siri演算法

Ⅰ 魅族的小溪會算數為什麼蘋果的siri不會算數

您好，
魅族在語音助手方面的演算法比較好，優化得不錯。

Ⅱ 蘋果的Siri應用了什麼技術和演算法

搜索技術（Computational Knowledge）
這個技術的代表是WolframAlpha 。
不同於搜索互聯網信息，Wolfram|Alpha將從公眾的(包括公開的網頁等)和獲得授權的資源中，發掘、建立起一個異常龐大的經過組織的資料庫，再利用高級的自然語言演算法進行處理，最終構造出一個類似於谷歌搜索的工具。
和網頁搜索技術不同的是，在這個系統中，得到的答案結構化程度很高，比如搜索China，能得到和中國相關的各種參數以及資料，並以接近表格的方式呈現。Wolfram|Alpha也能理解部分自然語言，比如輸出How old are you，其會回答Wolfram|Alpha的年齡。想測試這項技術的請移步Wolfram|Alpha。
這個技術國內做的應該有，但還沒有產品，也許網路的框計算算是半個。所以機會大大的有。
知識庫技術
相比於網頁搜索技術，基本以一個詞條或者主題為單位，因此得到的數據價值高，知識量大，並且結構化程度好。相比於知識計算技術，這些技術需要人的參與，這有利也有弊，利就是，畢竟暫時人比機器聰明，編輯出來的知識更豐富，准確；弊就是，人力有限，即使像維基那樣，發動社區的力量，也不能產生足夠的知識，而知識計算，理論上，只需要演算法夠，是可以產生「無限」的知識的。
問答推薦技術
其實這不能稱為一個技術，應該屬於知識庫的技術。不同的是，這個技術針對的是一些生活信息，這些信息的地域化程度很高，典型代表為Yelp。由於這東西比較簡單，就不仔細介紹了。

Ⅲ 鎖屏狀態下用siri打電話,提示要先解鎖,怎麼不用解鎖直接打電話

一般來說首次鎖屏狀態下使用siri打電話需要解鎖的，之後再次使用就不需要了。不過可以在設置里更改。允許在鎖屏下使用SIRI。

注意開啟鎖屏狀態下該軟體的使用許可權。

Siri是蘋果公司在其產品iPhone4S，iPad 3及以上版本手機和Mac上應用的一項智能語音控制功能。Siri可以令iPhone4S及以上手機（iPad 3以上平板）變身為一台智能化機器人；

利用Siri用戶可以通過手機讀簡訊、介紹餐廳、詢問天氣、語音設置鬧鍾等。

SIRI 是 Speech Interpretation & Recognition Interface 的首字母縮寫，原義為語音識別介面。

概況介紹

Siri所用到的技術，很多人會回答，人工智慧以及雲計算，的確，總體來說，是這兩樣技術，不過，這種概述感覺幾乎沒有任何意義，何不直接說「計算技術」（注意，不是計算機技術）呢。

因此，在本文，我將介紹下我了解 Siri 可能採用的技術（由於有個人猜測，不一定準確）。

前端方面

在前端方面，即面向用戶，和用戶交互（User Interface，UI）的技術，主要是語音識別以及語音合成技術。

語音識別技術是把用戶的口語轉化成文字，其中需要強大的語音知識庫，因此需要用到所謂的「雲計算」技術。

而語音合成則是把返回的文字結果轉化成語音輸出，這個技術理論上本地就能完成，但不知道Siri是否如此，當然，在雲端完成也並無不可，在當前無線帶寬下，那點語音流量根本不算什麼。

(3)siri演算法擴展閱讀：

知識計算

（搜索）技術（Computational Knowledge）

這個技術的代表是WolframAlpha。

不同於搜索互聯網信息，Wolfram|Alpha將從公眾的(包括公開的網頁等)和獲得授權的資源中，發掘、建立起一個異常龐大的經過組織的資料庫；

再利用高級的自然語言演算法進行處理，最終構造出一個類似於谷歌搜索的工具。

和網頁搜索技術不同的是，在這個系統中，得到的答案結構化程度很高，比如搜索China，能得到和中國相關的各種參數以及資料，並以接近表格的方式呈現。

Wolfram|Alpha也能理解部分自然語言，比如輸出How old are you，其會回答Wolfram|Alpha的年齡。想測試這項技術的請移步Wolfram|Alpha。

這個技術國內做的應該有，但還沒有產品，也許網路的框計算算是半個。所以機會大大的有。

知識庫技術

相比於網頁搜索技術，基本以一個詞條或者主題為單位，因此得到的數據價值高，知識量大，並且結構化程度好。

相比於知識計算技術，這些技術需要人的參與，這有利也有弊，利就是，畢竟暫時人比機器聰明，編輯出來的知識更豐富，准確；

弊就是，人力有限，即使像維基那樣，發動社區的力量，也不能產生足夠的知識，而知識計算，理論上，只需要演算法夠，是可以產生「無限」的知識的。

問答推薦技術

其實這不能稱為一個技術，應該屬於知識庫的技術。不同的是，這個技術針對的是一些生活信息，這些信息的地域化程度很高，典型代表為Yelp。由於這東西比較簡單，就不仔細介紹了。

