Google I/O 2019

Google I/O

発表者について
Google I/O とは
Google I/O の内容
Google I/O に参加しよう

発表者について

鈴木真吾(@giantneco)
所属: 産業第１事業部
言語: Go, C, Scala, etc
Google I/O
- Google I/O 2016 に続いて 2 回目の参加

Google I/O とは

Google 開催の年次開発者向けイベント

毎年 5 月頃に開催
マウンテンビューの Google 本社近くで開催
メインは Android, Web など
- アプリ開発者向け

Google I/O の内容

キーノート
セッション
SandBox
Codelabs
Office Hour
After Party
Workshop (new!)

Google I/O 2019

参加者
- 7000+
セッション
- 約180
- 大体の内訳
  - Android 関連 60
  - Web 関連 40
  - 機械学習関連 30
  - クラウド関連 15
  - AR 7
  - VR 0

キーノート

新製品

Pixel 3a
Google Nest Hub

Sandbox

製品・アプリの展示
開発者に説明をして貰うことができる

Codelabs

Google が公開している学習コンテンツ
Google I/O 現地で、発表された技術をすぐに試せる

After Party

参加まで

チケットは 2 月末ごろに抽選
キャンセル分繰り上げ・invitation code 配布は 4 月末
大体の予算
- チケット代 130,000
- 飛行機代 100,000
- 宿泊費 70,000
  - サンタクララあたりに宿泊
空港
- サンフランシスコ空港
- サンノゼ空港 <- 今回はこちら
最短だと 1 日目朝到着、3 日目夕方帰る

前後でもいろいろイベントがある

参加する場合は前後も余裕を持っていくのがオススメ

Google 見学
Intel Day 0 Party
Netflix Day 0 Party
日本人エンジニアのミートアップ

Android

Android の主な発表

Android Q
Jetpack の変更
Android Studio 3.5

Android 動向

Android Q
- 名前の決定はまだ先
Kotlin ファースト
- Jetpack など Kotlin 優先的に対応される
- Jetpack Compose などは Kotlin 専用
- Kotlin Everywhere の開催
  - https://events.withgoogle.com/kotlin-everywhere/

Android Q

Android Q System UI に関する変更

Bubbles
Dark Theme
Share Sheet
Notification Priority
Gesture Navigation
Desktop mode
Foldable 対応

Bubbles

新しい通知機能

システムアラートメッセージの置き換え
- パフォーマンス etc で問題点があった

Bubbles

notif.setBubbleMetaData(
  new Notification.BubbleMetadata.Builder()
      .setIcon(Icond.createWithAdaptiveBitmpa(bitmap))
      .setDeiredHeight(600)
      .setIntent(bubbleActivityIntent)
      .build());

Dark Theme

対応方法は 3 つ

ダークテーマを使用 (もっとも楽)
ダークテーマ用のリソースを用意する
ダークテーマの強制適用
ダークテーマを無視

Dark Theme

Q から Android でもダークテーマが利用可能に
- 目に優しい
- バッテリーに優しい
- etc

ShareSheet

シェアシートのデザイン・ API が変更
- クリップボードは上に
- コンテントプレビュー
- API の変更

Notification Priority の追加

Priority と Gentle

Gensture Navigation

ジェスチャーナビゲーション
- バックボタンの将来的な廃止
- デザインガイダンスの変更

プラットフォーム的な変更

WebView
テキスト
拡大鏡
非 SDK インターフェースの制限が更新

非 SDK インターフェースの制限

SDK で提供されていない API 呼び出しの制限
- Pie から制限が開始
- Q で制限のリストが更新

Android Q セキュリティ・プライバシ

位置情報のパーミッション変更
Shared Storage の変更
端末固有番号
バックグラウンドからのアクティビティ起動
アプリからの Wifi on/off が無効化
設定パネルがアプリ内から呼び出し可能に

