Android dengan Solusi AI

Tingkatkan kemampuan aplikasi Android Anda dengan AI Generatif

Dalam jalur pembelajaran ini, Anda akan menemukan cara mem-build aplikasi Android yang lebih menarik dengan lebih sedikit upaya, menggunakan teknologi Google. Di bagian berikut, Anda akan mem-build dan meningkatkan aplikasi persiapan makan hipotetis — pengganti untuk jenis aplikasi yang mungkin Anda kerjakan saat ini sebagai developer Android.

Anda akan mempelajari cara menggunakan Gemini di Android Studio untuk belajar dan mengembangkan lebih cepat, menggunakan Firebase untuk mem-build lapisan penyimpanan dan login aplikasi, menggunakan Gemini untuk mem-build fitur AI generatif canggih ke dalam aplikasi, dan menggunakan alat seperti Firebase Remote Config, Google Analytics, dan Crashlytics untuk mendukung aplikasi Anda dalam produksi.

Meningkatkan Pengembangan Android Anda dengan Gemini di Android Studio

Mem-build aplikasi Android menjadi lebih mudah dengan bantuan Gemini di Android Studio, pendamping coding yang didukung AI.

Dengan mengintegrasikan AI langsung ke IDE yang Anda gunakan setiap hari, Gemini di Android Studio dirancang untuk mempercepat dan mempermudah pembuatan aplikasi Android berkualitas tinggi dengan membantu Anda di seluruh siklus proses pengembangan software. Artinya, Anda dapat mempelajari konsep baru lebih cepat, membuat prototipe dengan mudah, dan menghabiskan lebih banyak waktu untuk berfokus pada bagian aplikasi yang penting.

Saat Anda memulai aplikasi Android, lihat cara Gemini di Android Studio dapat meningkatkan perjalanan pengembangan Anda.
Mendownload Android Studio Mempelajari Gemini di Android Studio
Jika Anda baru menggunakan Android atau area pengembangan Android tertentu, Gemini di Android Studio dapat menjadi alat pembelajaran yang sangat berharga.

  • Dapatkan jawaban instan atas pertanyaan Anda: Anda dapat mengajukan pertanyaan kepada Gemini tentang konsep dasar Android, API tertentu, atau praktik terbaik langsung dalam jendela chat Android Studio. Misalnya, Anda dapat bertanya "Apa itu tema gelap?" atau "Apa cara terbaik untuk mendapatkan lokasi di Android?".
  • Mendapatkan contoh dan panduan kode: Gemini dapat membuat cuplikan kode dan memberikan panduan tentang cara menerapkan berbagai fitur, seperti menambahkan dukungan kamera atau membuat database Room. Anda bahkan dapat meminta kode di Kotlin atau khusus untuk Jetpack Compose.
  • Memahami error dan menemukan solusi: Saat mengalami error build atau sinkronisasi, Anda dapat meminta penjelasan dan saran dari Gemini tentang cara mengatasinya. Gemini juga dapat membantu menganalisis laporan error dari App Quality Insights, memberikan ringkasan, dan merekomendasikan langkah berikutnya.
Misalnya, untuk aplikasi persiapan makan hipotetis, Anda dapat meminta Gemini untuk membantu membuat prototipe tata letak Compose baru guna menampilkan kartu resep. Dengan kemampuan multimodal Gemini, cukup berikan mockup wireframe dan minta Gemini membuat sketsa kode untuk UI Anda.
Versi individual Gemini di Android Studio tidak dikenai biaya selama dalam pratinjau.

Namun, untuk pengembangan di lingkungan tim besar dengan persyaratan privasi dan pengelolaan yang lebih menuntut, Gemini di Studio untuk bisnis menawarkan manfaat tambahan yang berharga, termasuk fitur privasi, keamanan, dan penyesuaian kode yang ditingkatkan — dan tersedia untuk digunakan dengan kredit Google Cloud Anda.

Bersama dengan Gemini Code Assist, alat ini memungkinkan tim untuk memanfaatkan kecanggihan AI dengan percaya diri, yang memenuhi kebutuhan privasi, keamanan, dan pengelolaan yang penting.