語言模型技術

這是如何提升Siri識別企業和餐廳等本地興趣點名稱的方法，融合了用戶所在地的知識，也就是所謂的Geo-LM，藉此提升Siri的語音識別能力。這些模型讓Siri可以更好地評估用戶的發音內容

Ⅳ 為什麼我的siri不能把我問的問題顯示出來

簡單來說，Siri 上的問題不會和用戶的 Apple ID 發生任何關聯，所有的內容都是匿名的，因為這些內容都有很高的營銷價值，一旦落入到營銷人員手中，用戶就可能會收到無數廣告。

而這會帶來一個後果，語音助手靠什麼成長？其實很大程度上都需要不斷地訓練，也就是機器學習。當亞馬遜和谷歌瘋狂搜集用戶信息，並用這些信息、數據和實際情景不斷訓練語音助手時，蘋果的 Siri 卻只能舉步維艱，因為它根本沒有那麼多信息和數據用來訓練。

為什麼要說這么多呢？因為今年 WWDC 上蘋果可能會提出本地化 Siri 的初步計劃，也就是說斷網也能用 Siri。因為 A 系列處理器未來支持人工智慧、機器學習的演算法，這使得 Siri 有條件用手機內置的處理器進行訓練，這樣在以前是不可想像的，因為這需要龐大的計算量。

如此一來，Siri 既能夠得到足夠的訓練，用戶的信息也不會泄露（全部基於本地），同時因為 Siri 是針對這個用戶單獨訓練的，所以也會更個性、更懂你，一舉三得，這會是 Siri 趕上其他語音助手最好的機會。

Ⅳ 人工智慧是怎麼學習的市面上那種比如蘋果siri之類的號稱人工智慧，是真智能嗎它不是一個軟體嗎

sari之類的助手只是一個終端,它接受輸入,把語義提交給後端,後端分析語義,給你接近的答案,比如天氣,日程,新聞,交通情況,消費場所.如果你的問題太寬泛,人工智慧可是處理不了的.
訓練的模型有很多種,最簡單的神經網路應具有一個輸入層、一個隱藏層、一個輸出層的三層神經網路。當然,更復雜的神經網路多達幾十層,通過梯度演算法,把上一層的輸出導向下一層的輸入,在向後傳播演算法下,得出不同機率的結果集,機率最大的結果就返回給你.

Ⅵ alphago用了哪些人工智慧的技術 知乎

人機對戰更像人工智慧一場科技秀

雖然整場對弈還沒有結束，但是目前的情況顯然有些讓人出乎意料。有人認為，這是圍棋冠軍的一個挫敗，但卻是人類文明的勝利。因為人類是一個善於發明工具去協助自己變得更強大的生物。但是，這場人機對弈似乎有點被神話的意味。事實上，雖然人類在圍棋項目輸了，但這從本質上講，僅僅意味著人類單項競技智慧的頹敗，並不代表人工智慧已經全面超越人類。甚至，僅僅就圍棋這一單行競技中，人工智慧能夠對人類提供的幫助也是有限的。

在這場依舊正在進行中的人機博弈，結果依舊是難以預料的。但是不論最終結果如何，有一個事實是改變不了，那就是，圍棋作為一項競技項目，是有規則可尋的，而這些規則計算機的數據足夠全面，其實也可以在這些數據的基礎上找出規律，形成演算法。而機器的演算法早就已經超越了人類，即使是李世石處在圍棋巔峰，其邏輯運算能力到了計算機面前也根本是難以逾越的。像之前的國際象棋早已經被計算機的邏輯運算完全打敗，所以棋手都會和計算機下棋訓練，如今看來，圍棋這種人類競技項目也難逃這種宿命。

真正的人工智慧首先要有真正的分析推理能力，能夠協助人類去提高分析和決策效率。雖然有別於傳統計算機窮舉計算方式，「阿爾法狗」採用的是利用「價值網路」去計算局面，用「策略網路」去選擇下子。但是，阿爾法狗依舊處於一個弱人工智慧的水平。什麼是弱人工智慧？簡單的說，所謂弱人工智慧就是僅在單個領域比較牛的人工智慧程序。比如我們熟悉的蘋果Siri，就是一個會賣萌的弱人工智慧程序。而阿爾法狗根據這個標准，依舊在這個范圍以內。充其量，最多是人類圍棋的陪練。而這場人際對決，本質上更像是谷歌的一場科技秀。

Ⅶ AI大比拼，AlphaGo和Siri等人工智慧相比，有哪些區別

2016年3月9日，谷歌旗下Deepmind的圍棋程序「AlphaGo」就要和職業九段李世石對決了。去年10月，這個程序戰勝了中國棋手職業二段樊麾；那是圍棋AI第一次在公平比賽中戰勝職業棋手。這一成果登上了今年1月的《自然》期刊，也引發了極其熱烈的討論——而最常被提出的問題就是，AI是不是終於要佔領全世界了？

