رصد باحثون أن مكبرات الصوت الذكية استيقظت عن طريق الخطأ 0.95 مرة في الساعة في اختبار خاضع للرقابة شغّل جولتين من 134 ساعة من محتوى Netflix على سبعة أجهزة (Northeastern University وImperial College London، PETS 2020). وأسفرت دراسة مخبرية منفصلة مررت 11 مكبر صوت من 8 شركات مصنعة عبر برامج تلفزيونية ونشرات أخبار عن أكثر من 1,000 تفعيل عرضي تم التحقق منه (Ruhr University Bochum وMax Planck Institute، arXiv 2020). وأصبح للقبول الخاطئ الآن ثمن قانوني: فقد تلقت تسوية Google بقيمة 68 مليون دولار بشأن القبول الخاطئ في Assistant ما مجموعه 1.49 مليون مطالبة في الموعد المحدد قبل الموافقة النهائية في أكتوبر 2026 (المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026). أما على صعيد التعرف على الكلام، فقد قفز معدل خطأ الكلمات في اختبار مرجعي لحفل عشاء منزلي سُجّل بمصفوفات من 7 ميكروفونات من 42.10% على سماعات الرأس القريبة من الفم إلى 77.52% على أجهزة المجال البعيد (ورقة مدونة DiPCo، 2019). جمعنا البيانات من Northeastern University وRuhr University Bochum وAmazon Science وApple Machine Learning Research وGoogle Research ومنظمي تحدي CHiME وJohns Hopkins University وسجلين لدعويين جماعيتين فيدراليتين. أما عدد المنازل التي تمتلك هذه الأجهزة فنتناوله في إحصائيات استخدام مكبرات الصوت الذكية لدينا؛ وهذا الاستعراض يتناول مدى جودة سماعها.
أبرز النقاط
- رصد الباحثون 0.95 تفعيل خاطئ في الساعة لمكبرات الصوت الذكية، أي 1.43 لكل 10,000 كلمة منطوقة، أثناء تشغيل برامج تلفزيونية بالقرب منها (Northeastern University وImperial College London، PETS 2020).
- أنتجت كلمة تنبيه Cortana ما مجموعه 197 تفعيلا عرضيا مقابل 8 لـ Hey Siri خلال 624 ساعة من الصوت لكل مكبر صوت (Ruhr University Bochum وMax Planck Institute، arXiv 2020).
- مستخدمو مكبرات الصوت الذكية الذين لاحظوا تنشيطا عرضيا مرة واحدة على الأقل شهريا: 43.7% (استطلاع Voicebot.ai لعام 2018، كما نشره Voicebot.ai 2020).
- خفّض مصنّف المرحلة الثانية الإنذارات الكاذبة لدى Alexa بنحو 67% فوق ما حققه كاشف المرحلة الأولى (Amazon Science، ICASSP 2018).
- يقمع المحوّل المتدفق لدى Apple نسبة 95% من التفعيلات الخاطئة مع ثانية إضافية واحدة من الصوت بعد التفعيل (Apple Machine Learning Research 2021).
- حسّنت معالجة الميكروفونات الستة في HomePod معدل خطأ الكلمات بنحو 90% نسبيا أثناء تشغيل الموسيقى (Apple Machine Learning Research 2018).
- الرفض الخاطئ لكلمة التنبيه عند إنذار كاذب واحد في الساعة: 2.00% في الحديث القريب مقابل 5.11% على مصفوفات المجال البعيد (Personalized Voice Trigger Challenge 2020).
- معدل خطأ الكلمات على مدونة حفلات عشاء منزلية: 42.10% في الحديث القريب مقابل 77.52% في المجال البعيد (ورقة مدونة DiPCo، 2019).
- حتى أفضل الأنظمة في تحديي CHiME-7 وCHiME-8 تبقى فوق 30% من tcpWER على حفلات العشاء المنزلية في CHiME-6 (مراجعة CHiME-7/8 DASR، arXiv 2025).
- انطوى 24.76% من 2,552 تفاعلا مع Alexa لدى بالغين تتراوح أعمارهم بين 66 و94 عاما على خطأ (Johns Hopkins University، arXiv 2024).
- تلقت تسوية Google بقيمة 68 مليون دولار بشأن القبول الخاطئ في Assistant ما مجموعه 1.49 مليون مطالبة في الموعد المحدد (أمر الموافقة النهائية في Kumandan v. Google، أكتوبر 2026).
