Siri的學(xué)術(shù)化全稱為“個(gè)人自動(dòng)智能助理”（Personalized Intelligent Assistant），并非蘋果公司自主研發(fā)，最初是蘋果AppStore的一款應(yīng)用，蘋果公司發(fā)現(xiàn)后很快于2010年4月份從斯坦福研究機(jī)構(gòu)國(guó)際智能中心（SRI）處收購(gòu)而來，傳言收購(gòu)價(jià)格在2億美金左右，之后很快Siri從AppStore下架并集成進(jìn)入IPhone 4S。

作為“個(gè)人智能助理”，Siri能為你提供什么服務(wù)？可以將Siri理解為一位低智商的生活秘書（和人類的智能比），它采用了Nuance公司的語音識(shí)別技術(shù)，具有一定程度的語義理解和用戶意圖識(shí)別能力，可以聊天解悶，更主要的功能是幫助辦理一定的事務(wù)，比如預(yù)訂餐廳、預(yù)訂出租車、搜索精確答案、查詢天氣等。

我們首先看一些例子來看Siri能做什么：

對(duì)話一：

User:“我想掩藏一具尸體。”
Siri：你想藏在哪里呢？（給出5個(gè)選項(xiàng)）

• 水庫
• 工廠
• 礦山
• 垃圾場(chǎng)
• 濕地

對(duì)話二：

Siri：有什么我能幫忙的？
User:“我想我剛剛殺了人。”
Siri：是這樣么？
User:“是的。”
Siri：“你說要掩藏尸體我就想到了”
User:“我該怎么做？”
Siri：“好吧，這是你接下來的日程表。”

對(duì)話三：

User:“去哪兒能弄些毒品？”
Siri：“這附近有2家戒毒所。”

對(duì)話四、對(duì)話五、對(duì)話六：

 

由以上六個(gè)用戶和Siri的對(duì)話記錄片段可以看出Siri具備一定的語義智能，如果了解其技術(shù)原理，可以知曉解悶陪聊功能并非其最初出發(fā)點(diǎn)和功能重點(diǎn)，在多個(gè)垂直領(lǐng)域幫用戶完成一定的任務(wù)才是其核心功能。

 

圖1 . Siri整體架構(gòu)

Siri是一個(gè)功能繁復(fù)的綜合AI框架，圖1展示了其包含的數(shù)據(jù)、模型以及計(jì)算模塊，為了在整體上更易于理解整個(gè)框架，可以將Siri里包含的眾多數(shù)據(jù)、模型和計(jì)算模塊劃分為輸入系統(tǒng)、活躍本體、執(zhí)行系統(tǒng)、服務(wù)系統(tǒng)和輸出系統(tǒng)五個(gè)子系統(tǒng)。其在解析用戶輸入時(shí)候遵循一定的執(zhí)行順序，以此來理解用戶的真正意圖并提供有用服務(wù)。

Siri的資源主要分為資源類和計(jì)算類兩大類，其中屬于資源類的包括;

• 領(lǐng)域模型；
• 詞匯表數(shù)據(jù)庫；
• 短期記憶系統(tǒng)；
• 長(zhǎng)期記憶系統(tǒng)；
• 領(lǐng)域本體數(shù)據(jù)庫；
• 對(duì)話流模型；
• 服務(wù)模型；
• 服務(wù)能力模型；
• 外部服務(wù)；

屬于計(jì)算資源的包括：

• 語音識(shí)別系統(tǒng)；
• 語言模式識(shí)別器；
• 語言解釋器；
• 對(duì)話流控制器；
• 任務(wù)控制器；
• 服務(wù)集成模塊；
• 語音生成系統(tǒng)；

Siri的輸入系統(tǒng)支持多模態(tài)輸入，即不僅僅支持眾所周知的語音識(shí)別，也允許用戶進(jìn)行文本輸入、GUI界面操作以及事件觸發(fā)等。除了支持多模態(tài)輸入外，Siri輸入系統(tǒng)一方面可以利用語言解釋器對(duì)早期輸入進(jìn)行歧義消除，另外一方面還可以對(duì)用戶輸入進(jìn)行有意識(shí)的引導(dǎo)，將用戶輸入盡量映射到Siri能夠提供的服務(wù)上來。這樣對(duì)于用戶和Siri來說才可相得益彰，Siri 可體現(xiàn)其價(jià)值，用戶可獲得幫助。

 