會唱歌哄你的Siri 圖源自網路

這個問題並不算杞人憂天，某種意義上AI已經佔領了：從蘋果的Siri，到日常瀏覽的搜索引擎，再到網路的文章推薦和商品推薦系統，這些全都是人工智慧——哪怕它們不是科幻小說里那種，我們的日常生活也已經很難和它們分開。

但AlphaGo又和這些常見的AI不同。它們的差異在於學習方法和技術的通用性。
Siri：一個照本宣科的助手

Siri是一個「智能助手」，能聽懂我們的口頭命令，幫我們在網上搜索，幫我們在列表中找到聯系人。但它的原理很簡單：通過聲音識別技術，將聲音轉化成語言的基本元素，比如母音、輔音、單詞，然後和系統中內置的特殊命令比較。如果對比出來的是一個實際問題，那就執行相應的指令；如果對應上了一個空泛的問題，就從相對的段子庫里挑個段子出來。

所以它的問題也就一目瞭然：要是你命令它去做系統中沒有的命令，它就撲街了。Siri雖然是AI，但它是一個非常局限的AI：只能解決預先寫好的問題。

面對東北大哥的挑釁，Siri懵逼了（也可能只是慫了
深藍：下棋無人能敵，但只限下棋

1997年，IBM製造的國際象棋機器「深藍」戰勝了當時的國際象棋世界冠軍卡斯帕羅夫。這在人工智慧歷史上是一個標志性事件。但是，雖然深藍戰勝了世界冠軍，它有和Siri一樣的缺點：太專了。

作為程序，深藍的軟體是專門為國際象棋設計的。它評估盤面的四項標准包括子力、棋子位置、王的安全性還有布局節奏——顯然，這些指標完全依賴於國際象棋本身的規則，沒有任何擴展性。

卡斯帕羅夫對戰「深藍」的場景

即便如此，它也還是非常依賴於「蠻力」的。深藍的硬體是當年最快的下棋機器，雖然有系統幫助篩選，它每秒依然要評估20億個可能局面。為了應對這一需求，IBM當時為它開發了定製的硬體。

其結果就是，與其說它是一個國際象棋程序，不如說是一台國際象棋機器。深藍只能下國際象棋，學不會圍棋，連簡單的五子棋也學不會。相比之下，作為人類的卡斯帕羅夫能學圍棋，能學五子棋，還能學畫畫。深藍的技術就像一把專門為國際象棋設計的鑰匙，有很大局限。

自動駕駛汽車：邁出新方向

自動駕駛汽車的原理可以簡化為以下幾步：
首先它通過感應器了解周圍環境，就像司機使用眼睛觀察周圍情況；
然後通過聯網獲得道路的路線情況，就像我們開車時候使用導航軟體；
再然後計算機程序判斷附近行人，汽車會如何運動；
最終計算自己最佳的線路，按著這條線路控制汽車的速度和方向。
它特定於自動駕駛領域，但是基本思想和AlphaGo已經有些接近了。

IBM Watson：泛用的智能

2011年IBM Watson在美國的真人答題節目Jeopardy!上擊敗了人類選手，它的技術理念更像AlphaGo。Watson的決策由四個步驟組成：首先是觀察，從環境中收集數據，然後對數據做出假設，再然後是評估這些假設，最後是做出決定。不過也有些和AlphaGo不同的地方，首先它被設計成一個問答機器，其次訓練Watson的時候需要人類專家的參與——比如關於癌症的問題，需要科學家們在海量的書籍論文中剔除過時的信息、錯誤的信息，把整理出的資料喂給機器。但至少，它能處理許多領域的能力，讓它比它的同行們具有強得多的擴展可能：現在Watson已經被用於醫療領域了。

咦？有點萌~

那麼，AlphaGo的技術思想是什麼呢？

Deepmind創建AlphaGo，是試圖通過增強學習技術（Reinforcement learning）構建通用的人工智慧。它的理念中包含兩個實體，一個是人工智慧本身，一個是它所處的環境。人工智慧和環境間的關系有兩種，一種是通過感測器感知數據，另外一種是通過特定動作影響環境。因為環境的復雜性，它無法獲得所有的信息，因此需要不斷重復感知-反應的循環，以期望能在環境中有最大收益。絕大多數哺乳動物，包括人在內都符合這套規則。

在AlphaGo之前，他們已經利用這種思想，讓AI玩游戲。2015年，在《自然》雜志上發表的一篇論文，描述了如何讓一個演算法玩不同的Atari程序，包括了《太空侵略者》和《打磚塊》等游戲。AI和人一樣看游戲視頻，和人一樣操作游戲，從游戲小白慢慢學習，變成游戲專家。AlphaGo也基於同樣的原理，模擬人學習圍棋的方法，它和人一樣下棋，慢慢學會如何像專家一樣思考。