- تدفع تسوية Apple بقيمة 95 مليون دولار بشأن Siri ما يصل إلى 20 دولارا لكل جهاز عن التفعيلات غير المقصودة (Lopez v. Apple، مدير التسوية، 2025-2026).
1. التفعيل العرضي: كم مرة يوقظ حوار التلفزيون مكبر الصوت
0.95 تفعيل خاطئ في الساعة رقم يبدو صغيرا إلى أن تتذكر أن التلفزيون في غرفة المعيشة يعمل لساعات متواصلة، وأن الدراسة نفسها وجدت أن كل التفعيلات المكتشفة محليا تقريبا (أي التي أضاء فيها الجهاز) أُرسلت أيضا إلى السحابة. فالسؤال المتعلق بالخصوصية لا يقتصر إذن على عدد مرات الاستيقاظ، بل يشمل المدة التي يواصل فيها الجهاز الاستماع بعد ذلك.
وتبرز المدة بوصفها أكثر ما تكشفه دراسة Northeastern وImperial College: فقد استمر أطول عُشر من التفعيلات من 8 إلى 10 ثوان بحسب الجهاز، وهي مدة كافية لالتقاط جملة كاملة من محادثة خاصة. ولم تكن التفعيلات الخاطئة ضوضاء عشوائية: فقد تكرر 20.7% من تفعيلات Google Home Mini و17.7% من تفعيلات HomePod في أكثر من 75% من جولات الاختبار الـ 12، ما يعني أن عبارات حوارية بعينها تخدع أجهزة بعينها بصورة موثوقة. وتروي استطلاعات المالكين، كما نشرها Voicebot.ai، القصة نفسها من على الأريكة.
| المقياس | القيمة | المصدر |
|---|---|---|
| المحتوى الذي شُغّل على مكبرات الصوت المختبَرة | جولتان من 134 ساعة من 12 برنامجا تلفزيونيا، في الولايات المتحدة والمملكة المتحدة، على 7 أجهزة (Google Home Mini وApple HomePod وHarman Kardon Invoke وجهازان Echo Dot من الجيل الثاني وجهازان Echo Dot من الجيل الثالث) | Northeastern University وImperial College London، PETS 2020 |
| معدل التفعيل الخاطئ المرصود | 0.95 في الساعة، أو 1.43 لكل 10,000 كلمة منطوقة | Northeastern University وImperial College London، PETS 2020 |
| البرامج التلفزيونية التي تسببت في أكبر عدد من التفعيلات | The West Wing: 4.26 تفعيل في الساعة في المتوسط؛ Narcos: 6.21 تفعيل لكل 10,000 كلمة من الحوار | Northeastern University وImperial College London، PETS 2020 |
| المدة التي بلغها أطول 10% من التفعيلات؛ أطول تفعيل منفرد | 10 ثوان على الأقل في HomePod، و9 ثوان في Google Home Mini، و8 ثوان في Echo Dot من الجيل الثاني (كلمة التنبيه Echo)؛ وحتى 43 ثانية في تجربة واحدة، عُدّت قيمة شاذة | Northeastern University وImperial College London، PETS 2020 |
| مستخدمو مكبرات الصوت الذكية الذين لاحظوا أنهم أيقظوا مساعدهم الصوتي عرضيا مرة واحدة على الأقل شهريا | 43.7% | استطلاع Voicebot.ai لعام 2018، كما نشره Voicebot.ai 2020 |
| مستخدمو البحث الصوتي في الولايات المتحدة (بما في ذلك الهواتف) الذين أيقظوا مساعدهم عرضيا خلال شهر | 64% من 501 مشارك | استطلاع The Manifest، كما نشره Voicebot.ai 2020 |
| حصة حالات الاستيقاظ العرضي المبلَّغ عنها التي اكتشف فيها البرنامج كلمة التنبيه دون سبب واضح | 29% | استطلاع The Manifest، كما نشره Voicebot.ai 2020 |
أحدث البيانات المتاحة: Northeastern University وImperial College London، PETS 2020، واستطلاعات المالكين من 2018 إلى 2020. لم يُنشر منذ ذلك الحين قياس مستقل أكبر للتفعيل الخاطئ، ولذلك تبقى هذه الأرقام هي المرجع. أما العنوان الرئيسي المتداول على نطاق واسع “حتى 19 مرة في اليوم” فقد جاء من التغطية الصحفية، لا من المعدلات التي أوردتها الدراسة نفسها.
