Siri的重大改进:为Siri引入机器学习技术

Apple 的 Siri 可以说是最著名的语音助手之一，其中不必按按钮便能向 Siri 下指令的「Hey Siri」功能也受到许多好评，近日在博客中，Siri 团队除了表示计划运用机器学习持续改进这项功能，也解释了 iOs 设备的 Hey Siri 功能的运作方式，以及未来计划持续改进的目标。

所谓的「Hey Siri」功能，就是让使用者不必按按钮、只需在语音指令前加上 Hey Siri，手机便会自动启动并遵照指示行动。

但 Apple 究竟是怎么做到的？博客文章指出，「Hey Siri」的进化与解决了「关键片语检测」（key-phrase detection）问题相关，同时运用了 DNN 来进行了早期建模工作，并使用了递归神经网络（RNN）来进行多样化的训练与学习。

Siri 团队解释，之所以选择以「Hey Siri」作为触发语，是因为即使在这项功能推出以前，人们在运用按钮呼唤 Siri 也会自然而然的在请求前加上这句话。这原先是一个方便用户的简单决定，但早期的离线实验中，Hey Siri 的简洁和口语性却为开发团队带来额外的挑战。

Siri 团队主要面临的错误辨识挑战为三种，分别为当用户表达类似短句时、当非用户说出 Hey Siri 时，以及最令 Siri 团队头痛的当非用户说出类似短句时。

为了让 Siri 不被类似短句及非用户误导，团队先是将焦点由寻常语音辨识目标的「说话内容」转移至辨识「说话者」的身份，利用说话者辨识（speaker recognition, SR）并结合相关技术来增进侦测关键短句的系统质量。

以目前来说，Apple 会要求首次使用的用户以要求的 5 个短句来语音来完成说话者辨识系统的注册，但除了这种显性注册模式之外，团队也设计了另一种隐性模式（implicit enrollment）的辨识：透过纪录用户一段时间内的语音，进而提高对说话者辨识的稳健性。

当然考量到个人隐私的因素，音频将保留于设备上而并非云端，但这种设计目前仍有一些疑虑存在，如果早期纪录的语音片段并非用户本人，那么设备可能会错误的拒绝用户指令或错误的接受非用户的声音，如此一来功能将变得毫无用处。

展望未来，除了像所有语音辨识系统一样得想办法克服环境噪音的问题，Siri 团队还希望未来用户能不需经过任何训练与注册，在开始使用「Hey Siri」功能后透过用户的许可，透过生活里的指令中便能将语音辨识资料的内容持续增长与更新。

虽然还不清楚这些改动何时会推出，但 Apple 经常会在每年 6 月全球者开发大会上谈到 Siri 的重大改进，相信在不久的未来我们很快就能听到一些好消息。