蘋(píng)果終于把Siri開(kāi)放給開(kāi)發(fā)者 這是所有細(xì)節(jié) - 全文

　 ?果不其然，蘋(píng)果在昨晚WWDC 2016上發(fā)布了新的SiriKit，即把Siri開(kāi)放給開(kāi)發(fā)者。作為自2012年就發(fā)布的Siri，除了偶爾說(shuō)幾個(gè)段子、打個(gè)電話(huà)或者發(fā)個(gè)短信，似乎也沒(méi)啥太多常用的功能。iOS平臺(tái)的一個(gè)顯著優(yōu)勢(shì)其擁有豐富的第三方應(yīng)用生態(tài)和眾多優(yōu)質(zhì)開(kāi)發(fā)者，將Siri開(kāi)放給iOS生態(tài)希望能夠讓Siri支持更豐富的功能。

　　| Siri 變身 SiriKit 之后，帶來(lái)什么？

　　面向開(kāi)發(fā)者的Siri的API都集成在今天早上剛剛發(fā)布的SiriKit中。（有趣的是，現(xiàn)任泰國(guó)王后也叫Sirikit，就是***詩(shī)琳通公主的母上）。

　　SiriKit采用了跟Google和出門(mén)問(wèn)問(wèn)類(lèi)似的策略，即用戶(hù)通過(guò)正常的流程喚醒Siri，Siri做完語(yǔ)音識(shí)別和語(yǔ)義分析之后，將結(jié)構(gòu)化語(yǔ)音分析結(jié)果打包成一個(gè)某個(gè)領(lǐng)域（Domain）的意圖（Intent），然后交給支持這個(gè)意圖（Intent）的第三方應(yīng)用（比如微信），第三方應(yīng)用被啟動(dòng)，從傳入的Intent中獲取相應(yīng)的信息，完成操作。

　　例如，上圖演示中提到了的例句 “I need to send a message to Nancy via WeChat saying I‘ll be five minutes late“，當(dāng)用戶(hù)喚醒Siri說(shuō)出這句話(huà)的時(shí)候，Siri會(huì)把上面這句話(huà)轉(zhuǎn)換成結(jié)構(gòu)化語(yǔ)義意圖：

　　領(lǐng)域 （Domain）：Messaging

　　意圖 （Intent）：Send a message （INSendMessageIntent）

　　意圖參數(shù) （Intent Parameter）

　　收件人（recipients）：Nancy

　　消息內(nèi)容（content）：I’ll be five minutes late

　　然后這個(gè)意圖會(huì)被轉(zhuǎn)交給微信，微信會(huì)從該意圖中抽取出收件人和消息內(nèi)容，匹配用戶(hù)聯(lián)系人并發(fā)送消息。

　　按照蘋(píng)果官方的iOS文檔，現(xiàn)在SiriKit共支持7個(gè)領(lǐng)域的共計(jì)22種意圖：

　　語(yǔ)音通話(huà) VoIP Calling：打電話(huà)、發(fā)起視頻電話(huà)、查通話(huà)記錄

　　信息 Messaging：發(fā)信息、搜索信息

　　照片搜索 Photo Search：搜索照片、播放照片幻燈片

　　個(gè)人之間的付款 Payments：向某人付款、向某人收款

　　健身 Workouts：開(kāi)始健身、暫停健身、恢復(fù)健身、結(jié)束健身、取消健身

　　打車(chē) Ride Booking：查看附近可用的車(chē)輛、訂車(chē)、查看訂單

　　車(chē)載 CarPlay：切換音頻輸入源、空調(diào)、除霜、座椅加熱、FM調(diào)臺(tái)

　　對(duì)于以上的22種意圖，蘋(píng)果都會(huì)幫開(kāi)發(fā)者處理好所有的語(yǔ)音識(shí)別和語(yǔ)義理解，開(kāi)發(fā)者只需要申明支持某些意圖，然后坐等用戶(hù)喚醒就好了。

　　比如說(shuō)，“Hey Siri， 用支付寶付20元給小張作為午飯錢(qián)”，支付寶就會(huì)自動(dòng)被喚醒，找到用戶(hù)“小張”并轉(zhuǎn)賬20元。

　　“Hey Siri，用滴滴給我叫一輛車(chē)去中關(guān)村”，則啟動(dòng)滴滴打車(chē)，并自動(dòng)設(shè)定目的地為中關(guān)村。

