聆听学习让Siri更聪明

苹果(Apple)与卡内基梅隆大学(CMU)发表的最新研究显示，智慧装置可透过监听周遭环境猜测对话的时间及地点，增加对使用者需求的理解。研究人员并在影片中展示了这种聆听学习(learn-by-listening)系统如何改善声音识别能力，让家庭智慧装置更加聪明。

根据Apple Insider、TechCrunch报导，团队在论文中提出了可透过聆听环境噪音并学习的嵌入式AI系统，这套系统不需要事前准备训练资料，也不会加重使用者监督系统学习过程的负担。

这个名为Listen Learner的系统将仰赖声音活动识别技术启动内建麦克风的智慧装置，透过与使用者的互动进行自我学习和标记，解读环境中发生的特定事件，并在聆听声音的同时进行集群( clustering)分析。

智慧装置虽然日益普及，但因缺乏对情境感知的能力而限制了真正电脑辅助运算经验的潜力。这个系统利用感测器可监听及侦测声音来源的能力，透过聆听学习的方式将声音分组，例如藉由识别微波炉声音的方向厘清使用者的位置，以改善Siri等语音助理对使用者要求的理解，或主动提供资讯。

研究团队想知道声音活动辨识是否能够改进现有部署，包括需要大量人工使用者训练以取得较高的准确度，或使用预训练通用分类器，但会因为缺乏特定使用者环境资料导致准确度较低。

Listen Learner提供的折衷方案可以在不加重使用者训练负担的同时提高系统的准确度。研究人员使用已经过YouTube-8M资料集训练的卷积神经网路(CNN)音讯模型，利用非监督式分群法推断组界(class boundary)位置，系统会评估所有可能的资料分组来找出最佳的类别表征。分群阶段完成后，团队使用OneClass SVM演算法，透过正常样本的特征去学习决策边界。

虽然目前看不出苹果或其他公司有意将此概念整合至智慧音响产品中，但这项研究测试朝实现情境意识互动的愿景又向前迈进一步。