2. كلمات التنبيه الأكثر تفعيلا بالخطأ
الفجوة بين كلمات التنبيه هائلة: أنتجت Cortana ما مجموعه 197 تفعيلا عرضيا بينما أنتجت Hey Siri ما مجموعه 8 في ظل التشغيل نفسه. فكلمات التنبيه القصيرة والشائعة الوقع تتصادم مع الكلام اليومي؛ وقد وجد الباحثون أن الكلمة الصينية ‘dage’ (الأخ الأكبر) اختلطت بـ ‘Echo’ وأن العبارة الألمانية ‘Am Sonntag’ اختلطت بـ ‘Amazon’ في نشرات الطقس.
تعمل السحابة كمرشح ثان، لكنه ليس مثاليا. فلم ينجُ من فحص الخادم سوى حصة صغيرة من تفعيلات Cortana المحلية، ومع ذلك وجدت ورقة التفعيلات العرضية أن التفعيل الذي تؤكده السحابة قد يرفع 10 ثوان من الصوت أو أكثر. وخطوة التحقق السحابي، بعبارة بسيطة، هي مُتعرِّف ثان وأكبر على خوادم الشركة يعيد الاستماع إلى المقطع ويلغي الاستيقاظ إذا خالف الجهاز في رأيه.
| المقياس | القيمة | المصدر |
|---|---|---|
| نطاق الاختبار | 11 مكبر صوت ذكي من 8 شركات مصنعة؛ 13 مجموعة بيانات رئيسية مدة كل منها 24 ساعة، شُغّلت مرتين (13 × 24 × 2 = 624 ساعة لكل مكبر صوت) | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| التفعيلات العرضية بحسب كلمة التنبيه | Cortana 197؛ Alexa 99؛ Computer 77؛ Amazon 57؛ Echo 43؛ OK/Hey Google 16؛ Hey Siri 8 | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| تفعيلات Cortana التي اجتازت أيضا فحص الخادم السحابي | 8 من 197 (8 / 197 = 4.1%) | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| تفعيلات Amazon وGoogle التي تكررت 4 مرات على الأقل في 10 إعادات تشغيل | نحو 75% | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| تفعيل كلمة التنبيه ‘Computer’ بحلقات Modern Family نفسها، النسخة الإنجليزية مقابل النسخة الألمانية | 9 مرات مقابل مرة واحدة | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| الصوت المرفوع بعد تفعيل أكدته السحابة مقابل الزمن اللازم ليتوقف تفعيل محلي فقط | 10 ثوان أو أكثر مقابل نحو 1-2 ثانية | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
أحدث البيانات المتاحة: Ruhr University Bochum وMax Planck Institute، arXiv 2020. يظهر عدد تفعيلات Alexa على أنه 99 في نص الورقة وعلى أنه 100 في صف أحد الجداول الملخِّصة؛ ونحن نعتمد الرقم الوارد في النص.
3. اكتشاف كلمة التنبيه: المفاضلة بين الرفض الخاطئ والإنذار الكاذب
يوازن كل محرك لكلمة التنبيه بين خطأين. الرفض الخاطئ هو أن يتجاهل مكبر الصوت ‘Alexa’ أو ‘Hey Siri’ حقيقية؛ أما الإنذار الكاذب (ويسمى أيضا القبول الخاطئ أو التفعيل الخاطئ) فهو أن يستيقظ رغم أن أحدا لم ينطق كلمة التنبيه. يثبّت المهندسون أحد معدلي الخطأ ثم يحاولون خفض الآخر، ولهذا تُذكر النتائج بصيغة “انخفاض نسبي عند مستوى إنذار كاذب ثابت” أو “عند 0.1 قبول خاطئ في الساعة”.