位置情報のパーミッション変更

P 以前
- 位置情報をアプリに常に開示するかどうかの 2 択
Q
- バックグランド動作時にも許すかどうかが追加

端末固有番号の扱い

リセットできない端末固有番号の取得に制限
- READ_PRIVILEGED_PHONE_STATE
MAC アドレスのランダマイズ

バックグラウンドからのアクティビティ起動

アクティビティの起動に制限

基本的にバックグラウンドからの起動は不可に

アクティビティは:

フォアグラウンドで起動
フォアグラウンドからのインテントで起動
システムからのインテントで起動
システムからのブロードキャストで起動

ART の変更

プロファイルがクラウドに
Generational Concurrent Copy GC
起動プロセスの変更

Kotlin

Q の Kotlin API では Nullable アノテーションがつけられる
kapt 1.3.30 からインクリメンタルなアノテーションプロセッシング
Jetpack のライブラリでコルーチンが使用可能になった

Jetpack

androidx.preference
CameraX
Architecture Components
Jetpack Compose
Jetpack Benchmark

androidx.preference

~~android.preference~~
androidx.preference

CameraX

カメラを簡単に扱えるようにするライブラリ

camera2API のラッパー
Google によりテストがされている
backward compatible
- L+ に対応

Architecture Components

workmanager 1.0.1 and 2.0.1
navigation 1.0 and 2.0
SaveState for ViewModel 1.0 alpha
benchmarking 1.0 alpha
Lifecycyels, LiveData, Room: コルーチン対応
ViewPager
ViewBindings + SavedState

Jetpack Compose

Declarative UI
現在まだ α 前
- リストが書ける程度

import androidx.compose.*
import androidx.ui.core.*

@Composable
fun Greeting(name: String) {
   Text ("Hello $name!")
}

比較

struct Content : View {
  var body: some View {
    VStack {
     Text("Hello World") 
    }
  }
}

Swift UI

class MyApp extends StatelessWidget {
  @override
  Widget build(BuildContext context) {
    return new MaterialApp(
      home: new Scaffold(
        body: new Center(
          child: new Text('Hello World'),
        ),
      ),
    );
  }
}

Flutter

機械学習

TensorFlow
- TensorFlow 2.0
- TensorFlow の新しいライブラリ
Cloud TPU Pods
ML Kit
- AutoML
ML fairness
Federated Learning
TensorFlowX (TFX)

TensorFlow の新しいライブラリ

Keras Tuner
TensorFlow Probability
TF-Ranking
TensorFlow graphics
TF Agent

etc...

Keras Tuner

ハイパーパラメータチューニングのライブラリ
現在 pre-alpha
TensorFlow 2.0, Python3.6
https://gist.github.com/giantneco/e12fdba557de538598e704bcf23dae46

TF-Agents

強化学習用の TensorFlow ライブラリ

TensorFlow 2.0 向け
- 一応 TensorFlow 1.3 でも動く？
ポリシーベースの強化学習
主流な強化学習に対応
- DQN, DDQN, etc

Cloud TPU Pods

TPU で作ったスパコン

パブリックベータ
クラウド

Coral

IoT 上の AI を開発するためのフレームワーク
- ソフト、ハードどちらも
TensorFlow Light をサポート

MLKit

AutoML Vision Edge
- Firebase 上で画像認識のモデル作成
- ML Kit で利用可能に
新機能
- オンデバイス翻訳

TensorFlow 2.0

ベータ1 が 2019/06 にリリース

より python らしい書き方ができる
- 大域変数の排除、オブジェクト指向らしい書き方
デフォルトで eager mode
tf.keras as the recommended high-level api
API が整理された
- tf.contrib は deprecated
- 重複の削除

