Siri是如何工作的.docx

Siri是如何工作的？Siri技术解析Siri的学术化全称为“个人自动智能助理”（Personalized Intelligent Assistant），并非苹果公司自主研发，最初是苹果AppStore的一款应用，苹果公司发现后很快于2010年4月份从斯坦福研究机构国际智能中心（SRI）处收购而来，传言收购价格在2亿美金左右，之后很快Siri从AppStore下架并集成进入IPhone 4S。作为“个人智能助理”，Siri能为你提供什么服务？可以将Siri理解为一位低智商的生活秘书（和人类的智能比），它采用了Nuance公司的语音识别技术，具有一定程度的语义理解和用户意图识别能力，可以聊天解闷，更主要的功能是帮助办理一定的事务，比如预订餐厅、预订出租车、搜索精确答案、查询天气等。我们首先看一些例子来看Siri能做什么：对话一：User:“我想掩藏一具尸体。”Siri：你想藏在哪里呢？（给出5个选项）水库工厂矿山垃圾场湿地对话二：Siri：有什么我能帮忙的？User:“我想我刚刚杀了人。”Siri：是这样么？User:“是的。”Siri：“你说要掩藏尸体我就想到了”User:“我该怎么做？”Siri：“好吧，这是你接下来的日程表。”对话三：User:“去哪儿能弄些毒品？”Siri：“这附近有2家戒毒所。”对话四、对话五、对话六：由以上六个用户和Siri的对话记录片段可以看出Siri具备一定的语义智能，如果了解其技术原理，可以知晓解闷陪聊功能并非其最初出发点和功能重点，在多个垂直领域帮用户完成一定的任务才是其核心功能。图1 . Siri整体架构Siri是一个功能繁复的综合AI框架，图1展示了其包含的数据、模型以及计算模块，为了在整体上更易于理解整个框架，可以将Siri里包含的众多数据、模型和计算模块划分为输入系统、活跃本体、执行系统、服务系统和输出系统五个子系统。其在解析用户输入时候遵循一定的执行顺序，以此来理解用户的真正意图并提供有用服务。Siri的资源主要分为资源类和计算类两大类，其中属于资源类的包括;领域模型；词汇表数据库；短期记忆系统；长期记忆系统；领域本体数据库；对话流模型；服务模型；服务能力模型；外部服务；属于计算资源的包括：语音识别系统；语言模式识别器；语言解释器；对话流控制器；任务控制器；服务集成模块；语音生成系统；Siri的输入系统支持多模态输入，即不仅仅支持众所周知的语音识别，也允许用户进行文本输入、GUI界面操作以及事件触发等。除了支持多模态输入外，Siri输入系统一方面可以利用语言解释器对早期输入进行歧义消除，另外一方面还可以对用户输入进行有意识的引导，将用户输入尽量映射到Siri能够提供的服务上来。这样对于用户和Siri来说才可相得益彰，Siri可体现其价值，用户可获得帮助。图2. 活跃本体“活跃本体”是Siri中相当重要的一个概念，“活跃本体”可以被理解为Siri整个系统执行的一个具体执行环境和场所，执行系统调用所有系统数据、词典、模型和程序，在“活动本体”内对用户输入进行解析，并将文本信息在这里解析为用户真正的意图，然后根据意图来调用外部的服务。在程序执行时，“活跃本体”内放入的数据和模型包括：领域模型，用户个性化信息，语言模式、词汇表和领域实体数据库等。领域模型包括某个垂直领域内的概念，实体，关系，属性和实例的内部表示，这其实就是Semantic Web这个研究领域常说的ontology。Siri包含很多垂直领域的领域模型。“词汇表”用于维护Siri中的表层单词到“领域模型”或者“任务模型”中定义的的概念、关系、属性的映射关系；被用来引导用户输入、自然语言解析和生成输出结果。Siri在个性化方面做得也非常出色。在和用户沟通过程中，如果一台机器能够叫出你的名字，并且知晓你的个人爱好，用户体验无疑是非常优异的。从具体技术手段上，Siri是通过在内部保持两个记忆系统：长期记忆系统和短期记忆系统来实现能够个性化的和用户交流的。长期记忆系统存储了用户的名称、居住地址以及历史偏好信息，短期记忆系统则将最近一段时期内Siri和用户的对话记录及GUI点选记录等登记下来。利用这两个记忆系统，Siri可以在理解用户需求的时候帮助澄清用户的真正意图是什么。语言模式识别系统是对用户输入的表层，语法层，习惯用语和成语等进行模式匹配的模块。匹配模式的代码在Siri内部采用正则表达式或者状态机等方式实现；在Siri识别出指定的语言模式后，可以帮助判断用户输入所述的任务类型。图3 执行系统执行系统是Siri系统最有技术含量的部分，前文有述：“活动本体”是对根据用户的输入信息，将各种词典资源，模型资源实例化进行具体加工的场所，而真正的加工过程是由执行系统进行的。执行系统不仅将用户原始的文本输入解析为内部的语义表示，而且要在用户和Si