日前，蘋果在自家機器學習刊物《Apple Machine Learning Journal》上發(fā)表最新一篇文章，主要是關于用戶在iOS設備上激活“嘿Siri”功能時的人性化過程。這篇文章似乎也意味著，未來iOS系統(tǒng)將配備更高級的Siri智能私人助理，至少能夠利用機器學習特性來非常精確識別設備的主人。
“嘿Siri”功能在iOS 8的iPhone 6首次推出，如今在所有蘋果設備上，“嘿Siri”口令可激活設備上的智能私人助理。當然了，6s之前仍需要先將設備插入電源才能使用，而目前的新iPhone和iPad，“嘿Siri”都已支持全天候時刻待命，無需亮屏也無需接通電源充電狀態(tài)下就能使喚。因此，口令激活后用戶可跟進詢問或執(zhí)行相關語音命令，例如詢問“今天天氣如何？”之類的問題。
在這篇機器學習期刊的新文章中，蘋果Siri團隊講述了引入“說話人識別系統(tǒng)（Speaker RecogniTIon System）”的技術方法，聲稱為了給用戶創(chuàng)造更人性化的設備，自家團隊打造了“深度神經(jīng)網(wǎng)絡”，而此舉將為Siri的迭代更新打下了基礎。簡單的說，蘋果基本上確認的事實是：未來的iOS系統(tǒng)版本中，機器學習技術將會被引入Siri智能私人助理，用于識別設備所有者的聲音。
蘋果Siri團隊表示，最初他們選中“嘿Siri”這個短語，就是因為這是非常“自然”的措辭。但也正是因為如此，“嘿Siri”常常被不經(jīng)意間激活，因而帶來了不少麻煩。蘋果列舉了三種情況，包括：“當用戶說出類似的短語時”，“當其他用戶說‘嘿Siri’時”，以及“當其用戶說類似的短語時。”根據(jù)Siri團隊的說法，最后一種場景下的“錯誤激活最惱人”。
為了減少Siri被意外地、錯誤地激活，蘋果引入了說話者識別研究領域的技術。重點在于，Siri團隊稱他們關注的是“誰在說話”，而不是“說了什么”。蘋果表示，說話人識別技術的目標是確定語音發(fā)出者的身份。“我們感興趣的是‘誰在說話’，而不是語音識別的問題，最終目的是確定‘所說的是什么’。”
Siri團隊表示，說話者識別技術目前所面臨的其他挑戰(zhàn)是，如何在混響（如：大房間）和嘈雜環(huán)境中獲得更高質(zhì)量的表現(xiàn)。未來通過機器學習，Siri語音助理將被訓練用于識別用戶在廣泛環(huán)境中飛聲音，如在車里、廚房、咖啡店或類似的公共場所。Siri還會學習識別各種情境下用戶發(fā)出的聲音狀態(tài)，包括正常的聲音，很高、很亮的聲音，或者早上起床昏昏沉沉時的聲音等等，而不局限于最初重復錄入的幾聲“嘿Siri”。
最近，Siri隱私漏洞的問題備受關注。因為該漏洞下，任何人都可以通過Siri來讀取設備主人的通知，只要按住HOME鍵或iPhone X上的側(cè)邊按鍵幾秒，呼出Siri后，喊它“幫我讀一下通知”，它就會直接讀出鎖屏上的隱藏消息內(nèi)容，無論是同事還是家人，甚至是路人都能執(zhí)行相同的操作，而且是在設備鎖屏的情況下。
很顯然，蘋果將機器學習技術用于Siri幫助識別設備主人的方案，將能解決了Siri面臨的隱私問題。
下載文檔