Eager mode

＝ Define by Run

Chainer、PyTorch などはもともとこの方針
強化学習、RNN、自然言語処理などに有利
従来の Defined and Run (graph mode) も併用可能

graph mode vs eager mode

import tensorflow as tf

a = tf.Variable(0, name='counter')

with tf.control_dependencies([tf.assign_add(a, 1)]):
    b = tf.case({
        tf.equal(tf.mod(a, 15), 0): lambda: tf.constant("FizzBuzz"),
        tf.equal(tf.mod(a, 3), 0): lambda: tf.constant("Fizz"),
        tf.equal(tf.mod(a, 5), 0): lambda: tf.constant("Buzz"),
        }, default=lambda: tf.as_string(a))

sess = tf.Session()
sess.run(tf.global_variables_initializer())

for i in range(100):
    print(sess.run(b).decode())

import tensorflow as tf

def fizzbuzz(max_num):
  counter = tf.constant(0)
  max_num = tf.convert_to_tensor(max_num)
  for num in range(1, max_num.numpy()+1):
    num = tf.constant(num)
    if int(num % 3) == 0 and int(num % 5) == 0:
      print('FizzBuzz')
    elif int(num % 3) == 0:
      print('Fizz')
    elif int(num % 5) == 0:
      print('Buzz')
    else:
      print(num.numpy())
    counter += 1

引用: 
https://qiita.com/YusukeSuzuki@github/items/13268a780963d9446688
https://www.tensorflow.org/guide/eager

model subtyping

これまでの書き方

model = tf.keras.models.Sqeuential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

class MyModel(tf.keras.Modle):
    def __init__(self, num_classes=10):
        super(MyModel, self).__init__(name='my_model')
        self.dense_1 = layers.Dense(32, activation='relu')
        self.dense_2 = laysers.Dense(num_classes, activation='sigmoid')

    def call(self, inputs):
        # Define your faorward pass here
        x = self.dense_1(inputs)
        return self.dense_2(x)

New

TensorFlow Federated Learning

Federated Computation

非中央集権型データを扱う Map Reduce

ノードはランダムに抽出
"Secure Aggregation"によりノードのプライバシを保つ

データセンター内の Map Reduce に比べて:

より大規模なノードを対象に可能
- 全数検査ではないので‥
通信切断などエッジデバイスが一時利用不可になった場合でも使える

Federated Computation

？℃

31℃

28℃

26℃

34℃

Federated Computation

？℃

31℃

28℃

26℃

34℃

> 30℃?

Federated Computation

？℃

31℃

28℃

26℃

34℃

> 30℃?

1

0

1

31℃

Federated Learning

Federated Computing を機械学習に使用
分散先=エッジデバイスでは
- サーバ提供の親モデルから転移学習
- 学習結果は Secure Aggregation でサーバ側に反映
  - プライベートな情報は渡さない

利点:

各エッジデバイスではパーソナライズされた学習データを利用できる
- Gboard での絵文字サジェスチョンなど
プライバシなどで問題のあるデータはやりとりしない

TensorFlow Federated Learning

TensorFlow Federated API:

Federated Learning 用の高レベルAPI
既存の TensorFLow モデルを利用可能

TensorFlow Federated Core:

Federatedアルゴリズムを作成するための低レベルAPI

+シミュレーション用の API

Machine Learning Fairness

Machine Learning fairness

ここでの「fairness」はジェンダー、アイデンティティetc

Fairness by Data
Fairness by Measurement and Modeling
Fairness by Design

Fairness by Data

https://quickdraw.withgoogle.com/data/shoe

Fairness by Data

https://quickdraw.withgoogle.com/data/shoe

Fairness by Data

データ自体が偏りを持つ恐れがある

教訓:

母集団の多様性を反映する訓練・評価データを作成する
ターゲットとするユーザが除外するかもしれないものを考慮する
データが将来違った意味を持ちうる事を意識する

Fairness by Measurement and Modeling

Fairness by Measurement and Modeling

観測したデータは、違う文脈では意図していない意味を持っているかもしれない

教訓:

早めにテスト・頻繁にテストする
複数のメトリクスを用意
プロダクトが持つべき制約を意識してモデリングする

Fairness by Design

Fairness by Design

プロダクトのデザインによって公平性を損ねる場合がある

対策:

