Google explica cómo funcionan la Batería Adaptativa y el Brillo Adaptativo en Android 9 Pie

  • Iniciador del tema hisdran
  • Fecha de inicio
hisdran

hisdran

NOKIA 8260
1535646791690.png
Dos de las características más interesantes de Android Pie son la Batería Adaptativa y el Brillo Adaptativo, que hacen uso de nuevas capacidades de Inteligencia Artificial para mejorar la experiencia de usuario.

El equipo de Google trabajó con DeepMind, una compañía de inteligencia artificial que Google adquirió en enero de 2014, para el desarrollo de estas características en Android 9 Pie.

Ambas funcionalidades están activadas por defecto en Pie y funcionan en segundo plano haciendo uso de un sistema de aprendizaje automático para optimizar la duración de la batería y el ajuste del brillo.

Ahora los chicos de Venture Beat se han sentado con Google para entender mejor cómo funcionan estas características y en qué impactarán a los usuarios en el día a día.



Batería adaptativa


En pocas palabras, la Batería Adaptativa trata de averiguar qué aplicaciones usas con frecuencia para mantenerlas en memoria, mientras que aquellas aplicaciones que no usas a menudo son eliminadas por completo una vez que terminas de usarlas.

Dicho de otra manera, Android Pie puede adaptarse a tus patrones de uso para que sólo gaste la energía de la batería en las aplicaciones que cree que necesitarás.

“Desafortunadamente, hasta P, ha sido muy habitual que las personas tengan que pensar continuamente en cómo se puede ver afectada la batería de su teléfono debido a las aplicaciones que dicten instalar, o a los errores, o a lo que sea”, afirma Ben Poiesz de Google. Esto es algo en lo que los usuarios no deberían tener que pensar, cree Poiesz, sino que Android debería ocuparse de ello.

Google ha lanzado varias características para aumentar la duración de la batería en Android a lo largo de los años, como Doze y App Standby. Todo el trabajo de base para Batería Adaptativa en Android Pie, sin embargo, se realizó en Android Oreo con los Límites de Ejecución en Segundo Plano.

Cuando las aplicaciones están diseñadas para Oreo, tienen que confiar en el uso de trabajos y alarmas (que están limitados en el tiempo, pero que no tienen horas de inicio y finalización bien definidas) para hacer trabajo en segundo plano, a diferencia de los servicios en segundo plano. A medida que más y más desarrolladores adopten esta práctica, características como la Batería Adaptativa serán más efectivas.

La Batería Adaptativa utiliza una red neuronal convolucional profunda para predecir qué aplicaciones usarás en las próximas horas y cuáles probablemente no usarás hasta más tarde. DeepMind probó diferentes estrategias pero optó por una red neural convolucional porque proporcionaba el equilibrio correcto entre tomar la decisión correcta y usar la menor cantidad de energía posible. El equipo confió en DeepMind para elegir el enfoque de aprendizaje automático adecuado y luego crear algo personalizado para Android.

Si una aplicación se está ejecutando en segundo plano, se puede decir que es un desperdicio de energía, y tal vez el sistema operativo podría posponerlo hasta que el usuario conecte a la corriente su dispositivo. Hacer esto de una manera en la que Android no rompa el funcionamiento de las aplicaciones fue la parte difícil, pero una vez que se logró, todo se redujo a afinar la heurística.

En su conferencia de desarrolladores de I/O a principios de este año, la cifra que Google compartió (una reducción del 30 por ciento en el número de veces que se despierta la CPU por las aplicaciones”) se basó en datos internos.

Ahora que la beta ha terminado, la compañía tiene resultados concretos basados en una población beta mucho más amplia:

  • Reducción de poco más del 5 por ciento en el uso total de CPU, que es uno de los componentes más importantes de consumo de energía.
  • Reducción de más del 15 por ciento en CPU para ciertos segmentos de aplicaciones
  • Reducción del 10 por ciento en la transmisión de datos en segundo plano, con algunas aplicaciones llegando hasta el 20 por ciento.
Curiosamente, el ahorro de datos móviles no era un objetivo, pero si se piensa en ello, tiene sentido. “Si las aplicaciones se ejecutan menos cuando estás desconectado de la corriente, eso significa que tampoco transmiten. Los datos también son energía. Porque ahí es cuando vas a hacer trabajar el módem, vas a entrar en un estado de transmisión, y eso necesita gastar batería. Pero también resulta en ahorros en el plan de datos del consumidor”.

