Apple は、デバイス上で複数のコマンドを同時に実行するための新しい Siri 機能をテストします

このテクノロジー企業は、単一の音声指示で複数のコマンドを実行できる仮想アシスタントの新機能のテスト段階を開始しました。このツールは、ユーザーがブランドのデバイスを操作する方法を変更し、さまざまなリクエスト間の一時停止の必要性を排除します。このリソースは複雑な文を処理し、同じリクエスト内のさまざまなアクションを識別し、それらを順番に自動的に実行します。

このアップデートは、生成人工知能と自然言語処理に焦点を当てた大規模なオペレーティング システム最新化パッケージの一部です。ソフトウェア アーキテクチャは会話のコンテキストを理解できるように再構築され、アシスタントが以前のリクエストの記憶を維持し、この情報をその後の対話に適用できるようになりました。この変更は、厳格なコマンド モデルから、より流動的な会話インターフェイスへの移行を表しています。

同社の開発者は、同時通訳によって実行の競合が発生しないようにアルゴリズムの調整に取り組んでいます。タスクを連鎖させる機能には優れた処理能力が必要であり、この機能を利用するにはメーカーの最新のハードウェアが必要になります。実装は、モバイルおよびコンピュータのオペレーティング システムのテスト バージョンで段階的に行われます。

オペレーティング システムのアップデートによりインターフェイスが変更されます

仮想アシスタントの再設計には、デバイスのグラフィカル インターフェイスに対する大幅な視覚的な変更が含まれています。画面の下部に表示されていた古い球形のアイコンは、ツールがアクティブ化されたときにディスプレイ全体を囲む明るい境界線に置き換えられました。この視覚的な信号は、システムが情報をリッスンして処理し、現在開いているアプリケーションのビューを中断することなく、より有機的にデバイスの使用にシステム自体を統合していることを示します。

美的変更に加えて、新しいインターフェイスではネイティブにテキスト操作が可能になり、画面の下部を 2 回タッチするだけで専用のキーボードが開きます。ユーザーは、環境に応じて音声コマンドと入力をシームレスに切り替えることができます。ライト エッジは声の調子や処理の複雑さに動的に反応し、進行中のリクエストのステータスに関する視覚的なフィードバックを即座に提供します。

チェーンコマンドが実際にどのように機能するか

コマンドをチェーンで実行すると、1 つのフレーズでさまざまなアプリケーションやシステム機能をトリガーできます。ユーザーはアシスタントに写真を撮るように依頼し、同じ文でメッセージング アプリケーションの特定の連絡先にその画像を送信するよう命令できます。

処理では、フレーズが個別の意図に分割され、カメラの起動、メディアのキャプチャ、メッセンジャーの開始、連絡先の特定、送信の確認が行われます。このフロー全体はバックグラウンドで実行されるため、手動介入は最小限で済みます。

別の実際的な例には、電子メールに記載されている特定のアドレスを検索してカレンダー上のイベントに直接追加するなど、個人情報の管理が含まれます。アシスタントは、電子メール アプリケーションとカレンダーの間でデータをやり取りします。

これらの同時アクションの精度は、人工知能が迅速にアクセスできるように個人情報を構造化された方法で整理するデバイスのセマンティック インデックスに依存します。

人工知能分野における競争

これらの新しい機能の開発は、テクノロジー分野の競合企業によってもたらされる進歩に直接対応します。仮想アシスタント市場は大規模な言語モデルの導入により急速に進化し、古いインタラクションは時代遅れになりました。

このメーカーは、オペレーティング システムの制限によりサードパーティ アプリケーションでは実現できない緊密な統合を提供することで、音声自動化分野のスペースを取り戻そうとしています。競争上の優位性は、ハードウェアとソフトウェアの完全な制御に基づいています。

この戦略には、テキストや音声の理解力を向上させるだけでなく、ユーザーの画面に表示されている内容を理解するシステムの能力も含まれます。この画面コンテキストの認識は、パーソナル人工知能市場の競争における重要な技術的差別化要因となります。