Pelajari lebih lanjut Gemini di Studio untuk bisnis

Elemen penyusun Firebase untuk aplikasi Anda

Fitur umum dalam pengembangan aplikasi, seperti penyimpanan cloud, autentikasi pengguna, dan pelaporan error, adalah komponen yang diperlukan saat Anda mengembangkan dan mengoperasikan aplikasi apa pun.

Firebase menyederhanakan proses pengembangan aplikasi Android dengan menyediakan elemen penyusun penting ini, sehingga Anda tidak perlu menerapkan backend Anda sendiri.
Misalnya, jika Anda membuat aplikasi persiapan resep, Anda perlu mempertahankan resep, rencana makan, dan daftar bahan di luar perangkat (misalnya, jika pengguna beralih ponsel). Anda dapat mempertahankan data ini di Cloud Firestore.

Cloud Firestore adalah database cloud NoSQL yang skalabel dan ditawarkan oleh Firebase dan Google Cloud. Database ini memungkinkan sinkronisasi data real-time di seluruh aplikasi klien melalui pemroses real-time, dan memiliki dukungan offline untuk perangkat seluler dan web, sehingga memastikan performa aplikasi yang responsif terlepas dari ketersediaan jaringan. Firebase Admin terintegrasi dengan lancar dengan produk Firebase dan Google Cloud lainnya, termasuk Cloud Functions.

Autentikasi pengguna sangat penting untuk memungkinkan pengguna yang beralih perangkat mengakses data mereka – dan memastikan orang lain tidak dapat mengakses data mereka.

Firebase Authentication adalah alat canggih yang menyederhanakan proses penambahan autentikasi pengguna ke aplikasi Android. Firebase Authentication menyediakan layanan backend, dan SDK dengan library UI siap pakai yang mendukung berbagai metode autentikasi, termasuk login email/sandi, autentikasi nomor telepon, dan integrasi dengan penyedia identitas gabungan yang populer seperti Google, Facebook, dan Twitter.
Memantau error dan error adalah hal yang penting untuk memastikan aplikasi Anda stabil dan berhasil. Aplikasi yang error akan membuat pengguna frustrasi dan meng-uninstalnya.

Firebase Crashlytics adalah solusi pelaporan error real-time yang membantu Anda melacak, memprioritaskan, serta memperbaiki masalah stabilitas yang mengurangi kualitas aplikasi. Crashlytics menghemat waktu pemecahan masalah Anda dengan mengelompokkan error secara cerdas dan menandai keadaan yang menyebabkannya.

Cloud Firestore dan Firebase Authentication menawarkan paket gratis yang cukup besar; namun, jika aplikasi Anda memerlukan lebih banyak kuota atau fitur lanjutan dari layanan ini, Anda harus menggunakan paket berbayar. Namun, jangan khawatir. Anda dapat menggunakan kredit Cloud untuk menutupi biaya tersebut. Selain itu, Crashlytics tidak dikenai biaya, berapa pun penggunaannya.

Untuk mempelajari solusi lain yang disediakan oleh Firebase, buka situs Firebase. 
scope.launch {
  val response = model.generateContent(
    "Create a shopping list with $cuisineStyle ingredients")
}
Dalam contoh aplikasi resep, Gemini 2.0 Flash dapat membuat daftar belanja bahan untuk memasak makanan dalam gaya masakan tertentu. Anda bahkan dapat meminta model untuk membuat string JSON yang dapat diuraikan dengan mudah di aplikasi untuk dirender ke dalam UI. Untuk membuat daftar, cukup panggil fungsi `generateContent()` dengan perintah teks.

Tinjau panduan developer Android untuk mempelajarinya lebih lanjut.

AI Generatif di Android

Mengintegrasikan AI Generatif dalam aplikasi Android persiapan makan dapat dilakukan melalui berbagai cara. Berikut adalah ringkasan singkat dari setiap opsi:
Gemini Nano adalah model dari keluarga Gemini yang dioptimalkan untuk berjalan di perangkat. Layanan ini terintegrasi langsung ke Android OS melalui AICore. Anda dapat menggunakannya untuk memberikan pengalaman AI generatif tanpa memerlukan koneksi jaringan atau mengirim data ke cloud.