　?。▓D為作者自制）

　　作為開(kāi)發(fā)者而言，如果你的App功能正好跟以上7大領(lǐng)域22意圖重合，那么是一個(gè)很好的機(jī)會(huì)去聲明支持其中某一些意圖，這樣就可以讓用戶(hù)用語(yǔ)音的方式來(lái)啟動(dòng)你的應(yīng)用，大大增加使用的便利性和用戶(hù)粘性。

　　| 蘋(píng)果為什么現(xiàn)在才開(kāi)放Siri的語(yǔ)音搜索API？

　　1、開(kāi)放給開(kāi)發(fā)者需謹(jǐn)慎

　　SiriKit開(kāi)放了Siri的語(yǔ)音搜索API，機(jī)制跟Google Android Voice 類(lèi)似，后者都已經(jīng)上線(xiàn)兩年并早已支持十幾種領(lǐng)域，遠(yuǎn)超SiriKit現(xiàn)在發(fā)布的7個(gè)領(lǐng)域。而國(guó)內(nèi)的出門(mén)問(wèn)問(wèn)，因有Ticwear智能手表操作系統(tǒng)作為入口，早在去年年初就開(kāi)發(fā)了類(lèi)似的語(yǔ)義API，滴滴、支付寶、阿里小智智能家居等第三方廠商早已通過(guò)這種形式落地其手表操作系統(tǒng)。

　　在語(yǔ)音搜索API上，一般公司的做法都是極其謹(jǐn)慎的。不同于以科大訊飛為代表的“應(yīng)用內(nèi)”語(yǔ)音、語(yǔ)義API，蘋(píng)果、Google、出門(mén)問(wèn)問(wèn)這些API屬于“入口級(jí)”語(yǔ)音搜索API，即語(yǔ)音搜索是系統(tǒng)發(fā)起的而非在應(yīng)用內(nèi)發(fā)起，系統(tǒng)識(shí)別語(yǔ)音意圖并分發(fā)給第三方應(yīng)用。

　　一般這類(lèi)“入口級(jí)”語(yǔ)音搜索API，會(huì)非常謹(jǐn)慎地先做好領(lǐng)域分類(lèi)（Domain Classification），然后根據(jù)分出來(lái)的領(lǐng)域?qū)Я鹘o不同的應(yīng)用。所以，領(lǐng)域和領(lǐng)域內(nèi)意圖，一般要由系統(tǒng)事先定義好、并且優(yōu)化好語(yǔ)音、語(yǔ)義識(shí)別模型之后，才開(kāi)放給第三方開(kāi)發(fā)者使用。

　　2、現(xiàn)有語(yǔ)音識(shí)別API存在哪些技術(shù)瓶頸？

　　由于眾所周知的技術(shù)難度，現(xiàn)有的語(yǔ)音識(shí)別API還存在以下技術(shù)瓶頸：

　　首先，語(yǔ)音識(shí)別方面，訓(xùn)練一個(gè)可靠的語(yǔ)音識(shí)別需要領(lǐng)域內(nèi)的大量語(yǔ)言模型。

　　例如如果不將北京地名詞典這樣的領(lǐng)域知識(shí)輸入進(jìn)語(yǔ)音識(shí)別引擎，語(yǔ)音識(shí)別根本無(wú)法正確輸出類(lèi)似于“簋（gui）街”這樣的不常見(jiàn)詞語(yǔ)。

　　其次，由于是“入口級(jí)”語(yǔ)音搜索，還要處理好不同領(lǐng)域之間的歧義。

　　例如“發(fā)微信給小蘋(píng)果讓她幫我打電話(huà)訂一輛出租車(chē)”，這句話(huà)對(duì)人類(lèi)來(lái)說(shuō)是再簡(jiǎn)單不過(guò)了，但是對(duì)于現(xiàn)有的語(yǔ)義識(shí)別系統(tǒng)來(lái)說(shuō)都是極具挑戰(zhàn)性的：這到底是要發(fā)短信呢？還是打電話(huà)？還是叫車(chē)？怎么還提到了歌曲“小蘋(píng)果”啊！

　　3、發(fā)布會(huì)上沒(méi)有提到的特色

　　不過(guò)，筆者也從官方文檔中驚喜地發(fā)現(xiàn)一個(gè)未在發(fā)布會(huì)上提及的特色。不同于Google Voice Action［1］，SiriKit發(fā)布第一版就允許開(kāi)發(fā)者在一定程度上自定義語(yǔ)音命令。SiriKit允許開(kāi)發(fā)者通過(guò)配置文件的方式自定義某一些詞的讀音、上下文例句、甚至語(yǔ)義含義，當(dāng)然，這些必須限定在這7大領(lǐng)域22個(gè)意圖框架內(nèi)。

　　如下面圖中例子所示：

　　圖中展示了一個(gè)名為“CardioBonaza”的健身應(yīng)用，其應(yīng)用支持一個(gè)名為“Cardio Craze”的健身項(xiàng)目，用戶(hù)可以通過(guò)Siri直接啟動(dòng)CardioBonaza應(yīng)用并開(kāi)始Cardio Craze健身項(xiàng)目上圖的配置文件通過(guò)以下幾方面幫助Siri識(shí)別有有關(guān)命令：