アシスタントが作業するための技術的要件

高度な言語モデルをデバイス上で直接実行するには、特定のハードウェア コンポーネントが必要であり、目新しさはブランドの最新プロセッサに限定されます。チップには、1 秒あたり数兆回の演算を実行できるニューラル処理ユニットが組み込まれており、複数のコマンドの解釈が顕著な遅延なく行われるようにする必要があります。

瞬時にアクセスするには人工知能モデルを揮発性メモリにロードする必要があるため、RAM メモリ要件もツールの動作を決定する要素になります。前世代のデバイスは、これらの物理的なアーキテクチャ上の制限により、完全なコマンド チェーン機能を利用できません。

内部テストで回答の正確さを評価します

ソフトウェア エンジニアは、複雑な構文で定式化されたあいまいな命令や二重コマンドを処理する際のアシスタントの成功率を評価するために、一連の厳格な内部テストを実施します。検証プロセスには、何千もの日常シナリオのシミュレーションが含まれます。そこでは、人工知能がタスクを実行する正しい順序を決定し、アクションを完了する前に考えられる論理エラーを特定する必要があります。開発チームは、ユーザーの発話の終わりから最初のアクションの開始までの応答時間や、アクティブ化されたアプリケーション間の遷移の流動性などのパフォーマンス指標を監視します。このテスト フェーズの主な目的は、システムがコマンドの前半だけを実行して後半を無視するという、以前のバージョンの自然言語処理でよく見られた問題をゼロに減らすことです。インテント アルゴリズムのキャリブレーションは、テスト デバイスによって生成されたクラッシュ レポートに基づいて毎日調整され、最終バージョンで一貫したエクスペリエンスが提供されるようにします。

サードパーティアプリケーションとの統合

複数のコマンドの拡張は、独立した開発者による新しいアプリケーション プログラミング インターフェイスの採用に依存します。メーカーは、ソフトウェア作成者がアプリケーションの機能をマッピングできるようにする特定のツールをリリースしました。これにより、アシスタントはアプリケーションの機能にアクセスし、デバイスにインストールされている他のプログラムのアクションと組み合わせることができます。

高度な自然言語処理

新しいアシスタントの技術コアは、完全に書き直された自然言語処理エンジンに基づいています。このシステムは、アクションを開始するために事前にプログラムされたフレーズや単語固有のトリガーに依存しなくなりました。

意味論的な理解により、ユーザーは口語的に話したり、どもったり、文の途中で訂正したり、考えを変えたりすることができますが、システムは最終的な意図を抽出して、要求された複数のコマンドを正しく実行することができます。

リクエスト中のデータプライバシー

システム アーキテクチャでは情報のローカル処理が優先され、複数のコマンド中にアクセスされた音声データや個人情報がデバイスの外に流出しないようにします。セマンティック インデックス作成とタスクの実行は、メイン チップ上で分離して行われます。

より大きなコンピューティング能力を必要とするリクエストに対応するために、同社はプライベート クラウド コンピューティング インフラストラクチャを開発しました。これらのサーバーに送信されたデータは、永続的な保存を行わずにエンドツーエンドの暗号化を使用して処理され、第三者やメーカー自体によるアクセスを防ぎます。

自動化機能の拡張

チェーン コマンド機能により、複雑なルーチンの作成専用のアプリケーションへの依存が軽減されます。自動化は、事前に手動ワークフローを構成する必要がなく、音声を通じて自然に生成されるようになりました。

ユーザーは、スマート ホーム デバイスの制御、メッセージの送信、メディアの再生などの一連のアクションを 1 回の自然な操作で指示できるようになります。

アシスタントの進化により、デバイスのマイクがシステムのメインのナビゲーションおよび操作ツールに変わり、これまで画面上の複数回のタッチやさまざまなメニューによるナビゲーションが必要だったタスクが簡素化されます。