四
對蘋果機器學(xué)習(xí)方面進展的最佳測量方式，或許來自它在AI上最重要的收購：Siri。Siri最初誕生自DARPA在智能助理上的一項計劃，后來部分科學(xué)家成立了一家公司，用同樣的技術(shù)開發(fā)了一款應(yīng)用。2010年，喬布斯親自說服公司創(chuàng)始成員將公司出售給蘋果，并指示將Siri整合進操作系統(tǒng)。在2011年10月iPhone 4S的發(fā)布會上，Siri是一大點亮?，F(xiàn)在它早已不是用戶長按Home鍵，或發(fā)出“Hey, Siri”指令進行喚醒（這一功能本身也使用了機器學(xué)習(xí)，允許iPhone在不耗電的情況下了解周圍情況）這么簡單了。Siri的智能整合進了Apple Brain，即便不發(fā)場時也在工作。
作為核心產(chǎn)品而言，Cue提到了四個組成：語音識別（理解你何時與它對話），自然語言理解（理解說話內(nèi)容），執(zhí)行（滿足查詢或請求）以及響應(yīng)（產(chǎn)生回話）。“機器學(xué)習(xí)對所有這些都有重要影響。”
Tom Gruber（上）與Alex Acero
Siri高級研發(fā)部主管Tom Gruber是在最初的收購后加入了蘋果的，他表示，在蘋果把神經(jīng)網(wǎng)絡(luò)用于Siri之前，其用戶量已經(jīng)在產(chǎn)生大量數(shù)據(jù)，而這對訓(xùn)練神經(jīng)網(wǎng)絡(luò)十分重要。“喬布斯說，一夜之間就會擁有數(shù)百萬用戶，還不用公測。突然之間就會有用戶，他們會告訴你，人們?nèi)绾闻c應(yīng)用對話。這是第一次革命，那之后神經(jīng)網(wǎng)絡(luò)時代到來了。”
隨著Siri轉(zhuǎn)移到用神經(jīng)網(wǎng)絡(luò)處理語音識別而來的，還有幾位AI專家，其中包括現(xiàn)在語音組的主管Alex Acero。Acero的語音識別經(jīng)歷始于90年代的蘋果，后來他在微軟研究院工作了多年。“我喜歡這類工作，也發(fā)表了很多論文。當Siri出現(xiàn)時，我意識到這是讓深度神經(jīng)網(wǎng)絡(luò)應(yīng)用得以實現(xiàn)的機會，不是讓幾百人用，而是讓數(shù)百萬人用。”換句話說，他就是蘋果想找的那類科學(xué)家優(yōu)先考慮產(chǎn)品而非發(fā)表論文。
當Acero在三年前加入時，Siri用的語音技術(shù)仍基本來自第三方的授權(quán)，而這種情況必須改變。Federighi意識到，這是蘋果不斷在重復(fù)的一種模式。“隨著一項技術(shù)對開發(fā)核心產(chǎn)品變得越來越重要，我們會讓內(nèi)部逐漸接手開發(fā)。要開發(fā)偉大的產(chǎn)品，我們希望內(nèi)部擁有技術(shù)，并在內(nèi)部創(chuàng)新，語音識別就是一個很好的例子。”
團隊開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以替代Siri早前的技術(shù)。蘋果的GPU集群不停運轉(zhuǎn)，調(diào)用了大量數(shù)量。2014年7月的發(fā)布證明，所有努力都沒有白費。
Acero表示，“當時在所有語言上，錯誤率降低了兩倍，在很多場景下還不止如此。這都要歸功于深度學(xué)習(xí)及對它的優(yōu)化，不僅是算法方面，更是在產(chǎn)品開發(fā)的整個過程上。”
蘋果不是第一家在語音識別中使用DNN的公司，但它證明，控制整個運轉(zhuǎn)系統(tǒng)會產(chǎn)生優(yōu)勢。Acero表示，正是因為蘋果自己設(shè)計芯片，他能直接與編寫固件的芯片設(shè)計組工程師合作，最大化提升神經(jīng)網(wǎng)絡(luò)的性能。Siri團隊的需求甚至影響了iPhone設(shè)計的方方面面。
Fdferighi表示，“不僅僅是芯片，還涉及設(shè)備上的麥克風(fēng)，以及麥克風(fēng)安裝的位置，還有如何調(diào)整硬件，以及處理音頻的軟件棧。這需要所有組件的協(xié)調(diào)，比起只是開發(fā)軟件的公司，有著驚人的優(yōu)勢。”
另一個優(yōu)勢是，當蘋果的神經(jīng)網(wǎng)絡(luò)在一個產(chǎn)品上成功時，還能成為其它產(chǎn)品的核心技術(shù)。機器學(xué)習(xí)讓Siri理解了用戶，也讓輸入方式由手動變成了聽寫。也正是因為Siri的技術(shù)，用戶語音輸入的信息也變得更流暢和完整。
Cue提到的Siri第二個部分是自然語言理解。Siri在2014年11月開始用機器學(xué)習(xí)理解用戶的意圖，并在一年后推出了深度學(xué)習(xí)版。如在語音識別上一樣，機器學(xué)習(xí)提升了體驗，特別是在理解指令上。
蘋果認為，沒有Siri上的技術(shù)，它不太可能開發(fā)出最新版的Apple TV，因為后者也有語音控制功能。盡管早期的Siri版本要求你用清晰的方式說話，但深度學(xué)習(xí)加強版不僅能從大量電影和音樂中找到特定的選擇，更能處理“播放一部湯姆漢克斯主演的優(yōu)秀驚悚片”這樣的概念。這在以前是完全不可能的。