与TensorFlow共同进步，kika输入法引擎不断突破升级

作为享誉海外的人工智能公司，kika的使命一直是通过技术创新，以输入法为切入场景，帮助人们更加自由有趣地表达心中所想，让世界沟通变得更简单。因此，不断升级输入法引擎，继而变革世界沟通是kika一直所追逐的目标。而得益于谷歌将TensorFlow开源并不断迭代，以及本身技术的钻研及创新，近日，kika正式成为TensorFlow的contributor（贡献者），与TensorFlow共同进步。

从2016年开始，kika 技术团队一直致力于 AI 技术在移动端落地，尤其是在 keyboard 输入法引擎做了很多算法与工程上的探索工作。2017 年 5 月，kika 技术团队基于 TensorFlow Mobile 研发了kika AI Engine，将其应用于kika 的全系输入法产品中。2017 年 11 月，在Google 发布 TensorFlow Lite (TF Lite) 后，kika 技术团队同样进行了迅速跟进。

TensorFlow Lite 是针对移动和嵌入式设备的轻量级解决方案，支持移动设备上机器学习模型的低时延推理。它拥有全新的设计，具有如下三个重要功能：

轻量级（Lightweight）：支持机器学习模型的推理在较小二进制数下进行，能快速初始化/启动；

跨平台（Cross-platform）：可以在许多不同的平台上运行，现在支持 Android 和 iOS；

快速（Fast）：针对移动设备进行了优化，包括大大减少了模型加载时间、支持硬件加速。

kika输入法作为一个重度使用的工具类 APP，在移动端做轻量化部署显然非常重要。而对于kika输入法引擎而言，最需具备的技术要求包括：快、准、全，需要在客户端环境下，根据用户输入的上文内容以及当前键入的键码，实时进行『预测』。预测的内容包括：单词，词组，emoji 等等一切可能通过输入法发送的内容。这恰与TensorFlow Lite 的功能优势天然契合。

因此，在Google 发布 TensorFlow Lite (TF Lite) 后，kika技术团队立即着手升级开发。在开发过程中，kika发现TF Lite 对于 RNN/LSTM 的支持程度稍显不足，例如对于RNN的支持尚存在op支持不足的缺点。不过，kika团队在经历相当的研发投入后，已然可以尽量避免使用这些 TF Lite 不支持的 op，对于不得不使用的情况，也可以实现结合具体的业务逻辑，优化设计，使得在移动端部署的二次开发的工作量尽可能的小。

2018 年 1 月，kika成功地开发了基于 TFLite 全新一代的 kika AI Engine。在客户端实现基于 TF Lite 模型的部署之后，kika分别测试了同一模型在 TF 完全版（TF Mobile）和 TF Lite 10, 000 次 Inference 的资源消耗情况，如下图所示。主要的 Metrics 包括内存占用(memory)，运行时间（speed）和静态链接库的大小（image size）。

TFLite based model performance metrics

可以看到，各项 Metrics 都得到的大幅的优化，这对于提升产品的整体性能与稳定度都十分有利。

与此同时，kika也再一次进行了线上产品的更新，使得用户拥有了更好的使用体验。事实上，除了输入法引擎之外，kika 技术团队近年来也一直在致力于采用 AI 技术解决内容推荐，语音识别和自然语义理解方面等方面的诸多实际问题，在客户端和服务端部署分别采用 TF Lite 和 TF Serving 这两个基于 TensorFlow 的优秀框架。

在 TensorFlow的加持下，kika输入法引擎不断突破升级，无疑将使得kika变革世界沟通的美好愿景加快实现。