AI di perangkat adalah opsi yang bagus untuk kasus penggunaan yang mengutamakan latensi rendah, biaya rendah, dan perlindungan privasi. Misalnya, di aplikasi pra-hidangan, Gemini Nano dapat digunakan untuk menyarankan ide hidangan berdasarkan berbagai masakan dan histori hidangan pengguna.

Anda dapat mempelajari lebih lanjut arsitektur teknis Gemini Nano di dokumentasi Android.

Untuk bereksperimen dengan Gemini Nano di aplikasi Anda sendiri, tinjau Gemini Nano di perangkat dengan langkah Google AI Edge SDK eksperimental di bawah.
Model AI generatif yang dioptimalkan untuk berjalan di cloud umumnya lebih canggih daripada model AI di perangkat.

Sebagai developer Android, Anda dapat menggunakan Vertex AI in Firebase untuk menerapkan kemampuan AI generatif dengan cepat di aplikasi Android menggunakan model Gemini Pro dan Flash untuk tugas pembuatan teks dan Imagen untuk tugas pembuatan gambar.

Rangkaian model AI Gemini Pro dan Flash bersifat multimodal dan dapat menangani berbagai tugas. Model ini mengambil input gambar, audio, dan video, serta menghasilkan output teks yang dapat diformat sebagai JSON, XML, dan CSV. Selain itu, model Gemini terbaru bahkan dapat menghasilkan output multimodal, seperti audio dan gambar.

Misalnya, di aplikasi persiapan makanan, Anda dapat menggunakan model Gemini untuk membuat daftar belanja dengan bahan-bahan untuk jenis masakan tertentu.

Anda juga dapat menggunakan kredit Google Cloud untuk membayar biaya panggilan ini ke model Gemini.

Untuk mempelajari cara menggunakan model Gemini yang dihosting cloud di aplikasi Anda, tinjau langkah Gemini melalui Vertex AI in Firebase di bawah.
Imagen 3 adalah model pembuatan gambar terbaru dari Google. Anda juga dapat mengaksesnya melalui Vertex AI di Firebase, sehingga menambahkan kemampuan pembuatan gambar ke aplikasi Android Anda menjadi cepat dan lancar.

Misalnya, di aplikasi persiapan makan, Anda dapat menggunakan model Imagen 3 untuk membuat ilustrasi resep.

Biaya ini dapat ditanggung oleh Kredit Google Cloud Anda.

Untuk mempelajari cara menggunakan Imagen 3 di aplikasi Anda, baca langkah Imagen 3 untuk pembuatan gambar di bawah.
Anda juga dapat menambahkan kemampuan AI generatif melalui integrasi backend:

  • Genkit adalah framework open source yang menyederhanakan pengembangan, deployment, dan pemantauan aplikasi yang didukung AI.
  • Untuk kebutuhan MLOps yang lebih canggih, Vertex AI dari Google Cloud menawarkan layanan terkelola sepenuhnya serta berbagai penawaran model melalui Vertex AI Model Garden. Anda juga dapat menggunakan kredit Google Cloud untuk membayar biaya layanan ini.


Jika ingin menjalankan inferensi AI di perangkat selain Gemini Nano, Anda juga dapat bereksperimen dengan LiteRT dan MediaPipe:
  • LiteRT (sebelumnya TFLite) adalah runtime berperforma tinggi dari Google untuk AI di perangkat, yang dirancang untuk menjalankan model machine learning secara efisien langsung di perangkat.
  • MediaPipe adalah framework open source yang memungkinkan developer membuat pipeline machine learning untuk memproses data multimedia, seperti video dan audio, secara real time.