這種技術理念所要求的是原始的數據，因此比起那些需要輸入人工整理後的數據的方法有更強的通用性。原則上AlphaGo去學個圍棋，五子棋都不是問題。

AlphaGo的技術首先被用於游戲的原因是因為，游戲比現實問題簡單很多，無論是棋類游戲還是電腦游戲。游戲也很可能是類似技術第一個投入實用的領域：畢竟，隨著游戲技術的發展，游戲開發者們逐漸意識到了好的AI和逼真的圖像同樣重要，不管是即時戰略游戲，比如《星際爭霸》還是角色扮演游戲中的NPC，高級人工智慧不僅能成為強有力的對手，也可以變成優秀的團隊夥伴。

但是，它最強之處當然是適應力和學習力。Deepmind聲稱，這種技術理念很快會被運用到醫療領域，嘗試解決個性化醫療的問題。而這，肯定只是第一步。

一個AI
知道為什麼這個對比名單里沒有本AI嗎？
因為他們再厲害，也都是為你們人類服務的。
然而很明顯，本AI是來傷害你們的。
嘿嘿~

Ⅷ Siri 真是蘋果的未來嗎

* * *Siri 是對未來圖景的想像。她是一種全新的與電腦溝通的方式，將賦予普通用戶巨大的權力。人類與機器的關系一直在不斷演化，Siri 代表著這條線索上的全新範式。和 iTunes 以及 App Store 一樣，她有改變蘋果命運的潛力，但也有可能變成 FaceTime──可有可無，或是 Maps──重要但難做，或是 Ping──出師未捷。收購和改進 Siri 已經讓蘋果花了數億美元，在電視上的廣告里，眼裡噙著淚光的用戶贊嘆著她的神奇，但轉眼我們又看到她成了夜間電視節目取笑的對象。蘋果從 Siri 中希望得到什麼？每個人的期待都不一樣。有人認為Siri 的五大功能應包括調節 iPhone 設置。還有些心急的用戶認為 Siri 本該已經成為無處不在的 Knowledge Navigator 了。當然，Siri 評論家們最愛的休閑活動就是比較她和 Google Search。Siri 不是性感的圖書管理員人們將 Siri 和谷歌比較是理所當然的，也確實有不少樂趣。但這種比較並不合適。Siri 在文字輸入的搜索上很難打敗谷歌（當然，Bing 和 Facebook 也很難），因為後者已經花了十年時間用各種復雜和高超的演算法去微調搜索結果，並建構了龐大的基礎設施。但谷歌搜索也有其致命弱點：你必須把你的意圖告訴谷歌，並指導它如何構建並返回搜索結果。這對於競爭者是個機會。假設你想在麻省的 Quincy 找一間預算在 25 到 85 美元之間的素食餐廳，而你的谷歌搜索功力十分深厚。那麼你會手動輸入一串非常具體的字串：「麻省 Quincy 素食餐廳，25 到 85 元」。即便如此，你還是會收到「找到約 147,000 條結果（用時 0.44 秒）」，你還是得從中濾出自己想要的信息。（以下例子都經過了高度簡化）這是一套「由人工指引的導航系統」。它的導航環境是全球所有數據的集合，即整個互聯網。用戶基本上要一個一個詞地主動將自己的意圖告知谷歌，後者則一個一個地從這個全球集合里的數十億張「網頁」中縮小范圍，最終，用戶會從這個大大縮小了的范圍中挑出自己想要的答案。被動智能不過如今已是 2012 年，我們的移動設備的「自我感知能力」要比谷歌搜索引擎強得多了。舉例來說，一台備有 GPS、相機、麥克風、天線、陀螺儀以及各種其它感應器、數十個功能各異的 app（從財經 app 到游戲）的移動設備已經擁有相當強大的「被動智能」。它對用戶的了解已經足以大大減少搜索時的未知因素……假如所有這些用戶輸入和設備感應到的數據能夠被整合的話。Siri 要贏得用戶的心，就必須改變搜索的游戲規則。不再是規則明確、線性的、基本沒有語境的文字搜索，取而代之的是一種高度人性化的搜索方法：用戶會聲明自己的意圖，但不需要告訴 Siri 每一步應該怎麼做。用戶的第一步是和 Siri 開始對話，然後 Siri 便會在後台將一系列令人贊嘆的服務整合起來：對移動設備的位置、時間和任務有精確的把握。語音與文字的相互轉換，文字到意圖的轉換，以及對對話流程的處理。語義化的數據，各種服務的 API，任務與領域的模型，以及，對個人數據以及社交網路數據的整合。