觸發字檢測 (Trigger Word Detection)
現在你已經學習了很多關於深度學習和序列模型的內容，於是我們可以真正去簡便地描繪出一個觸發字系統（a trigger word system），就像上節視頻中你看到的那樣。隨着語音識別的發展，越來越多的設備可以通過你的聲音來喚醒，這有時被叫做觸發字檢測系統（rigger word detection systems）。我們來看一看如何建立一個觸發字系統。
觸發字系統的例子包括Amazon echo，它通過單詞Alexa喚醒；還有百度DuerOS設備，通過"小度你好"來喚醒；蘋果的Siri用Hey Siri來喚醒；Google Home使用Okay Google來喚醒，這就是觸發字檢測系統。假如你在臥室中，有一臺Amazon echo，你可以在臥室中簡單說一句: Alexa, 現在幾點了?就能喚醒這個設備。它將會被單詞"Alexa"喚醒，並回答你的詢問。如果你能建立一個觸發字檢測系統，也許你就能讓你的電腦通過你的聲音來執行某些事，我有個朋友也在做一種用觸發字來打開的特殊的燈，這是個很有趣的項目。但我想教會你的，是如何構建一個觸發字檢測系統。
有關於觸發字檢測系統的文獻，還處於發展階段。對於觸發字檢測，最好的算法是什麼，目前還沒有一個廣泛的定論。我這裏就簡單向你介紹一個你能夠使用的算法好了。現在有一個這樣的RNN結構，我們要做的就是把一個音頻片段（an audio clip）計算出它的聲譜圖特徵（spectrogram features）得到特徵向量 ，然後把它放到RNN中，最後要做的，就是定義我們的目標標籤 。假如音頻片段中的這一點是某人剛剛說完一個觸發字，比如"Alexa"，或者"小度你好" 或者"Okay Google"，那麼在這一點之前，你就可以在訓練集中把目標標籤都設爲0，然後在這個點之後把目標標籤設爲1。假如在一段時間之後，觸發字又被說了一次，比如是在這個點說的，那麼就可以再次在這個點之後把目標標籤設爲1。這樣的標籤方案對於RNN來說是可行的，並且確實運行得非常不錯。不過該算法一個明顯的缺點就是它構建了一個很不平衡的訓練集（a very imbalanced training set），0的數量比1多太多了。
這裏還有一個解決方法，雖然聽起來有點簡單粗暴，但確實能使其變得更容易訓練。比起只在一個時間步上去輸出1，其實你可以在輸出變回0之前，多次輸出1，或說在固定的一段時間內輸出多個1。這樣的話，就稍微提高了1與0的比例，這確實有些簡單粗暴。在音頻片段中，觸發字剛被說完之後，就把多個目標標籤設爲1，這裏觸發字又被說了一次。說完以後，又讓RNN去輸出1。在之後的編程練習中，你可以進行更多這樣的操作，我想你應該會對自己學會了這麼多東西而感到自豪。我們僅僅用了一張幻燈片來描述這種複雜的觸發字檢測系統。在這個基礎上，希望你能夠實現一個能有效地讓你能夠檢測出觸發字的算法，不過在編程練習中你可以看到更多的學習內容。這就是觸發字檢測，希望你能對自己感到自豪。因爲你已經學了這麼多深度學習的內容，現在你可以只用幾分鐘時間，就能用一張幻燈片來描述觸發字能夠實現它，並讓它發揮作用。你甚至可能在你的家裏用觸發字系統做一些有趣的事情，比如打開或關閉電器，或者可以改造你的電腦，使得你或者其他人可以用觸發字來操作它。
這是深度學習課程最後一個技術視頻，所以總結一下我們對序列模型的學習。我們學了RNN，包括GRU和LSTM，然後在上一週我們學了詞嵌入（word embeddings），以及它們如何學習詞彙的表達（how they learn representations of words）。在這周還學了注意力模型（the attention model）以及如何使用它來處理音頻數據（audio data）。希望你在編程練習中實現這些思想的時候，能夠體會到諸多樂趣。接下來我們來看最後一個視頻。