Estos números suenan bien pero ¿cuánto tiempo lleva que el sistema aprenda lo suficiente como para que estos beneficios sean visibles?

“En el caso de la Batería Adaptativa, se ve el efecto de inmediato, porque algunas de las reglas son fundamentalmente diferentes. Hay un modelo base, así que hoy en día, si tuvieras un teléfono nuevo en Oreo, no tendrías ninguna aplicación con estas restricciones. Y cuando se carga el modelo base para P, nada es más laxo porque estas reglas no existían antes, es explícitamente más restrictivo. Así que obtendrá un ahorro inmediatamente, y continuará refinándose y mejorando”.



Brillo adaptativo


Puedes pensar en el brillo adaptativo como brillo automático que aprende tus preferencias analizando la forma en la que mueves el control deslizante de brillo en diferentes circunstancias, y luego intenta hacerlo por ti.

¿Cuánto tiempo tarda el usuario medio en ver los beneficios? “Mi experiencia personal es como una semana tras la cual siento que ya no lo estoy tocando”, compartió Poiesz.

El brillo adaptativo tarda aproximadamente una semana en estabilizarse, pero sigue aprendiendo mientras el usuario esté interactuando. Si estás cerca del modelo de línea de base (el que viene precargado como “estándar”), puede tomar menos tiempo. Si estás lejos, podría ser más largo.

“Los usuarios tienen preferencias diferentes en cuanto al brillo”, explicó Poiesz. “Con las estrategias de brillo que teníamos antes de la nueva máquina basada en el aprendizaje, veíamos que la gente tenía que afinar los ajustes. La forma en que configuramos las curvas no era la ideal: seguía siendo bastante buena en el medio, pero cuando llegabas a casos extremos, como cuando estabas en negro oscuro o a plena luz del sol, era bastante difícil para el usuario optimizar ambos escenarios. Tenías que deslizar el control de brillo más hacia el lado brillante o hacia el lado oscuro. El brillo adaptativo es capaz de aprovechar todo el espectro de forma mucho más eficaz. Después de que el usuario le da suficientes entradas, mejora cada vez más la optimización de la curva”.

Todo esto no fue fácil porque Google estaba tratando a la vez de mejorar la duración de la batería. No es fácil aprender continuamente dónde está el ajuste de brillo óptimo para cada situación sin agotar la batería.

El objetivo no era necesariamente ahorrar energía, porque el ahorro de energía hace que los usuarios estén descontentos porque no pueden ver bien la pantalla“, dijo Poiesz. “Era llevar la energía de la pantalla a donde debe estar para que el usuario se sienta cómodo mirando la pantalla.”

A diferencia de la Batería Adaptativa, que no requiere ninguna entrada del usuario más allá de simplemente usar tu dispositivo Android, el Brillo Adaptativo mejora conforme ajustas manualmente el brillo a lo largo del tiempo.

El modelo de línea de base lo tenemos ahí, si quieres algo un poco diferente, es cuando tienes que darle esa entrada… interactuando con el deslizador. Una vez que le hayas dado esa entrada a lo largo del día — la mayoría de la gente ya está jugando con el control deslizante cada día, eso no es necesariamente un fenómeno nuevo –, entonces mejorará y tu necesidad de interactuar con el deslizador irá cada vez a menos”.

En general, el equipo de Poiesz vio que la gente hacía ajustes con el deslizador de brillo un 10 por ciento menos durante la beta de Android P, en términos del número de veces que los usuarios entraron y cambiaron el brillo. Además, los usuarios compartieron comentarios positivos sobre la función de brillo. Al mismo tiempo — y esto es crítico — en general Android no estaba usando más energía.

Todo este aprendizaje de la máquina llevó a un hallazgo interesante para el equipo: El modelo de ajuste de brillo de Oreo pecaba de demasiado oscuro. Esto significa que incluso si no ajustas mucho (o nada) el control deslizante, Pie debería dar como resultado una mejor experiencia de brillo.

“Encontramos una estadística graciosa: Con el Ahorro de Batería, en el pasado, solíamos reducir a la mitad el brillo, aproximadamente. Eliminamos eso por completo en P”, dijo Poiesz. “La razón es que la gente volvía a subir el brillo [después de que el Ahorro de Batería lo hubiera disminuido], y a veces lo aumentaban más de lo que lo estaba antes. Porque es difícil ver cosas así a simple vista.”
 
Arriba