Apple 的 Siri 可以說是最著名的語音助手之一， 其中不必按按鈕便能向 Siri 下指令的「Hey Siri」功能也受到許多好評， 近日在博客中， Siri 團隊除了表示計畫運用機器學習持續改進這項功能， 也解釋了 iOs 設備的 Hey Siri 功能的運作方式， 以及未來計畫持續改進的目標。
所謂的「Hey Siri」功能， 就是讓使用者不必按按鈕、只需在語音指令前加上 Hey Siri， 手機便會自動啟動並遵照指示行動。
但 Apple 究竟是怎麼做到的？博客文章指出， 「Hey Siri」的進化與解決了「關鍵片語檢測」（key-phrase detection）問題相關， 同時運用了 DNN 來進行了早期建模工作， 並使用了遞迴神經網路（RNN）來進行多樣化的訓練與學習。
Siri 團隊解釋， 之所以選擇以「Hey Siri」作為觸發語， 是因為即使在這項功能推出以前， 人們在運用按鈕呼喚 Siri 也會自然而然的在請求前加上這句話。 這原先是一個方便用戶的簡單決定， 但早期的離線實驗中， Hey Siri 的簡潔和口語性卻為開發團隊帶來額外的挑戰。
Siri 團隊主要面臨的錯誤辨識挑戰為三種， 分別為當用戶表達類似短句時、當非用戶說出 Hey Siri 時， 以及最令 Siri 團隊頭痛的當非用戶說出類似短句時。
為了讓 Siri 不被類似短句及非用戶誤導， 團隊先是將焦點由尋常語音辨識目標的「說話內容」轉移至辨識「說話者」的身份， 利用說話者辨識（speaker recognition, SR）並結合相關技術來增進偵測關鍵短句的系統品質。
以目前來說， Apple 會要求首次使用的用戶以要求的 5 個短句來語音來完成說話者辨識系統的註冊， 但除了這種顯性註冊模式之外， 團隊也設計了另一種隱性模式（implicit enrollment）的辨識：透過紀錄使用者一段時間內的語音， 進而提高對說話者辨識的穩健性。
當然考量到個人隱私的因素， 音訊將保留於設備上而並非雲端， 但這種設計目前仍有一些疑慮存在， 如果早期紀錄的語音片段並非使用者本人， 那麼設備可能會錯誤的拒絕使用者指令或錯誤的接受非使用者的聲音， 如此一來功能將變得毫無用處。
展望未來， 除了像所有語音辨識系統一樣得想辦法克服環境噪音的問題，
雖然還不清楚這些改動何時會推出， 但 Apple 經常會在每年 6 月全球者開發大會上談到 Siri 的重大改進， 相信在不久的未來我們很快就能聽到一些好消息。