Machine Learning Journal: Apple erklärt den Ursprung von „Hey Siri“

Apples Siri-Team hat einen neuen Eintrag im Machine Learning Journal veröffentlicht. Im ersten Eintrag für dieses Jahr geht es wieder um Siri und wie die Sprachaktivierung von Apples KI-Assistenten funktioniert.

„Hey Siri“

Nachdem Apple im vergangenen Herbst einen Teil des Prozesses dokumentiert hat, wie Apples Sprachassistent auf den Zuruf „Hey Siri“ reagiert, gibt das Siri-Team nun einen weiteren Einblick in die Funktion. Dieses Mal erklären die Entwickler unter anderem, wie sie es umgesetzt haben, dass Siri nur auf die Stimme des Besitzers hört und wie es überhaupt dazu kam, dass sich der Ausdruck „Hey Siri“ durchgesetzt hat.

Um zu verhindern, dass Siri ungewollt ausgelöst wird, konzentrierte sich das zuständige Entwickler-Team auf die Genauigkeit der Spracherkennung. Eine Störgröße, die man unbedingt verhindern wollte, ist eine fremde Person, die „Hey Siri“ sagt. Um eine ungewollte Aktivierung zu verhindern, sollte Siri nur auf den Besitzer des iPhones hören.

Hierfür muss der Nutzer mit dem System zunächst bekannt gemacht werden, was mit Hilfe einiger „Sprachübungen“ bei der Initialisierung durchgeführt wird. Um die Stimme des Nutzers später zu erkennen, arbeitete das Entwickler-Team lange an der Stimmen-Analyse. Hierfür wurden viele Tests durchgeführt, um eine falsche positive Erkennung zu erkennen. Aufgrund dieser Ergebnisse konnte man das System justieren und deutlich verbessern.

Doch wie kam es eigentlich zu der Phrase „Hey Siri“? Wie die Entwickler erklären, war es dem Team besonders wichtig, dass sich die Sprachaktivierung natürlich anhört. Der Prozess sollte sich dem normal gesprochenen Satz anpassen, so dass sich die Aktivierungswörter nicht wie ein Fremdkörper in der eigentlichen Aufgabenstellung anfühlen. Um die perfekte „Einleitung“ für einen Sprachbefehl zu finden, nahm man kurzerhand einen Befehl, der bereits verbreitet war. So beobachteten die Entwickler, dass iPhone-Besitzer häufig „Hey Siri“ sagten, wenn sie den Homebutton betätigten. Somit lag die Verwendung dieser „Redensart“ nahe.