Untuk mempelajari penawaran Android GenAI lebih lanjut, buka bagian AI dalam dokumentasi Android.
Google AI Edge SDK memungkinkan developer aplikasi Android untuk berintegrasi dan bereksperimen dengan kemampuan GenAI di perangkat Gemini Nano guna meningkatkan kualitas aplikasi mereka. Berikut cara memulainya:
  • Bergabung dengan grup Google aicore-experimental
  • Ikut serta dalam program pengujian Android AICore
    Setelah Anda menyelesaikan langkah-langkah ini, nama aplikasi AICore di Play Store (di bagian Kelola aplikasi dan perangkat) akan berubah dari "Android AICore" menjadi "Android AICore (Beta)".
  • Ikuti langkah-langkah berikut untuk memastikan APK dan biner didownload dengan benar di perangkat Anda.
  • Kemudian, perbarui konfigurasi Gradle aplikasi Anda dengan menambahkan dependensi berikut: implementation("com.google.ai.edge.aicore:aicore:0.0.1-exp01")
    Dan pastikan Anda menetapkan target SDK minimum ke 31.
implementation("com.google.ai.edge.aicore:aicore:0.0.1-exp01")
Selanjutnya, Anda dapat mengonfigurasi model untuk mengontrol responsnya. Hal ini melibatkan penyediaan konteks dan secara opsional menetapkan parameter berikut:

  • Suhu: mengontrol tingkat keacakan. Nilai yang lebih tinggi akan menghasilkan keberagaman yang lebih besar dalam output.
  • Top K: menentukan jumlah token dengan peringkat tertinggi yang akan dipertimbangkan untuk pembuatan output.
  • Jumlah Calon: menetapkan jumlah maksimum respons yang akan ditampilkan.
  • Token Output Maksimum: menetapkan panjang maksimum respons.
val generationConfig = generationConfig {
  context = ApplicationProvider.getApplicationContext()
  temperature = 0.2f
  topK = 16
  maxOutputTokens = 256
}
Buat fungsi downloadCallback opsional. Fungsi callback ini digunakan untuk mendownload model. API ini juga menampilkan pesan yang dapat digunakan untuk tujuan proses debug. Buat objek `GenerativeModel` menggunakan konfigurasi download opsional dan pembuatan yang Anda buat sebelumnya. 
val downloadConfig = DownloadConfig(downloadCallback)
val generativeModel = GenerativeModel(
  generationConfig = generationConfig,
  downloadConfig = downloadConfig // optional
)
Terakhir, luncurkan inferensi dengan meneruskan perintah Anda ke model. Pastikan GenerativeModel.generateContent() berada dalam cakupan coroutine yang sesuai, karena merupakan fungsi penangguhan.

Dalam konteks contoh aplikasi persiapan makan, Gemini Nano dapat memberikan inspirasi makanan dengan menyarankan berbagai jenis masakan dan makanan yang berbeda dari histori makanan. 
scope.launch {
  val input = "Suggest different types of cuisines and easy to cook dishes that are not $recentMealList"
  val response = generativeModel.generateContent(input)
  print(response.text)
}
Model Gemini Nano memiliki batas token input maksimum 12.000. Untuk mempelajari lebih lanjut akses eksperimental Gemini Nano, buka bagian Gemini Nano dalam dokumentasi Android.

Gemini melalui Vertex AI di Firebase

Dengan memanfaatkan Vertex AI di Firebase, Anda dapat membuat fitur yang didukung genAI menggunakan model Gemini Cloud, semuanya dengan deployment dan pengelolaan ekosistem Firebase yang lancar. 

dependencies {
...
// Import the BoM for the Firebase platform
implementation(platform("com.google.firebase:firebase-bom:"))

// Add the dependency for the Vertex AI in Firebase library
// When using the BoM, you don't specify versions in Firebase
// library dependencies
implementation("com.google.firebase:firebase-vertexai")
}
Mulailah dengan bereksperimen dengan perintah di Vertex AI Studio. Ini adalah antarmuka interaktif untuk desain dan pembuatan prototipe perintah. Anda dapat mengupload file untuk menguji perintah dengan teks dan gambar serta menyimpan perintah untuk dilihat kembali nanti.

Jika Anda sudah siap memanggil Gemini API dari aplikasi, siapkan Firebase dan SDK dengan mengikuti petunjuk di panduan memulai Vertex AI in Firebase.

