker, kullanıcıların bir sonraki büyük macerasını planlamasına, keşfetmesine ve maceradan keyif almasına yardımcı olur. Gezilerinizin genel görünümünü, her bir geziye ait seyahat planını ve gezideki her etkinliğin ayrıntılarını gösterir. Elbette, güzel ve etkileyici bir Materyal Tasarım kullanıcı arayüzü de dahil olmak üzere Android geliştirmeyle ilgili tüm en iyi uygulamaları takip edin.

En iyisi de ne biliyor musunuz? Tamamen açık kaynak!

Bugün, bu özelliklerin her birini ayrıntılı olarak ele alan bir dizi teknik blog yayını yayınlıyoruz. Kendi akıllı Android uygulamalarınızı oluşturmanıza yardımcı olmak için ayrıntılı uygulama adımları, kod snippet'leri ve mimari bilgiler sunacağız.

Cihaz üzerinde zeka

Cihaz üzerinde model kullanmak ek bulut çıkarımı maliyeti getirmez, internet bağlantısı konusunda endişelenmenize gerek kalmaz ve kullanıcıların özel bilgilerinin buluta gönderilmeden cihaz üzerinde yerel olarak işleneceğinden emin olmalarını sağlar.

Jetpacker'da üç özelliğimiz için cihaz üzerinde çıkarım seçtik:

• Seyahat genel bakışı özelliği, karmaşık ve çok günlük bir seyahat planını kısa ve uygulanabilir bir özete dönüştürür. Verileri cihazda yerel olarak işlemek için ML Kit GenAI API'leri aracılığıyla Gemini Nano'dan yararlanır. Bu özelliği, ek bulut maliyetlerine yol açmak istemediğimiz için cihaz üzerinde çıkarım yapmanın doğru seçim olduğu, kullanışlı bir özellik olarak değerlendiriyoruz.
• Harcama izleyici, kullanıcıların seyahat harcamalarını takip etmelerine yardımcı olmak için makbuz resimlerinden yapılandırılmış verileri otomatik olarak ayıklar. ML Kit GenAI API'leri aracılığıyla Gemini Nano 4'ün çok formatlı özelliklerini kullanır. Makbuz resimlerindeki gizliliğe duyarlı bilgilerin kullanıcının cihazından asla dışarı çıkmaması için cihaz üzerinde bir çözüm seçeriz.
• Sesli günlük , sesli notları kaydedip metne dönüştürür ve ilgili gezi etkinliklerine göre kategorize eder. ML Kit Konuşma Tanıma ve GenAI istem API'leri tarafından desteklenir. Gizlilik ve bağlantı nedenleriyle cihaz üzerinde bir çözüm seçtik.

Bulut ve karma çıkarım

Bazen kullanım alanınız daha fazla dünya bilgisine veya çok daha büyük bir bağlam penceresine sahip ve karmaşık görevleri ele alma konusunda daha yetenekli yapay zeka modelleri gerektirir. Bu durumda, cihaz üzerinde model çalıştırmaktan bulut modeli kullanmaya geçebiliriz.

İsterseniz her iki dünyanın da en iyisini elde etmek için çalışma zamanında bulut veya cihaz üzerinde modeli dinamik olarak seçmek üzere hibrit çıkarım kullanabilirsiniz. Bu sayede, çıkarım işlemi kullanılabilir olduğunda cihaza taşınarak maliyetler düşürülürken uygulamayı çalıştıran tüm Android cihazlar desteklenir.

Jetpacker'da bulut veya karma çıkarım kullanarak çeşitli özellikler uyguladık:

• Yerle ilgili soru-cevap özelliği, yanıtları gerçek dünya verilerine dayandırarak kullanıcıların belirli konumlarla ilgili sorularını yanıtlar. Google Haritalar ve web bağlamı ile entegre edilmiş Firebase AI Logic'i kullanır. Burada, daha fazla dünya bilgisi nedeniyle bulut modeli kullanmak gerekir.
• Yorum taslağı özelliği, kullanıcıların ziyaret ettikleri yerler hakkında ayrıntılı yorumlar yazmasına yardımcı olur. Firebase AI Logic'in yeni Karma çıkarım API'si aracılığıyla hem cihaz üzerinde hem de bulut modellerinden yararlanır. Bu özelliği tüm uygulama kullanıcılarının kullanımına sunmak istediğimiz için cihaz üzerinde model kullanılamadığında yedek olarak bir bulut modeli kullanıyoruz.
• Otomatik sohbet çevirisi, özel karma çıkarım mantığını göstererek sorunsuz iletişimi kolaylaştırmak için sohbet mesajlarını anında dinamik olarak çevirir. Bu özelliği tüm uygulama kullanıcılarının kullanabilmesini istiyoruz ancak cihaz üzerinde ve bulut arasında seçim yaparken dikkate alınması gereken bazı özel noktalar var.

Sistem entegrasyonu

Uygulamanın kendisinde görmediğiniz bir özellik olsa da Android sistem entegrasyonu, uygulamanın temel özelliklerini doğrudan Android işletim sistemine açar. Sistem düzeyindeki zeka ile entegrasyon için AppFunctions API'yi kullanır.

Uygulama içi ajan iş akışları (çok yakında!)

Ajanlık, modellere ajan gibi davranma olanağı sunarak daha yüksek düzeyde özerklik sağlar. Tek bir çıkarım çağrısı yerine, bir aracı akıl yürütmesine, araçlar kullanmasına ve yolunu uyarlamasına olanak tanıyan bir düzenleme döngüsü aracılığıyla belirli bir hedefe ulaşmaya çalışır. Bu akıllı aracılar, gereksinimlerinize bağlı olarak bulutta, doğrudan cihaz üzerinde veya karma kurulumda çalışabilir.

Jetpacker için, rezervasyonları kolaylaştırmak amacıyla uygulamada doğrudan uçtan uca rezervasyon iş akışlarını otomatikleştiren bir rezervasyon asistanı ekledik. Bulutta çalışan A2UI ve ADK kullanılarak oluşturulmuştur. Android uygulaması, bulutta çalışan çok ajanlı sistemin ön ucu olarak işlev görür.

Daha fazla bilgi

Bu blog yayını dizisinin diğer bölümlerine göz atın:

1. Bölüm (bu yayın!): Uygulamanın tanıtımı ve genel bakış.
2. Bölüm: Cihaz üzerinde zeka. Seyahat planı özetleme, makbuz ayrıştırma ve yerel ses işleme gibi gizliliğe öncelik veren özellikler oluşturmak için ML Kit'in üretken yapay zeka API'lerini ve Gemini Nano'yu ayrıntılı olarak inceleyin.
3. Bölüm: Hibrit ve bulut akıl yürütme. LLM yanıtlarını Google Haritalar ve web bağlamı gibi gerçek dünya verilerine dayandırmak için Firebase AI Logic'i nasıl kullanacağınızı keşfedin.
4. Bölüm: Sistem entegrasyonu. AppFunctions kullanarak Android Intelligence sistemiyle entegrasyon.
5. Bölüm (yakında): Uygulama içi aracı iş akışları. Uygulamayı A2UI ve ADK destekli uçtan uca rezervasyon asistanıyla genişletin.

Android geliştirme hakkında daha fazla bilgi edinmek ister misiniz? Android Developers'ı YouTube veya LinkedIn'de takip edin.