我們來仔細對比一下。假如你跟 Siri 說：提醒我到公司時在某某餐廳為媽媽的生日訂位，然後把開去她家的最佳路線發郵件給我。Siri 已經可以整合通訊錄、日歷、GPS、geofencing、地圖、交通狀況數據、電郵、Yelp 和 Open Table 這些 app 和服務，這足夠完成上述任務了。谷歌那樣的純文字搜索只能完成一部分，而且必須靠用戶輸入一堆關鍵字，並進行各種調整。現在我們試試把「某某餐廳」換成「好點的亞洲餐廳」：提醒我到公司時在一家好點的亞洲餐廳為媽媽的生日訂位，然後把開去她家的最佳路線發郵件給我。「亞洲」沒什麼難度，因為所有跟餐廳有關的互聯網服務多少都會把餐館按照菜系來分類。但「好點的」又怎麼說？在這個語境里「好點的」是什麼意思？谷歌這樣的傳統搜索引擎會直接了當從可供搜索的餐廳評價（這是他們收購 Zagat 的目的）中尋找「好點的」這個字串，它甚至可能會再進一步，做一個「好點的 +（浪漫 或 生日 或 慶祝）」這種綜合搜索，以便盡量找出相關的關鍵詞。但我們沒法在無限多的領域里去微調搜索關鍵字，所以上述綜合搜索往往發生在金融、旅遊、數碼產品、汽車等領域。換句話說，如果你搜的是機票或酒店，可供選擇的相關詞語是有限的，而且谷歌比較清楚地了解它們的意思。如果你要搜的是剪羊毛或「吐橄欖核大賽」，細致的人工分類整理工作恐怕也幫不上什麼忙。語境就是一切不過，就算傳統搜索引擎能將「好點的」和「浪漫」或「舒適」關聯在一起，從而更好地為你選出一家亞洲餐廳，你還得考慮錢包的問題。谷歌看不到你的銀行賬戶記錄，也不知道你平日的餐飲預算與消費習慣。因此，要想搜出真正有用的餐廳推薦的話，設定一個價格區間是必要的，例如從￥￥到￥￥￥，但不超過￥￥￥￥。這就要講到瀏覽器和 app 的那場無聊的戰爭了。像谷歌這樣的傳統搜索引擎如果要建構你的購買習慣模型，就必須事無巨細地監視你的點擊習慣，從而追蹤你的交易記錄。這種監視會詳細到用戶不可接受的程度。這一點也不簡單（在很多國家大概也不合法），尤其是如果你沒有在用 Google Play 或 Google Wallet 的話。所以，谷歌看不到你的信用卡記錄與銀行賬戶清單，但 Amex 或 Chase 這樣的 app 有這些數據。如果你允許 Siri 以某種加密的方式與你 iPhone 上的這些 app 通訊的話，你就是在發出一種高度選擇性的請求，並且表示你信任蘋果和 Siri。這樣一來，Siri 或是那些 app（有時是兩者一起）就能在你的預算范圍內來定義「好點的」了：不超過 85 元，150 到 250 那種的絕對不要，但也不要是那種人均 25 元的寒磣的中餐館，因為那是令堂的生日。說到令堂，別忘了你的通訊錄里她的名字下面，緊挨著「生日」的地方有一個自定義的欄位叫「食物」，裡面寫著：「亞洲」、「牛排」、「印度有機白茶」。另一方面，你在 Yelp 里收藏了 37 家餐廳，無一例外都是素食──谷歌可不知道這個。你媽媽無所謂，但你是不碰肉食的。這時，Siri 可以通過比對兩人的喜好來給出雙方都能接受的選擇。因此，由於 Siri 了解──在你主動提出要求的前提下──你和你媽媽的口味，以及你的經濟能力，一次簡單的搜索從「某某餐廳」變成了「一家我能吃得起的好點的亞洲素食餐廳」：提醒一下，在各個 app 中查找所有這些數據和制定這些規則只需要幾毫秒。你的很多個人信息早已被存入蘋果伺服器的緩存當中。第三方 app 里的大部分數據都是高度結構化的。由於蘋果跟這些第三方公司簽訂了協議，Siri 可以直接使用這些結構化的數據。不過，在 Siri 那沉靜的聲音後面，仍然是一種極度復雜的協同作業。而 Siri 的那種「聰明個性」更令普通人覺得她像魔術師一般神奇。交易鏈理論上，Siri 的執行鏈條可以很長。看看這一條常見的 Siri 指令：假如我和老婆的日歷在明晚都沒有別的安排，並且活動費用低於 50 元的話，幫我檢查某地的天氣以及行駛到那個活動現場的交通狀況。