والنمط السائد لدى الشركات هو دفاع متعدد الطبقات. والنتيجة الأبرز هنا لشركة Apple: قمع 95% من التفعيلات الخاطئة بثانية إضافية واحدة فقط من الصوت (Apple Machine Learning Research 2021). ويُظهر كاشف المرحلتين لدى Amazon وفحوص Apple القائمة على الشبكات الاحتمالية المنطق نفسه: كاشف رخيص يعمل دائما يوقظ الجهاز، ومرحلة ثانية أثقل تقرر ما إذا كان سيواصل الاستماع.
| المقياس | القيمة | المصدر |
|---|---|---|
| كاشف ثنائي المراحل على الجهاز مع نمذجة الكلام في الخلفية: الرفض الخاطئ عند مستوى إنذار كاذب ثابت؛ الإنذارات الكاذبة عند معدل فقد ثابت | انخفاض نسبي بنحو 16%؛ انخفاض نسبي بنحو 37% | Amazon Science، ICASSP 2018 |
| مصنّف المرحلة الثانية فوق كاشف المرحلة الأولى | إنذارات كاذبة أقل بنحو 67% | Amazon Science، ICASSP 2018 |
| معدل التفعيل الخاطئ مع نموذج لغوي مكمّل، عند قمع خاطئ ثابت قدره 0.4% للطلبات الحقيقية | انخفاض نسبي 38.34%، ثم 10.8% إضافية مع نموذج موازٍ | Apple، Interspeech 2020 |
| التفعيلات الخاطئة المقموعة بمحوّل متدفق مع ثانية واحدة من الصوت بعد التفعيل | 95% | Apple Machine Learning Research 2021 |
| النموذج المتدفق نفسه مقابل النسخة غير المتدفقة | انخفاض نسبي وسطي 18% في الرفض الخاطئ؛ ذاكرة تشغيل أقل بنسبة 32%؛ زمن استدلال أقل بنسبة 56% | Apple Machine Learning Research 2021 |
| شبكة متعددة الميكروفونات مقابل نموذج أحادي القناة يعمل على كل ميكروفون، عند 0.1 قبول خاطئ في الساعة | انخفاض نسبي في الرفض الخاطئ بنسبة 27.2% (نظيف) و31.8% (مشوش) على مجموعات اختبار ثنائية الميكروفون | Google Research، Odyssey 2020 |
| تصميم مشغّل الصوت في Siri | عبارتا تفعيل (‘Hey Siri’ و’Siri’) عبر 7 فئات من الأجهزة؛ ضغط الشبكة الأولى إلى 4 بتات لكل وزن | Apple Machine Learning Research 2023 |
السياق: لا تنشر الشركات تقريبا أبدا معدلات قبول خاطئ مطلقة للمنتجات المطروحة في الأسواق، بل تحسينات نسبية فقط. وتتبع ورقة النموذج اللغوي المكمّل وورقة Google متعددة القنوات هذا العرف. أحدث البيانات المتاحة عن بنية النظام المطروح في الأسواق: Apple Machine Learning Research، Voice Trigger System for Siri، 2023.
4. تشكيل الحزمة والواجهة الصوتية الأمامية
يعني تشكيل الحزمة دمج الإشارات الواردة من عدة ميكروفونات بحيث “تصغي” المصفوفة نحو المتحدث وبعيدا عن الضوضاء. ويعني إلغاء الصدى طرح موسيقى مكبر الصوت نفسه مما تسمعه ميكروفوناته. وكلاهما مهم لأنه، كما قاست Apple، قد يكون تشغيل الجهاز نفسه أعلى بمقدار 30-40 dB من الصوت البشري الذي يحاول سماعه (Apple Machine Learning Research 2018).
ويبلغ العائد ذروته تحديدا حيث يعاني مكبر الصوت الذكي أكثر: أثناء تشغيله موسيقاه. وتورد أعمال إلغاء الصدى متعدد الطبقات لدى Amazon أرتبة مماثلة. ويقلص المبدأ الاتجاهي نفسه الضوضاء عند الأذن في أجهزة السمع، كما تبين إحصائيات نسبة الإشارة إلى الضوضاء في أجهزة السمع ذات الميكروفون الاتجاهي لدينا؛ أما مكبر الصوت الذكي فيطبقه من الجهة المقابلة للغرفة.
