Google I/O — Day 1

extJo

6 min readMay 13, 2019

Google I/O를 첫 방문을 지원(I/O 티켓 및 숙박) 해준 Google Korea DevRel팀에 감사를 드리며 글을 시작하겠습니다.

Google I/O 후기 시리즈

Google I/O — Day 1

Google I/O — Day 2

Google I/O — Day 3 & 마무리

저는 주로 Machine Learning과 Flutter 위주로 글을 쓸 예정입니다.

Keynote

구글의 제품을 통해서 모든 사람들에게 도움이 되고자 하는 목표를 가지는 구글은, 이번 키노트에서 그 목표에 대한 명확한 Product 들을 선보여 준 것 같습니다.

Google I/O 2019 Keynote

간단히 정리 해 보자면,

Google Lens의 비약적인 발전 — 더치 페이 기능, AR, 이미지의 텍스트를 음성으로 들려주는 기능 등등
Google Assistance의 발전 — 개인정보를 미리 입력을 해 두면, 예약, 결제 및 여러 depth가 필요한 결제를 간단히 해주거나, 메일 답변에 대한 간단한 선택지를 제시 해 주는 기능 등등
Google AI Core의 경량화 — 100GB 에서 0.5G로 경량화 (외계인 고문급..)로 인해서 google의 모든 Product에 적용이 가능해짐
Privacy 강화 (Incognito Mode at Chrome, Youtube, Google Maps) — 최근 privacy에 말이 많았던 만큼, 정책 뿐만이 아니라, 이제는 기능으로써 privacy에 대한 보호를 제공
Android Q —Live Caption, Smart Reply, Suggested Action, On-device Learning, Dark Theme, Security&Privacy 등등 (삼성이 베타 지원에서 빠져있는… ㅠ)
Google Home에서 이제는 NEST라는 brand를 통해서 Smart Home제품군을 출시
Pixel 3a!! 파격적인 가격… (한국 미 출시)

정도로 요약 할 수 있을 것 같습니다.

keynote 에서는 너무나도 많은 이야기를 했기 때문에, 직접 보시는 것도 나쁘지 않다고 생각이 드네요.

Developer Keynote

Google I/O Developer Keynote

Developer Keynote에서는 google의 product를 통해서 더 빠르게 개발 하여, bussiness에 더 집중 할 수 있도록 많은 이야기들이 나왔는데요,

Android 개발에서 Kotlin First로 지정
Android Jetpack에서 다양한 Component들을 추가
Android App Bundle 꼭 쓰세요! 왜 않씀?
Android In-app Updates
Google Assistance — Markup, App Actions
Machine Learning — ML Kit, Google Cloud, Tensorflow — 이제 더 ML 개발에 힘들이지 않도록 Infra 제공과 더 쉽게 ML을 할 수 있도록 제공
Flutter — Android, iOS, Web, Desktop에서 Flutter 한번으로 같은 application을 제공 할 수 있음

정도로 요약 할 수 있을 것 같습니다.

Teaching a car to drive itself by imitation and imagination

이 세션을 들었던 이유는, 딥러닝 초급자 이지만, 자율주행이 어떻게 동작하는지 궁금했기 때문이었는데요,

대략적으로 RNN + CharffuerNet 통해서 학습을 진행하는 것으로 보였습니다.

자율주행에서는 굉장히 많은 변수들이 존재하는데요, 특히 output, 즉 경로를 어떻게 예측 하는가가 가장 힘든 문제였다고 이야기를 하였습니다.

경로예측을 하기위해서는 다른 외부적인 요인들도 고려를 해야 했는데 (길가에 주차되어있는 차량, stop sign, u turn 등) 어떤식으로 풀어나가는지, 그리고 어떤 문제들이 남아있는지, Waymo사의 Mayank Bansal께서 발표 해 주셨습니다.

Machine Learning on Your Device: The Options

이 세션에서는 다양한 디바이스에서 on-device 환경에서의 ML을 하는 법을 발표하였는데요, 특히 Tensorflow Lite를 이용하는것과, ML Kit을 사용하여 쉽고, 빠르게 ML을 개발하는 방법을 알려주었습니다.

Tensorflow Lite와 ML Kit에 대한 내용은 공식 문서를 참고 해 주세요!

Flutter SandBox

Sandbox는 해당 주제의 부스 같은 곳이였는데요, 해당하는 팀의 engineer 분들이나 advocate분들이 질문에 대해서 답변을 해 주시거나, 설명해 주는 부스였습니다.

Flutter를 이용한 다양한 Application (Android, iOS, Web, Chrome OS)

저는 Flutter 팀의 engineer분께 몇가지 궁금한 점에 대해서 답변을 받았는데요

PWA vs Flutter 중에 누가 살아남을 것인가

⇒ 회사성향마다 달라 질 것이다. 웹이 익숙하면 PWA, 앱이 익숙하면 Flutter로 선택 하게 될 것 같다

2. View Structure 와 view style widget이 섞여 있는것이 마음에 들지 않는다.

⇒ flutter는 웹 처럼 html과 css가 분리 되어있지 않다. 그리고, 앱은 구조와 스타일을 한번에 적용하고 나면 (예, 안드로이드 view xml), 변화가 생기면 한번에 고치게 되지, /재사용을 위한것은 widget으로 이미 빠져있을 것 이다(개인적 견해)/ 그러므로, 너무 앱을 웹 처럼 생각하지 말자. 만약 하나의 위젯 컴포넌트가 너무 길다면, 니가 공통되는 위젯을 함수로 못 뺀 것이니 설계를 잘 해라.

3. Dart 말고 다른언어를 지원 할 계획이 없냐?

⇒절대 그럴 일 없을것이다

라고 답을 얻었습니다.