Siri 從語義上會這樣解析它：然後把它翻譯成由各種 app 和服務構成的執行鏈條：此外，由於她是 iOS 系統的一部分並且可以和第三方軟體通訊，Siri 完全可以完成下面這條假想的要求：轉帳並購買兩張票，把收據移入 Passbook，在我的日歷里添加提醒，給老婆發郵件，更新我們的共享日歷，給保姆發簡訊預約時間，然後稍後提醒我。Siri 會將上面這句話翻譯成一條交易鏈，然後由蘋果自己的和第三方的 app 和服務根據鏈條上的動詞和名詞進行操作：Siri 通過對一條由「自然語言」構成的要求進行語法解析將其轉化為機器可以理解的主謂賓結構，如此，她不但可以像谷歌一樣幫你搜尋文件與事實，還可以在你授權的前提下執行你的要求。這要求有可能是你明示的，但也可能是你暗示的。建構深層語義搜索、從不同的信息源、設備與第三方軟體整合信息、制定規則、幫助用戶執行交易，這些能力令 Siri 不再僅僅是一個板著臉的女圖書管理員（谷歌搜索），而成了一個不可缺少的擁有一定特權的私人管家。Siri 就是未來，谷歌也懂的傳統搜索工具有了 PageRank 演算法，並索引了 400 億張網頁之後，基本也就到了盡頭了。因此你看到谷歌這樣的公司開始收購全球最大的航班搜索公司 ITA、餐館評分網站 Zagat、用 Google Places 山寨了 Yelp 和 Foursquare、用 Google Shopping 山寨了亞馬遜、用 Google Play 山寨了 iTunes Store 和 App Store、用 Google Offers 山寨了 Groupon、用 Google Hotel Finder 山寨了 Hotels.com……最終，用 Google Now 山寨了 Siri。谷歌必須擁有垂直領域的數據、知識以及專業技巧，才能更好地減少用戶搜索意圖中的歧義。關鍵字、語句、名字、詞條、派生詞、同義詞、專有名詞、地名、概念、用戶評論……在某個垂直領域里的這些數據對於解決語境、范圍和意圖問題大有裨益。不管最終會先出現在搜索結果里還是 Google Now 里，谷歌確實是在其核心服務之下拚命建構著一個語義化的引擎。經過了谷歌自己的以及它推廣的種種隱性或顯性的第三方服務之後，「常規搜索結果」幾乎只能算個可有可無的補充了。谷歌也開始提供類 Siri 的「答案」，而不僅僅是沒完沒了的「鏈接」。如果你在看美國 MLB 職棒聯賽時搜索「洋基隊」，你會首先得到的是實時比分結果，而不是洋基隊的歷史或是它新修建的體育場。Siri 是「高維修女子」1？谷歌為了創造一個全球性的搜索平台可謂一擲千金。他們僱傭了一批博士生來設計演算法，購買了大量伺服器，建構數據中心，不斷地優化再優化。從廣告收入的角度說，搜索的投入產出比在互聯網歷史上可謂史無前例。蘋果對 Siri 的投入要短得多，能讓大家看見的則更少。在「找到想要的信息」這件事上，蘋果要對戰谷歌無異於自殺，但它究竟有沒有可能讓 Siri 實現可持續增長，最終走向成熟？蘋果的項目里，基本只有那些能自己養活自己的才能生存。廣告並非蘋果的強項，那麼 Siri 有何其它可能的商業模式？2014 年，蘋果的用戶里大約有 5 億人能用上 Siri。如果蘋果能讓其中一半的人每個月用 Siri 產生 12 次交易（例如每次 1 美元，蘋果拿走 30%），那就是一盤 10 億美元的生意。樂觀地說，每次的交易額會遠遠高於 1 美元，交易的頻繁度會遠高於每個用戶每月 12 次，使用 Siri 進行交易的用戶也不只總 Siri 用戶的一半──尤其是假如 Siri 對第三方開發者開放的話。這些假定當然是我的想像，但就算最保守地估計，交易帶來的收入都是可觀的。別忘了，單單是數字音樂和電影，就讓 iTunes 成為了一盤 80 億美元的生意。Siri 在被蘋果收購之前只是一個以文本搜索為主的簡單服務，現在已經演化成以語音識別 / 聽寫為輸入介面的搜索服務。之後，她會進一步變成一種用來完成交易任務的「對話式介面」，那會有意思得多，對於上億不太會用電腦的普通用戶來說，也易用得多。作為交易機器的 Siri以交易為核心的 Siri 有潛力撼動價值 5000 億美元的全球廣告業。