[repost ]Siri技术解析

original:http://ift.tt/GOXMbn 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。 […]



via WordPress http://ift.tt/1qBRQJ2