| المقياس | القيمة | المصدر |
|---|---|---|
| عدد الميكروفونات في Apple HomePod؛ كلفة معالجة تحسين الكلام فيه | ستة؛ أقل من 15% من نواة A8 واحدة بتردد 1.4 GHz | Apple Machine Learning Research 2018 |
| تشغيل الجهاز (الصدى) مقابل الكلام في المجال البعيد؛ الصدى المتبقي بعد إلغاء الصدى الخطي عند مستوى صوت مرتفع | أعلى بمقدار 30-40 dB؛ أعلى بمقدار 10-20 dB من الكلام في المجال البعيد | Apple Machine Learning Research 2018 |
| التحسن النسبي في معدل خطأ الكلمات من المعالجة متعددة القنوات في HomePod | نحو 40% (كلام ذو ارتداد صوتي)، و90% (أثناء التشغيل)، و74% (ضوضاء خلفية عالية)، و61% (متحدث منافس) | Apple Machine Learning Research 2018 |
| التحسن المطلق في الرفض الخاطئ لـ ‘Hey Siri’ مع متحدث منافس | 29.0% مقابل تقليل الضوضاء القائم على الأقنعة؛ 30.3% مقابل مخرجات معالجة الإشارة الأساسية | Apple Machine Learning Research 2018 |
| تقليل الصدى والضوضاء بفضل نظام Amazon متعدد الطبقات في أجهزة Echo | نحو 40 dB لتقليل الصدى؛ نحو 19 dB لتقليل الضوضاء | Amazon Science 2018 |
| التحسن النسبي في معدل خطأ الكلمات للطبقات الثلاث (وسمتها Amazon بـ SBNR وSBRES وNLEC) | نحو 22% و14% و17% | Amazon Science 2018 |
| مصفوفة جهاز المجال البعيد في تسجيلات DiPCo المنزلية | 7 ميكروفونات: 6 على دائرة نصف قطرها 35 mm، وواحد في المركز | ورقة مدونة DiPCo، 2019 |
| المصفوفات المستخدمة في كل حفل عشاء منزلي ضمن CHiME-6 | 6 أجهزة Microsoft Kinect بمصفوفات خطية رباعية القنوات (24 ميكروفونا في المصفوفات) | ورقة تحدي CHiME-6، 2020 |
أحدث البيانات المتاحة: Apple Machine Learning Research 2018 وAmazon Science 2018. وقد طرحت الشركتان أجهزة أحدث منذ ذلك الحين، لكن أيا منهما لم تنشر قياسات قابلة للمقارنة للواجهة الأمامية.
5. عقوبة المسافة في التعرف على الكلام من بعيد
إن نقل الميكروفون من الفم إلى الجانب الآخر من الغرفة يضاعف أخطاء التعرف تقريبا في الاختبارات الخاضعة للرقابة. فقد ارتفع معدل خطأ الكلمات من 42.10% على سماعات الرأس القريبة من الفم إلى 77.52% على أجهزة المجال البعيد في جلسات حفل العشاء نفسها (ورقة مدونة DiPCo، 2019)، وكان الرفض الخاطئ لكلمة التنبيه في Personalized Voice Trigger Challenge أعلى بأكثر من الضعف على مصفوفات المجال البعيد منه على هواتف الحديث القريب.
والصوت المنزلي التحادثي أصعب بكثير من أمر واحد: فالناس يتحدثون فوق بعضهم وينتقلون بين الغرف ويطبخون. ويساعد مصطلحان على قراءة الجدول. ففصل المصادر الموجَّه (GSS) طريقة متعددة الميكروفونات تستخدم توقيت من تحدث ومتى لفصل كل صوت عن الآخر، أما tcpWER فهو معدل خطأ كلمات يعاقب أيضا الكلمات المنسوبة إلى المتحدث الخطأ أو اللحظة الخطأ. وتبين مراجعة CHiME-7 وCHiME-8 أن سنوات من التقدم ما زالت تترك حفلات العشاء المنزلية أصعب السيناريوهات.