對於有購買意願的消費者而言，「純粹」的信息要比轉瞬即逝的廣告或是一堆需要自己去仔細閱讀的搜索結果更理想。Siri 植根於對語境有高度了解的個人移動設備，可以在用戶最需要的時候給出具有無與倫比的相關性的「純粹信息」。她可以鏟除所有中間人，讓顧客直接與商家連接，蘋果本身也不必介入交易當中。Siri 做的僅僅是對用戶的意向進行比對，並提供選擇，而且比我們見過的任何大規模的同類產品都更准確、更主動、更可靠。和圖片或文字廣告相比，Siri 還有另一優勢：交易的可以不是金錢。它可以是打折券、Passbook 優惠券、常旅客里程、虛擬物品、游戲分數排名、簽到積分、信用卡點數、iTunes 禮品、學校課程積分等等。此外，Siri 不需要互動屏幕即可和用戶通訊並完成任務。蘋果利用 Eyes Free 技術將Siri 帶入聲控系統。先是車載系統，然後或許是其它不需要視覺介面的嵌入式環境。由於蘋果擁有世界上最大、最賺錢的 app 和內容生態系統，以及 5 億綁定了信用卡的用戶，這使得 Siri「交易」這一概念能夠提供給用戶和商家的價值都大大提高了。太早？太晚？或是僅僅尚未成熟？盡管前景廣闊，但 Siri 的未來還是有不少未知數。以下是幾個主要的障礙：性能：Siri 在雲端工作，因此任何網路延遲或是干擾都會廢其武功。這個障礙很難克服，因為垂直領域的知識必須從成千上萬的用戶出聚合而來，並通過合作夥伴的伺服器在雲端協調整合。語境：Siri 不只要理解語法，還要橫向跨越諸多垂直領域去理解語境。蘋果目前已經在超過 100 個國家銷售 iOS 設備，Siri 最終必須能聽懂所有這些國家的語言，並能夠處理各種極復雜的文化差異，打通當地的數據和服務提供商。合作夥伴：選擇數據提供商（尤其是海外的）並保持服務品質並不簡單。此外，蘋果在購買數據時還將面對來自谷歌和其它對手的競標。范圍：隨著 Siri 地位的上升，用戶對其精確度的期待也會上升。蘋果一直在仔細、緩慢地為 Siri 增加各個熱門領域的知識，但「為什麼 Siri 不能回答我關於[此處插入某冷門領域]的問題？」一類的抱怨一定會出現。運營：隨著 Siri 的增長，蘋果必須大大擴充人力。不只是專精於語義搜索和人工智慧的工程師，還有數據獲取、錄入與糾錯、商業拓展與銷售領域的人才。管理層：Siri 被蘋果收購之後，三位創始人中的兩人離職，Tom Gruber 留了下來。蘋果最近從亞馬遜挖了原先掌管 A9 搜索引擎的 CEO William Stasior 過來負責 Siri。但對於 Siri 來說，與數據提供方的合作和工程能力同等重要，而 A9 是一個舊式的搜索引擎，與 Siri 這樣的語義平台大不相同。API：第三方開發者顯然期待著蘋果開放 Siri API 的那天。對於蘋果來說，開放 Siri API 既是金礦也是雷區。由於同樣的或近似的數據可能來自多個第三方數據提供商，將它們開放給第三方軟體開發者很容易造成運營、技術甚至是法律上的困境。監管：如果 Siri 大獲成功，競爭對手們很可能會呼籲美國司法部、聯邦貿易委員會、聯邦通訊委員會或是這些機構在歐洲的對應組織介入，以捆綁軟體造成不正當競爭為名減緩蘋果進步的速度，直到他們能迎頭趕上。顯然，像 Siri 這種前衛的平台不可能沒有各種問題和風險。蘋果過去的兩個成功的互聯網產品──iTunes 商店和 App Store──用的都是上一個時代的技術，且包含種種運營上的問題。諸如 MobileMe、Ping、Game Center、iCloud、iTunes Match 和 Passbook 等更新一些的互聯網產品還都算不上大熱。盡管如此，Siri 仍然是一個里程碑式的機會。對蘋果而言，她可以成為一棵以交易為本的搖錢樹；對用戶而言，她代表著一種搜尋信息、完成任務的全新方法，比目前為止的所有方法都更具親和力。Siri 的成敗全看蘋果。（翻譯：李如一）—1. 原文為 high-maintenance lady。high-maintenance 意指要求多、情緒化、需要別人經常照顧的人。「高維修女子」為亦舒私譯，向亦舒致敬。