Kemudian, tambahkan dependensi Gradle ke project Anda: 

val generativeModel = Firebase.vertexAI
  .generativeModel(
  "gemini-2.0-flash",
  generationConfig = generationConfig {
        responseMimeType = "application/json"
        responseSchema = jsonSchema
  }
    )
Sekarang Anda dapat memanggil Gemini API dari kode Kotlin. Pertama-tama, lakukan inisialisasi layanan Vertex AI dan buat instance `GenerativeModel`: 
scope.launch {
  val response = model.generateContent("
    Create a shopping list with $cuisineStyle ingredients")
}
Dalam kasus contoh aplikasi resep, Gemini 2.0 Flash dapat membuat daftar belanja bahan untuk memasak makanan dalam gaya masakan tertentu. Anda bahkan dapat meminta model untuk membuat string JSON yang dapat diuraikan dengan mudah di aplikasi untuk dirender ke dalam UI. Untuk membuat daftar, cukup panggil fungsi `generateContent()` dengan perintah teks.

Tinjau panduan developer Android untuk mempelajarinya lebih lanjut.

Imagen 3 untuk pembuatan gambar

Imagen 3 dapat diakses melalui Vertex AI di Firebase sehingga Anda dapat mengintegrasikan pembuatan gambar ke dalam aplikasi Android dengan lancar. Sebagai model pembuatan gambar paling canggih dari Google, Imagen 3 menghasilkan gambar berkualitas tinggi dengan detail yang luar biasa, artefak minimal, dan efek pencahayaan yang realistis, sehingga menetapkan standar baru dalam pembuatan gambar.

Misalnya, Imagen 3 dapat memungkinkan pengguna membuat avatar profil mereka sendiri atau membuat aset untuk mengilustrasikan alur layar yang ada. Untuk contoh aplikasi persiapan makanan, Anda dapat menggunakan Imagen 3 untuk membuat gambar untuk layar resep.

Gambar yang dihasilkan oleh Imagen 3 dengan perintah: Ilustrasi gaya kartun tentang ringkasan atas meja dapur dengan bahan-bahan yang indah untuk makanan Mediterania. 
dependencies {
    implementation(platform("com.google.firebase:firebase-bom:33.10.0"))

    implementation("com.google.firebase:firebase-vertexai")
}
Integrasi Imagen 3 mirip dengan mengakses model Gemini melalui Vertex AI di Firebase.

Mulailah dengan menambahkan dependensi Gradle ke project Android Anda: 
val imageModel = Firebase.vertexAI.imagenModel(
modelName = "imagen-3.0-generate-001",
generationConfig = ImagenGenerationConfig(
  imageFormat = ImagenImageFormat.jpeg(compresssionQuality = 75),
  addWatermark = true,
  numberOfImages = 1,
  aspectRatio = ImagenAspectRatio.SQUARE_1x1
)
Kemudian, dalam kode Kotlin, buat instance `ImageModel` dengan meneruskan nama model dan, secara opsional, konfigurasi model: 
val imageResponse = imageModel.generateImages(
prompt = "A cartoon style illustration of a top overview of a kitchen countertop
  with beautiful ingredients for a $cuisineStyle meal."
)
Terakhir, buat gambar dengan memanggil `generateImages()` dengan perintah teks: 
val image = imageResponse.images.first()
val uiImage = image.asBitmap()
Ambil gambar yang dihasilkan dari `imageResponse` dan tampilkan sebagai bitmap:
Anda dapat membaca lebih lanjut cara menggunakan Imagen 3 di blog developer Android dan di dokumentasi Developer Android.

Bersiap untuk produksi dengan Firebase

Setelah Anda menerapkan fitur genAI di aplikasi, berikut beberapa langkah penting berikutnya sebelum Anda men-deploy aplikasi ke produksi: Selain itu, perhatikan privasi pengguna dan penggunaan AI yang bertanggung jawab, serta bersikaplah transparan kepada pengguna tentang potensi perilaku model yang tidak terduga. Baca postingan blog berikut untuk mempelajari kesiapan produksi dengan Vertex AI di Firebase lebih lanjut.