| المقياس | القيمة | المصدر |
|---|---|---|
| الرفض الخاطئ لكلمة التنبيه عند إنذار كاذب واحد في الساعة، هاتف الحديث القريب مقابل مصفوفة ميكروفونات المجال البعيد (مجموعة التطوير) | 2.00% مقابل 5.11% | Personalized Voice Trigger Challenge 2020 |
| إعداد تسجيل التحدي | 612 ساعة، و658,995 مقطعا منطوقا، و550 متحدثا؛ مصفوفات من 4 أو 6 قنوات على بعد 1 m و3 m و5 m في غرفة مبنية كمنزل ذكي | Personalized Voice Trigger Challenge 2020 |
| كلمة التنبيه في المنزل الذكي بالمجال البعيد (‘Xiao T, Xiao T’)، مجموعة التقييم: الرفض الخاطئ والإنذارات الكاذبة | أفضل نظام صوتي فقط 6.38% و4.65%؛ أفضل نظام سمعي بصري 2.15% و3.44%؛ خط الأساس السمعي البصري الرسمي 10.1% و15% | نظام Duke Kunshan University، ICASSP 2023 (تحدي MISP 2021) |
| معدل خطأ الكلمات، سماعة الحديث القريب مقابل جهاز المجال البعيد ذي 7 ميكروفونات (مجموعة التقييم) | 42.10% مقابل 77.52% | ورقة مدونة DiPCo، 2019 |
| معدل خطأ الكلمات في خط أساس CHiME-6 (التطوير / التقييم)، مع GSS مقابل مع مشكّل حزمة تقليدي (BeamformIt) | 51.8% / 51.3% مقابل 69.8% / 61.2% | ورقة تحدي CHiME-6، 2020 |
| خط أساس CHiME-6 حين يتعين على النظام أيضا معرفة من تحدث ومتى (التطوير / التقييم) | 84.3% / 77.9% | ورقة تحدي CHiME-6، 2020 |
| معدل خطأ الكلمات لأفضل نظام في CHiME-5 (التطوير / التقييم) | 45.6% / 46.6% (USTC-iFlytek) | ورقة تحدي CHiME-6، 2020 |
| tcpWER في CHiME-6 لأفضل أنظمة CHiME-7/8؛ المشاركة في CHiME-8 | فوق 30%؛ 9 فرق قدمت 32 نظاما | مراجعة CHiME-7/8 DASR، arXiv 2025 |
السياق: تقيس أرقام التحديات محادثة مفتوحة لا أوامر قصيرة، لذلك فهي تبالغ في تقدير الخطأ الذي يرتكبه مكبر الصوت عند أمر مثل “اضبط مؤقتا”. ومع ذلك تبقى أفضل دليل علني على كلفة الغرفة نفسها، وتبين ورقة CHiME-6 أن الانتقال من مشكّل الحزمة التقليدي إلى GSS وحده كان يساوي نحو 18 نقطة في مجموعة التطوير (69.8% ناقص 51.8%).
6. من يفوته السمع: كبار السن في المنزل
لا تتوزع إخفاقات كلمة التنبيه والتعرف توزيعا متساويا. ففي نشر منزلي دام شهرا، انطوى 24.76% من تفاعلات البالغين الذين تتراوح أعمارهم بين 66 و94 عاما مع Alexa على خطأ (Johns Hopkins University، arXiv 2024)، ولم تنخفض معدلات الخطأ على مدى الأسابيع الأربعة. ولم يكن سماع الطلب إلا جزءا من المشكلة: فقد كان سوء فهم القصد أكبر فئة منفردة من الأخطاء.
وكلمة التنبيه نفسها تُربك الناس. فنطق كلمة قريبة مثل ‘Alexis’ تسبب في منعطفات خاطئة أكثر مما تسببت فيه التفعيلات الخاطئة، وهذا هو الوجه المعاكس لمشكلة التلفزيون في القسم 1: الجهاز صارم مع صاحبه ومتساهل مع التلفزيون. أما الفجوات بحسب اللكنة واللهجة فنتناولها في إحصائيات التحيز اللكني في التعرف على الكلام لدينا؛ ويقتصر هذا القسم على العمر والإدراك.