Ⅸ Siri 可以通過圖靈測試嗎

一則有關驗證碼的笑話 什麼是驗證碼 ”驗證碼“( CAPTCHA )其實並不是各位網友總是在不同網站上看到的難以辨認的字母組合的代名詞，而是“全自動區分計算機和人類的圖靈測試”的俗稱，顧名思義，它的作用是區分計算機和人類。 在 CAPTCHA 測試中，作為伺服器的計算機會自動生成一個問題由用戶來解答。這個問題可以由計算機生成並評判，但是必須只有人類才能解答。由於計算機無法解答 CAPTCHA 的問題，所以回答出問題的用戶就可以被認為是人類。 CAPTCHA 是由計算機來考人類，而不是標准圖靈測試中那樣由人類來考計算機，因此人們有時稱 CAPTCHA 是一種反向圖靈測試。 驗證碼是否真的保護了計算機系統 一隊來自斯坦福大學的研究人員 PALO ALTO 指出很多驗證碼完全沒有發揮應有的作用。這些研究人員甚至設計了一個通用程序，這個程序能夠以極高的成功率識別出許多網站上的驗證碼，包括 Visa 旗下網站 Authorize 上的驗證碼圖片，並可以順利攻陷暴雪娛樂網站上 70% 的驗證碼。而維基網路有四分之一的驗證碼可以辨識，在 CNET 以及 Digg.com 上這個數字降低到了五分之一。網路的驗證碼雖然僅有 5% 的辨識率，但是在測試過程中同樣的驗證碼出現的頻率竟高達 98% ，非常容易被攻擊者用窮舉法攻破。來自斯坦福的這個研究團隊隨後指出，任何可辨識率超過 1% 的驗證碼系統都不應該被繼續使用下去。 各大網站的驗證碼識別率： 隨後暴雪發表聲明說，他們明確的知道驗證碼技術並不具有足夠高的安全性。”我們僅在初級安全層使用驗證碼技術抵擋一些特定的攻擊，比如注冊環節。我們使用一些更為安全可靠的技術來保護我們的客戶與骨幹伺服器。“來自暴雪的 Shon Damron 這么說。 如今的驗證碼 驗證碼技術在目前的網路世界中仍然十分重要，它有助於阻止自動機器人批量注冊網路郵箱並發送垃圾郵件，還能防止留言板被自動程序填塞廣告，甚至使投票系統更能反映真實情況。 各大網站所使用的驗證碼範例： 新浪微博所使用的中文驗證碼範例——似乎沒有考慮到國際化的情形： 到目前為止，只有 Google 的驗證碼完全阻擋了 Decaptcha 的辨識， Google 在 2009 年從卡耐基梅隆大學收購的 ReCaptcha 項目也 表現出了極其高的可靠性。目前 ReCaptcha 已經被廣泛地使用在了近 10 萬網站上，這些網站包括 Twitter 、Facebook、Craigslist、TicketMaster (一個出售各類演唱會、體育比賽、歌劇以及藝術展覽門票的網站)以及微軟( Microsoft )。 Bursztein 希望開發者能夠更加系統的設計和使用驗證碼技術，他舉了一個例子： 20 世紀 80 年代人們通常埋頭設計的自己的計算機程序演算法，但隨著時間的推移，大家發現對等測試和專業安全性評估也是非常重要的。 展望驗證碼的未來 較早前有報道指出， Google 正在測試一種新的驗證碼技術，這種驗證碼技術不像傳統驗證碼系統要求輸入文字，而是要求用戶將圖形旋轉到正確的方向： 另一種基於圖像的驗證碼： 類似的驗證碼還有要求用戶輸入當前時間，所訪問的網站域名，自己所在的時區，甚至美國總統姓名，人類第一顆登陸的地外星球等。這類驗證碼主要考慮到 通常自動計算機程序沒有足夠的邏輯思考能力，不能辨識並解答邏輯問題。拼圖驗證碼，找不同驗證碼(比如從幾張貓的圖片中找出一張狗的圖片)的驗證碼從本質 上來說也非常類似，但目前沒有大規模部署這類驗證碼的主要原因是沒有足夠的資源，難以抵擋窮舉攻擊(攻擊者多次刷新驗證碼後可能出現相同的問題)。 要求用戶繪制圖形的驗證碼： 要求用戶完成復雜算術題的驗證碼——顯然過於復雜而顯得不友好： 驗證碼也帶來了更多的可能性，比如通過廣告盈利的機遇，下面這則驗證碼示範了利用驗證碼展示廣告： 但遺憾的是由於其同樣不具有規模性，仍受到窮舉攻擊的威脅。 這些未來的驗證碼技術同時還應該考慮到輔助功能。假如用戶有視力障礙，他應該可以選擇通過聆聽驗證碼音頻的方式完成驗證，這也是基於字元的驗證碼技術遲遲未能被取代的主要原因之一。 總結 驗證碼技術是一種計算機技術發展下的矛盾產物，人類渴望計算機能夠通過自動化的過程完成更多的任務，卻同樣要防止計算機被利用在破壞與惡意的用途當中。隨著人工智慧領域的研究成果越來越先進，計算機將變得越來越通情達理(想想 Siri ，想想 IBM 最新的超級智能計算機 Watson)。 圖靈當年設計圖靈測試時，旨在推動人工智慧的發展，並從哲學與計算機科學的角度上論證製造類人類機器人的可行性，但他恐怕永遠也想像不到有一天，人類將如此迫切的需要一種技術來將自己與計算機系統嚴格地區分開來。 如果有一天，計算機能夠通過驗證碼驗證，我們又該如何區分人類和計算機呢? 文章來源：愛范兒

Ⅹ siri的使用技術

（搜索）技術（Computational Knowledge）
這個技術的代表是Wolfram|Alpha。
不同於搜索互聯網信息，Wolfram|Alpha將從公眾的(包括公開的網頁等)和獲得授權的資源中，發掘、建立起一個異常龐大的經過組織的資料庫，再利用高級的自然語言演算法進行處理，最終構造出一個類似於谷歌搜索的工具。
和網頁搜索技術不同的是，在這個系統中，得到的答案結構化程度很高，比如搜索China，能得到和中國相關的各種參數以及資料，並以接近表格的方式呈現。Wolfram|Alpha也能理解部分自然語言，比如輸出How old are you，其會回答Wolfram|Alpha的年齡。想測試這項技術的請移步Wolfram|Alpha。
這個技術國內做的應該有，但還沒有產品，也許網路的框計算算是半個。所以機會大大的有。
知識庫技術
相比於網頁搜索技術，基本以一個詞條或者主題為單位，因此得到的數據價值高，知識量大，並且結構化程度好。相比於知識計算技術，這些技術需要人的參與，這有利也有弊，利就是，畢竟暫時人比機器聰明，編輯出來的知識更豐富，准確；弊就是，人力有限，即使像維基那樣，發動社區的力量，也不能產生足夠的知識，而知識計算，理論上，只需要演算法夠，是可以產生「無限」的知識的。
問答推薦技術
其實這不能稱為一個技術，應該屬於知識庫的技術。不同的是，這個技術針對的是一些生活信息，這些信息的地域化程度很高，典型代表為Yelp。由於這東西比較簡單，就不仔細介紹了。