Google ha deciso di rendere la Activity Recognition Transition API disponibile per tutti gli sviluppatori e di conseguenza per tutte le app.

Lo scorso anno il colosso di Mountain View aveva spiegato in modo dettagliato come la Driving Do-Not-Disturb (DND) mode dei suoi Pixel 2 e Pixel 2 XL possa silenziare in maniera intelligente le notifiche quando l’utente si trovi in un veicolo in movimento. Il funzionamento di questa particolare ed indubbiamente interessante feature è strettamente legato proprio alla suddetta Activity Recognition Transition API.

L’API di Android in questione lavora elaborando i dati dei sensori di un determinato device tramite modelli di machine learning, senza quindi andare ad impattare in modo significativo sul consumo di risorse e sulla durata della batteria.

L’Activity Recognition Transition API, come suggerisce eloquentemente il nome, è specificamente focalizzata sul rilevare quando l’utente dia inizio o interrompa un’attività. Google evidenzia come questo sia un problema tutt’altro che di poco conto, sopratutto nel caso della guida di un veicolo: “How can you tell if stillness means the user parked their car and ended a drive or simply stopped at a traffic light and will continue on? Should you trust a spike in a non-driving activity or is it a momentary classification error?

Per arrivare a simili risultati Big G ha dovuto “addestrare” modelli di machine learning e filtrare tramite algoritmi “per rilevare con sicurezza i cambiamenti nell’attività dell’utente”. La messa a disposizione dell’API agli sviluppatori è molto significativa, dal momento che consente di riconoscere quando l’utente sia in movimento o fermo, quando stia correndo, passeggiando, andando in bicicletta oppure si trovi in un veicolo in movimento.  L’API si occupa di tutto il lavoro di elaborazione ed informa semplicemente l’app quando viene registrato un cambiamento nell’attività dell’utente.

Con la messa a disposizione dell’API in questione, Google spera che gli sviluppatori non si affidino più a soluzioni alternative che non sono altrettanto efficienti in termini di batteria e richiedono ulteriori sforzi e tempo per lo sviluppo. In futuro Google aggiungerà altre funzionalità per favorire una maggiore contestualizzazione, per permettere, ad esempio, di distinguere tra veicoli stradali e ferroviari.

Vai a: Google ricorre al machine learning per riconoscere le app malevole sul Play Store