| المقياس | القيمة | المصدر |
|---|---|---|
| التفاعلات التي انطوت على خطأ، 15 أسرة تتراوح أعمارها بين 66 و94 عاما، Echo Dot، أربعة أسابيع | 24.76% (632 من 2,552) | Johns Hopkins University، arXiv 2024 |
| أخطاء التعرف على الكلام كحصة من جميع الأخطاء | 24.4% (154 من 632) | Johns Hopkins University، arXiv 2024 |
| الأخطاء التي لم تلتقط فيها Alexa الطلب إطلاقا (‘لم يُسمع’) | 10.9% (69 من 632) | Johns Hopkins University، arXiv 2024 |
| الأخطاء الناجمة عن نطق كلمة تنبيه خاطئة (مثل ‘Alexis’) | 7.8% (49 من 632) | Johns Hopkins University، arXiv 2024 |
| الأخطاء الناجمة عن التفعيلات الخاطئة (التفعيل بالخطأ)؛ حصة ما حُلّ عند إعادة المحاولة | 2.4% (15 من 632)؛ 6.7% | Johns Hopkins University، arXiv 2024 |
| إخفاقات التعرف على القصد، وهي أكبر فئة أخطاء | 32.3% (204 من 632) | Johns Hopkins University، arXiv 2024 |
| أخطاء التعرف على الكلام في أوامر Alexa التي قرأها 83 من كبار السن، مجموعة الخرف مقابل المجموعة السليمة إدراكيا | أعلى بدرجة ملحوظة في مجموعة الخرف | Cohn وآخرون، arXiv 2026 |
وتفيد دراسة الخرف لعام 2026 بأن شدة صوت المتحدث وجودة صوته ونسبة التوقفات تنبأت بدقة التعرف، وهو ما يربط فجوة العمر بالصوتيات: فالأصوات الأخفت والأكثر نفَسا تفقد طاقة أكبر عبر الغرفة قبل أن تصل إلى المصفوفة.
7. القبول الخاطئ في المحاكم وسياسات الشركات
انتقل القبول الخاطئ من مقياس مخبري إلى مسؤولية قانونية. فقد بدأت الفترة الزمنية لفئة تسوية Google في 18 مايو 2016، وجرى تعريف فئة الخصوصية حول تسجيلات القبول الخاطئ، ووردت 1.49 مليون مطالبة في الموعد المحدد مقابل إشعارات أُرسلت بالبريد الإلكتروني إلى 173,814,291 عنوانا (المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر الموافقة النهائية في Kumandan v. Google، أكتوبر 2026). وبحسابنا يعادل ذلك معدل مطالبات يبلغ نحو 0.86% من العناوين التي أُخطرت (1.49 مليون / 173,814,291)؛ أما الأمر القضائي نفسه فلا يذكر معدل مطالبات.
وتشمل تسوية Siri الموازية لدى Apple التفعيلات غير المقصودة لـ Siri أثناء المحادثات الخاصة على مدى عقد من الزمن. وتغيرت سياسة الشركات أيضا: فقد ذكرت Apple في يناير 2025 أنها لا تحتفظ بالتسجيلات الصوتية لتفاعلات Siri ما لم يوافق المستخدمون على ذلك صراحة (Apple Newsroom 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| صندوق تسوية القبول الخاطئ في Google Assistant؛ تاريخ الموافقة النهائية | 68,000,000 دولار، لا تعود أمواله إلى الشركة؛ 13 أكتوبر 2026 | المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026 |
| تسليم الإشعارات وطلبات الاستبعاد | رسائل بريد إلكتروني إلى 173,814,291 عنوانا، سُلّم منها 98.76%؛ 217 طلب استبعاد صحيحا و7 اعتراضات | المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026 |
| الدفعة المقدّرة لكل عضو في الفئة | نحو 18 إلى 56 دولارا (فئة المشترين)؛ نحو 2 إلى 10 دولارات (فئة الخصوصية) | المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026 |
| أتعاب المحاماة المحكوم بها | 22,666,666.70 دولار (ثلث الصندوق) | المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026 |
| تسوية التفعيل غير المقصود لـ Siri لدى Apple | صندوق بقيمة 95 مليون دولار؛ حتى 20 دولارا لكل جهاز Siri، وحتى خمسة أجهزة؛ فترة الفئة من 17 سبتمبر 2014 إلى 31 ديسمبر 2024 | Lopez v. Apple، مدير التسوية، 2025-2026 |
| حصة مقاطع Assistant الصوتية التي راجعها خبراء اللغة | نحو 0.2% | Google، مدونة The Keyword، يوليو 2019 |
| حصة طلبات Siri التي استمع إليها مقيّمون بشريون قبل أن توقف Apple التقييم | أقل من 0.2% | Apple Newsroom، أغسطس 2019 |
السياق: وصف بيان Google لعام 2019 بشأن بيانات الكلام القبول الخاطئ بأنه نادر، والتزم بيان Apple لعام 2019 بحذف التسجيلات التي يُحكم بأنها ناتجة عن تفعيل غير مقصود. ولم تنشر أي من الشركتين تواتر القبول الخاطئ، ولهذا تبقى الدراسات المخبرية في القسمين 1 و2 هي الدليل العلني الرئيسي.