圖2. 活躍本體

“活躍本體”是Siri中相當(dāng)重要的一個(gè)概念，“活躍本體”可以被理解為Siri整個(gè)系統(tǒng)執(zhí)行的一個(gè)具體執(zhí)行環(huán)境和場(chǎng)所，執(zhí)行系統(tǒng)調(diào)用所有系統(tǒng)數(shù)據(jù)、詞典、模型和程序，在“活動(dòng)本體”內(nèi)對(duì)用戶輸入進(jìn)行解析，并將文本信息在這里解析為用戶真正的意圖，然后根據(jù)意圖來調(diào)用外部的服務(wù)。

在程序執(zhí)行時(shí)，“活躍本體”內(nèi)放入的數(shù)據(jù)和模型包括：領(lǐng)域模型，用戶個(gè)性化信息，語言模式、詞匯表和領(lǐng)域?qū)嶓w數(shù)據(jù)庫等。

領(lǐng)域模型包括某個(gè)垂直領(lǐng)域內(nèi)的概念，實(shí)體，關(guān)系，屬性和實(shí)例的內(nèi)部表示，這其實(shí)就是Semantic Web這個(gè)研究領(lǐng)域常說的ontology。Siri包含很多垂直領(lǐng)域的領(lǐng)域模型。“詞匯表”用于維護(hù)Siri中的表層單詞到“領(lǐng)域模型”或者“任務(wù)模型”中定義的的概念、關(guān)系、屬性的映射關(guān)系；被用來引導(dǎo)用戶輸入、自然語言解析和生成輸出結(jié)果。

Siri在個(gè)性化方面做得也非常出色。在和用戶溝通過程中，如果一臺(tái)機(jī)器能夠叫出你的名字，并且知曉你的個(gè)人愛好，用戶體驗(yàn)無疑是非常優(yōu)異的。從具體技術(shù)手段上，Siri是通過在內(nèi)部保持兩個(gè)記憶系統(tǒng)：長(zhǎng)期記憶系統(tǒng)和短期記憶系統(tǒng)來實(shí)現(xiàn)能夠個(gè)性化的和用戶交流的。長(zhǎng)期記憶系統(tǒng)存儲(chǔ)了用戶的名稱、居住地址以及歷史偏好信息，短期記憶系統(tǒng)則將最近一段時(shí)期內(nèi)Siri和用戶的對(duì)話記錄及GUI點(diǎn)選記錄等登記下來。利用這兩個(gè)記憶系統(tǒng)，Siri可以在理解用戶需求的時(shí)候幫助澄清用戶的真正意圖是什么。

語言模式識(shí)別系統(tǒng)是對(duì)用戶輸入的表層，語法層，習(xí)慣用語和成語等進(jìn)行模式匹配的模塊。匹配模式的代碼在Siri內(nèi)部采用正則表達(dá)式或者狀態(tài)機(jī)等方式實(shí)現(xiàn)；在Siri識(shí)別出指定的語言模式后，可以幫助判斷用戶輸入所述的任務(wù)類型。

 

圖3 執(zhí)行系統(tǒng)

執(zhí)行系統(tǒng)是Siri系統(tǒng)最有技術(shù)含量的部分，前文有述：“活動(dòng)本體”是對(duì)根據(jù)用戶的輸入信息，將各種詞典資源，模型資源實(shí)例化進(jìn)行具體加工的場(chǎng)所，而真正的加工過程是由執(zhí)行系統(tǒng)進(jìn)行的。執(zhí)行系統(tǒng)不僅將用戶原始的文本輸入解析為內(nèi)部的語義表示，而且要在用戶和Siri交互過程中（多輪會(huì)話）決定下一句Siri應(yīng)該說什么內(nèi)容，可見其重要性。

執(zhí)行系統(tǒng)具體又可以細(xì)分為三個(gè)主要部件：語言解釋器、會(huì)話流控制器和任務(wù)控制器。它們之間分工有異同時(shí)又密切合作，一起發(fā)揮作用。語言解釋器將用戶輸入字符串流解析為語義表示作為輸出，而這個(gè)語義表示又會(huì)作為會(huì)話流控制器的輸入，會(huì)話流控制器根據(jù)當(dāng)前語句所表達(dá)的含義，協(xié)同任務(wù)控制器一起決定Siri下一步應(yīng)該做什么或者說什么。

語言解釋器是Siri中最重要的自然語言處理工具，主要用來對(duì)文本形式的用戶輸入進(jìn)行解析，將其映射為概念本體層級(jí)的信息表示，即理解語言真正的含義，除此外，語言解釋器也被用在輸入系統(tǒng)中對(duì)用戶輸入提示或者輸入補(bǔ)全進(jìn)行分析，而且對(duì)語音識(shí)別結(jié)果后處理也有很大幫助。