　　定義Cardio Craze是開(kāi)始健身（INStartWorkoutIntent）這個(gè)意圖下面的workoutName這個(gè)屬性（注意，這個(gè)意圖以及意圖的指令都是包含在SiriKit那7大領(lǐng)域和22意圖內(nèi)的）。這樣一但識(shí)別出來(lái)，Siri會(huì)把Cardio Crazes識(shí)別成workoutName屬性傳給CardioBonazay應(yīng)用

　　定義Cardio Craze的發(fā)音以及可能出現(xiàn)的上下文，這有助于幫助Siri更準(zhǔn)確的語(yǔ)音識(shí)別這些不常用詞

　　通過(guò)定義Intent Phrase的一些例句，甚至可以影響Siri入口的領(lǐng)域分類(lèi)（Domain Classification）

　　蘋(píng)果一向謹(jǐn)小慎微，這次SiriKit僅僅開(kāi)放了7個(gè)領(lǐng)域，應(yīng)該是經(jīng)過(guò)充分的用戶(hù)調(diào)研和模型調(diào)優(yōu)。但實(shí)際使用中是否能夠勝任復(fù)雜的用戶(hù)自然語(yǔ)言，還需要等到真正發(fā)布之后好好體驗(yàn)。不過(guò)，SiriKit確實(shí)做了充分的準(zhǔn)備，準(zhǔn)備和開(kāi)發(fā)者一起保證良好的語(yǔ)音交互體驗(yàn)。

　　| 什么是用戶(hù)真正需要的語(yǔ)音搜索？

　　除此之外，蘋(píng)果今天還發(fā)布了MacOS版本的Siri，可以在Mac上通過(guò)Siri去完成手機(jī)上的一些基本功能。比如聽(tīng)歌、查天氣，以及一些為Mac筆記本開(kāi)發(fā)的語(yǔ)音命令，比如查找某個(gè)文件、或者看看電腦還有多少剩余空間。

　　連同SiriKit，這應(yīng)該是Siri自從2012年發(fā)布以來(lái)最大的一次更新。

　　但我認(rèn)為，這次更新仍然乏善可陳。競(jìng)爭(zhēng)對(duì)手Google本身?yè)碛袕?qiáng)大的AI研發(fā)能力和長(zhǎng)期以來(lái)的技術(shù)積累，SiriKit做的這些事情從技術(shù)上來(lái)講都只是一直在追趕Google而已。

　　要做到如同Google Now一樣的智能，比如百科類(lèi)問(wèn)題的問(wèn)答、智能推送［2］，蘋(píng)果還有很長(zhǎng)的一段路要走。當(dāng)然當(dāng)前，不管是哪家的語(yǔ)音識(shí)別技術(shù)，從能力上來(lái)講并沒(méi)有質(zhì)的區(qū)別，人工智能語(yǔ)音搜索仍然是一個(gè)新鮮玩意，他的能力遠(yuǎn)低于人們的預(yù)期。在短期人工智能技術(shù)難以進(jìn)行質(zhì)的突破的情況下，像蘋(píng)果這樣謹(jǐn)小慎微地一步步往前走，慢慢地加入新的功能，讓更多的開(kāi)發(fā)者加入這場(chǎng)游戲，總體來(lái)說(shuō)也是推動(dòng)了整個(gè)行業(yè)的發(fā)展。今天凌晨發(fā)布的時(shí)候，蘋(píng)果宣布SiriKit已經(jīng)得到眾多主流App的支持，包括微信、支付寶、滴滴、Whatsapp、Skype等，這也許正是蘋(píng)果作為一個(gè)后來(lái)者的優(yōu)勢(shì)。

　　這讓我想起了4年前第一次發(fā)布Siri的時(shí)候，無(wú)聲無(wú)息地發(fā)布，在沉寂了十幾年的人工智能圈，確確實(shí)實(shí)地掀起了一陣?yán)顺薄?br /> ? ? ? 本文作者陳村，劍橋大學(xué)自然語(yǔ)言處理（NLP）組，現(xiàn)為機(jī)器學(xué)習(xí)語(yǔ)義分析工程師。

　　注解：

　　【1】Google的Voice Action有自定義語(yǔ)音命令，但是看起來(lái)還沒(méi)有完全準(zhǔn)備好。

　　【2】Google Now會(huì)分析用戶(hù)的Email 來(lái)獲取用戶(hù)的一些個(gè)人信息，比如航班行程、酒店。蘋(píng)果在今天凌晨的發(fā)布會(huì)上聲稱(chēng)，出于用戶(hù)隱私方面的考慮，暫時(shí)沒(méi)有類(lèi)似的功能。