蘋果,Siri,免喚醒詞呼叫,語音助手,人工智能技術(shù),智能設(shè)備,交互體驗,語音控制

《麻省理工科技評論》報道，蘋果公司的研究人員正在探索一種前沿技術(shù)，旨在通過人工智能識別用戶與 iPhone 等設(shè)備的交談，從而消除像“Siri”這樣的觸發(fā)短語的技術(shù)需求。

在這項上傳到 Arxiv 且未經(jīng)同行評審的研究中。研究人員利用智能手機(jī)捕捉的語音數(shù)據(jù)和背景噪音的聲學(xué)信息，訓(xùn)練了一個大型語言模型。該模型的目標(biāo)是識別那些可能表明用戶需要設(shè)備輔助的情境或模式。

論文指出，這個模型的部分構(gòu)建是基于 OpenAI 的 GPT-2，這種輕量級的結(jié)構(gòu)使得它能夠在智能手機(jī)等設(shè)備上高效運(yùn)行。論文還描述了用于訓(xùn)練模型的超過 129 小時的數(shù)據(jù)、額外的文本數(shù)據(jù)，但沒有說明訓(xùn)練集的錄音來源。據(jù)領(lǐng)英個人資料，七位作者中有六位列出他們的隸屬關(guān)系為蘋果公司，其中三人在蘋果 Siri 團(tuán)隊工作。

論文的結(jié)論頗具啟發(fā)性，它指出，與單純的音頻或文本模型相比，這種混合模型能做出更為準(zhǔn)確的預(yù)測，并且隨著模型規(guī)模的擴(kuò)大，其性能還會得到進(jìn)一步提升。這意味著，未來的 Siri 可能會更精準(zhǔn)地理解用戶的意圖，無需通過固定的喚醒詞來觸發(fā)。

目前，Siri 的功能是通過保留少量音頻來實現(xiàn)的，聽到“嘿，Siri”等觸發(fā)短語之前，不會開始錄制或準(zhǔn)備回答用戶提示。

然而，這一創(chuàng)新也引發(fā)了一些關(guān)于隱私和數(shù)據(jù)安全的擔(dān)憂。斯坦福人類中心人工智能研究所的隱私和數(shù)據(jù)政策研究員詹?金指出，取消“嘿，Siri”這樣的觸發(fā)短語可能會讓人們更加擔(dān)心設(shè)備是否在“始終監(jiān)聽”。