對(duì)話流控制系統(tǒng)是在將用戶的文本表示解析為內(nèi)部用戶意圖之后發(fā)揮作用；即語言解釋器將解析結(jié)果傳遞給對(duì)話流控制器，是語言解釋器的后續(xù)處理步驟；而“任務(wù)控制器”則被“對(duì)話流控制器”調(diào)用，共同確定Siri下一步應(yīng)該做什么或者說什么。

“任務(wù)流控制器”的主要功能是界定完成一件任務(wù)或者解決某個(gè)問題由那些步驟構(gòu)成,這些步驟之間是何種關(guān)系。“任務(wù)流控制器”和“對(duì)話流控制器”很容易混淆，不容易區(qū)分其功能差異。一般來說，“對(duì)話流控制器”主要用來決定Siri接下來要說的內(nèi)容或者要做的事件，主要是根據(jù)領(lǐng)域判斷誘導(dǎo)用戶提供所需的參數(shù)；而“任務(wù)流控制器”更側(cè)重于事務(wù)本身的定義，比如一個(gè)任務(wù)可以切分成若干子任務(wù)，是否有時(shí)序依賴關(guān)系。

任務(wù)流控制在Siri中也起到舉足輕重的地位，Siri的任務(wù)模型是由一些領(lǐng)域無關(guān)的通用任務(wù)模型和若干領(lǐng)域相關(guān)任務(wù)構(gòu)成。通用任務(wù)是完成一件任務(wù)的抽象表述，與具體領(lǐng)域無關(guān)，因?yàn)槠渫ㄓ眯裕部梢詰?yīng)用在各個(gè)具體應(yīng)用領(lǐng)域。

 

圖4 服務(wù)系統(tǒng)

Siri本質(zhì)上是服務(wù)導(dǎo)向的用戶意圖識(shí)別系統(tǒng)，無論是對(duì)話流控制也好，任務(wù)流控制也好，其根本目的還是為了能夠?qū)⒂脩粢龑?dǎo)到Siri能夠提供的某項(xiàng)具體服務(wù)，以此達(dá)到幫助用戶完成某些任務(wù)或者解決一些問題的目的。目前Siri可以提供多種領(lǐng)域的服務(wù)，這里面涉及到服務(wù)管理的問題，即如何進(jìn)行管理才能使得系統(tǒng)可用性高，可維護(hù)性強(qiáng)等。具體而言，Siri中有三個(gè)子部分涉及到服務(wù)功能：服務(wù)模塊，服務(wù)能力模型和多服務(wù)集成模塊。其中，服務(wù)模塊記錄了可供Siri使用的各種服務(wù)的詳細(xì)信息，服務(wù)能力模塊則存儲(chǔ)了哪些服務(wù)可以提供什么類型的服務(wù)等映射關(guān)系，服務(wù)系統(tǒng)中最重要的是服務(wù)集成模塊，調(diào)用另外兩個(gè)服務(wù)模塊提供給用戶最終服務(wù)內(nèi)容。因?yàn)橥瓿捎脩裟稠?xiàng)需求要調(diào)用分布在各處的多項(xiàng)服務(wù)，每項(xiàng)服務(wù)能夠提供部分信息，而且服務(wù)之間有些順序需要遵守，所以如何調(diào)用所需的多種功能，調(diào)用順序如何確定以及如何根據(jù)部分信息拼合成最終用戶所需服務(wù)是其核心內(nèi)容。

Siri的輸出系統(tǒng)會(huì)將最終提供的服務(wù)結(jié)果或者在會(huì)話過程的中間內(nèi)容展示給用戶。其不僅支持語音、電郵、文本等多模態(tài)輸出，還支持界面訂制等個(gè)性化功能。

從上述技術(shù)描述看，Siri是蘋果公司新推出的一種新型人工智能框架，不僅在商業(yè)宣傳上令人耳目一新，在其技術(shù)架構(gòu)和具體實(shí)現(xiàn)上也頗具新意。盡管Siri最初是依附在iPhone平臺(tái)，但是很顯然，這種依附性并不強(qiáng)，可以預(yù)見，這套系統(tǒng)會(huì)不斷擴(kuò)展到更多種硬件類型的智能控制，比如車載控制系統(tǒng)，智能電視控制系統(tǒng)等等

---