文脈次第で意味が変わる場合がある
多様な背景を持ったユーザからフィードバックを受ける
多様なユーザに合わせた体験を提供する

TensorFlow Extended

TensorFlow Extended (TFX)

TensorFlow-base の汎用かつスケーラブルな

機械学習プラットフォーム

引用:TFX: A TensorFlow-Based Production-Scale Machine Learning Platform

TensorFlow Extended (TFX)

def _create_pipeline():
    examples = csv_input(...)
    example_gen = CsvExampleGen(input_base=examples)
    statistics_gen = StatisticsGen(...)
    infer_schema = SchemaGen(...)
    validate_stats = ExampleValidator(...)
    transform = Transform(...)
    trainer = Trainer(...)
    model_analyzer = Evaluator(..)
    model_validator = ModelValidator(...)
    pusher = Pusher(...)

    return pipeline.Pipeline(
        pipeline_name='simple',
        components=[
            example_gen, statistics_gen, infer_schema, validate_stats, transform,
            trainer, model_analyzer, model_validator, pusher
        ], ...
    )

airflow_pipeline = AirflowDAGRunner(_airflow_config).run(_create_pipeline())

その他

Flutter

Flutter 1.5.4
Flutter Web
Dart

Flutter Web

ベータ、すでに利用可能

$ flutter pub global activate webdev # install webdev
$ flutter pub upgrade　# upgrade packages
:
$ flutter packages pub global run webdev serve

import 'package:flutter_web/material.dart';

void main() {
  runApp(new Text('Hello World', textDirection: TextDirection.ltr));
}

プラグインの追加と実行

Hello World

Dart

NULL(非)許容型 (being implemented)

int? number = int.tryParse('not int');

print(number.isEven);

Dart 言語仕様は github で管理される

https://github.com/dart-lang/language

拡張メソッド (being implemeted)


String String.double() => this + this;

Kotlin かな？

Chromebook

Linux on Chromebook

2019/05 以降発売の全ての Chromebook で Linux 対応
- Pixel などでは既にできていた
2クリックでセットアップ
apt-get が使用可能
Chromebook 内部は lxc
- もともとコンテナでセキュリティ確保していた
(余談) Intel の Dev Day 0 でもけっこう push されてた

Google I/O 2019

参加報告

Agenda

Google I/O 2019

Google I/O

発表者について

Google I/O とは

Google I/O の内容

Google I/O 2019

キーノート

新製品

Sandbox

Codelabs

After Party

参加まで

前後でもいろいろイベントがある

Android

Android の主な発表

Android 動向

Android Q

Android Q System UI に関する変更

Bubbles

Bubbles

Dark Theme

Dark Theme

ShareSheet

Notification Priority の追加

Gensture Navigation

プラットフォーム的な変更

非 SDK インターフェースの制限

Android Q セキュリティ・プライバシ

位置情報のパーミッション変更

端末固有番号の扱い

バックグラウンドからのアクティビティ起動

ART の変更

Kotlin

Jetpack

Jetpack

androidx.preference

CameraX

Architecture Components

Jetpack Compose

比較

Swift UI

Flutter

機械学習

機械学習

TensorFlow の新しいライブラリ

Keras Tuner

TF-Agents

Cloud TPU Pods

Coral

MLKit

TensorFlow 2.0

TensorFlow 2.0

Eager mode

graph mode vs eager mode

model subtyping

TensorFlow Federated Learning

Federated Computation

Federated Computation

Federated Computation

Federated Computation

Federated Learning

TensorFlow Federated Learning

Machine Learning Fairness

Machine Learning fairness

Fairness by Data

Fairness by Data

Fairness by Data

Fairness by Measurement and Modeling

Fairness by Measurement and Modeling

Fairness by Design

Fairness by Design

TensorFlow Extended

TensorFlow Extended (TFX)

TensorFlow Extended (TFX)

TensorFlow Extended (TFX)

TensorFlow Extended (TFX)

TensorFlow Extended (TFX)