| 蘋果為什么現在才開放Siri的語音搜索API？

　　1、開放給開發者需謹慎

　　SiriKit開放了Siri的語音搜索API，機制跟Google Android Voice 類似，后者都已經上線兩年并早已支持十幾種領域，遠超SiriKit現在發布的7個領域。而國內的出門問問，因有Ticwear智能手表操作系統作為入口，早在去年年初就開發了類似的語義API，滴滴、支付寶、阿里小智智能家居等第三方廠商早已通過這種形式落地其手表操作系統。

　　在語音搜索API上，一般公司的做法都是極其謹慎的。不同于以科大訊飛為代表的“應用內”語音、語義API，蘋果、Google、出門問問這些API屬于“入口級”語音搜索API，即語音搜索是系統發起的而非在應用內發起，系統識別語音意圖并分發給第三方應用。

　　一般這類“入口級”語音搜索API，會非常謹慎地先做好領域分類（Domain Classification），然后根據分出來的領域導流給不同的應用。所以，領域和領域內意圖，一般要由系統事先定義好、并且優化好語音、語義識別模型之后，才開放給第三方開發者使用。

　　2、現有語音識別API存在哪些技術瓶頸？

　　由于眾所周知的技術難度，現有的語音識別API還存在以下技術瓶頸：

　　首先，語音識別方面，訓練一個可靠的語音識別需要領域內的大量語言模型。

　　例如如果不將北京地名詞典這樣的領域知識輸入進語音識別引擎，語音識別根本無法正確輸出類似于“簋（gui）街”這樣的不常見詞語。

　　其次，由于是“入口級”語音搜索，還要處理好不同領域之間的歧義。

　　例如“發微信給小蘋果讓她幫我打電話訂一輛出租車”，這句話對人類來說是再簡單不過了，但是對于現有的語義識別系統來說都是極具挑戰性的：這到底是要發短信呢？還是打電話？還是叫車？怎么還提到了歌曲“小蘋果”啊！

　　3、發布會上沒有提到的特色

　　不過，筆者也從官方文檔中驚喜地發現一個未在發布會上提及的特色。不同于Google Voice Action［1］，SiriKit發布第一版就允許開發者在一定程度上自定義語音命令。SiriKit允許開發者通過配置文件的方式自定義某一些詞的讀音、上下文例句、甚至語義含義，當然，這些必須限定在這7大領域22個意圖框架內。

　　如下面圖中例子所示：

　　圖中展示了一個名為“CardioBonaza”的健身應用，其應用支持一個名為“Cardio Craze”的健身項目，用戶可以通過Siri直接啟動CardioBonaza應用并開始Cardio Craze健身項目上圖的配置文件通過以下幾方面幫助Siri識別有有關命令：

　　定義Cardio Craze是開始健身（INStartWorkoutIntent）這個意圖下面的workoutName這個屬性（注意，這個意圖以及意圖的指令都是包含在SiriKit那7大領域和22意圖內的）。這樣一但識別出來，Siri會把Cardio Crazes識別成workoutName屬性傳給CardioBonazay應用

　　定義Cardio Craze的發音以及可能出現的上下文，這有助于幫助Siri更準確的語音識別這些不常用詞

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

　　蘋果一向謹小慎微，這次SiriKit僅僅開放了7個領域，應該是經過充分的用戶調研和模型調優。但實際使用中是否能夠勝任復雜的用戶自然語言，還需要等到真正發布之后好好體驗。不過，SiriKit確實做了充分的準備，準備和開發者一起保證良好的語音交互體驗。

　　| 什么是用戶真正需要的語音搜索？

　　除此之外，蘋果今天還發布了MacOS版本的Siri，可以在Mac上通過Siri去完成手機上的一些基本功能。比如聽歌、查天氣，以及一些為Mac筆記本開發的語音命令，比如查找某個文件、或者看看電腦還有多少剩余空間。

　　連同SiriKit，這應該是Siri自從2012年發布以來最大的一次更新。

　　但我認為，這次更新仍然乏善可陳。競爭對手Google本身擁有強大的AI研發能力和長期以來的技術積累，SiriKit做的這些事情從技術上來講都只是一直在追趕Google而已。

　　要做到如同Google Now一樣的智能，比如百科類問題的問答、智能推送［2］，蘋果還有很長的一段路要走。當然當前，不管是哪家的語音識別技術，從能力上來講并沒有質的區別，人工智能語音搜索仍然是一個新鮮玩意，他的能力遠低于人們的預期。在短期人工智能技術難以進行質的突破的情況下，像蘋果這樣謹小慎微地一步步往前走，慢慢地加入新的功能，讓更多的開發者加入這場游戲，總體來說也是推動了整個行業的發展。今天凌晨發布的時候，蘋果宣布SiriKit已經得到眾多主流App的支持，包括微信、支付寶、滴滴、Whatsapp、Skype等，這也許正是蘋果作為一個后來者的優勢。

　　這讓我想起了4年前第一次發布Siri的時候，無聲無息地發布，在沉寂了十幾年的人工智能圈，確確實實地掀起了一陣浪潮。
? ? ? 本文作者陳村，劍橋大學自然語言處理（NLP）組，現為機器學習語義分析工程師。

　　注解：

　　【1】Google的Voice Action有自定義語音命令，但是看起來還沒有完全準備好。

　　【2】Google Now會分析用戶的Email 來獲取用戶的一些個人信息，比如航班行程、酒店。蘋果在今天凌晨的發布會上聲稱，出于用戶隱私方面的考慮，暫時沒有類似的功能。