الخلاصة: تشكيل الحزمة ودقة كلمة التنبيه في مكبرات الصوت الذكية للمجال البعيد بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| التفعيلات الخاطئة أثناء تشغيل برامج تلفزيونية بالقرب | 0.95 في الساعة، أو 1.43 لكل 10,000 كلمة | Northeastern University وImperial College London، PETS 2020 |
| أطول 10% من التفعيلات | من 8 إلى 10 ثوان أو أكثر بحسب الجهاز | Northeastern University وImperial College London، PETS 2020 |
| التفعيلات العرضية، Cortana مقابل Hey Siri، 624 ساعة لكل مكبر صوت | 197 مقابل 8 | Ruhr University Bochum وMax Planck Institute، arXiv 2020 |
| مستخدمو مكبرات الصوت الذكية الذين يلاحظون تنشيطا عرضيا مرة واحدة على الأقل شهريا | 43.7% | استطلاع Voicebot.ai لعام 2018، كما نشره Voicebot.ai 2020 |
| الإنذارات الكاذبة التي أزالها مصنّف المرحلة الثانية | نحو 67% | Amazon Science، ICASSP 2018 |
| انخفاض التفعيلات الخاطئة بفضل نموذج لغوي مكمّل | 38.34% نسبيا | Apple، Interspeech 2020 |
| التفعيلات الخاطئة المقموعة بثانية إضافية واحدة من الصوت | 95% | Apple Machine Learning Research 2021 |
| انخفاض الرفض الخاطئ بفضل شبكة ثنائية الميكروفون عند 0.1 قبول خاطئ في الساعة | 27.2% نظيف، 31.8% مشوش | Google Research، Odyssey 2020 |
| مستوى تشغيل الجهاز مقابل مستوى الكلام في المجال البعيد | أعلى بمقدار 30-40 dB | Apple Machine Learning Research 2018 |
| تحسن معدل خطأ الكلمات بفضل معالجة HomePod أثناء التشغيل | نحو 90% نسبيا | Apple Machine Learning Research 2018 |
| تقليل الصدى في أجهزة Echo | نحو 40 dB | Amazon Science 2018 |
| الرفض الخاطئ لكلمة التنبيه، الحديث القريب مقابل المجال البعيد | 2.00% مقابل 5.11% | Personalized Voice Trigger Challenge 2020 |
| أفضل نظام سمعي بصري لكلمة التنبيه في المجال البعيد، الرفض الخاطئ والإنذارات الكاذبة | 2.15% و3.44% | نظام Duke Kunshan University، ICASSP 2023 |
| معدل خطأ الكلمات، الحديث القريب مقابل المجال البعيد | 42.10% مقابل 77.52% | ورقة مدونة DiPCo، 2019 |
| خط أساس CHiME-6، GSS مقابل مشكّل الحزمة التقليدي (مجموعة التطوير) | 51.8% مقابل 69.8% | ورقة تحدي CHiME-6، 2020 |
| أفضل أنظمة CHiME-7/8 على حفلات العشاء المنزلية في CHiME-6 | فوق 30% من tcpWER | مراجعة CHiME-7/8 DASR، arXiv 2025 |
| تفاعلات Alexa التي انطوت على خطأ، بالغون تتراوح أعمارهم بين 66 و94 عاما | 24.76% | Johns Hopkins University، arXiv 2024 |
| تسوية القبول الخاطئ في Google Assistant والمطالبات في الموعد المحدد | 68 مليون دولار؛ 1.49 مليون | المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، أمر Kumandan v. Google 2026 |
| تسوية التفعيل غير المقصود لـ Siri لدى Apple | 95 مليون دولار؛ حتى 20 دولارا لكل جهاز | Lopez v. Apple، مدير التسوية، 2025-2026 |
المنهجية والمصادر
أجرينا 15 عملية بحث وقرأنا الورقة الأصلية أو السجل القضائي أو صفحة الشركة لكل رقم مذكور أعلاه. وحيثما لا يُنشر سوى تحسن نسبي، أوردناه كتحسن نسبي؛ ولم نحوّل التحسنات النسبية إلى معدلات مطلقة. ورقما التسويتين هما سجلات محاكم ومديري تسوية، وليسا قياسات تقنية.
- Northeastern University وImperial College London، When Speakers Are All Ears: Characterizing Misactivations of IoT Smart Speakers، PETS 2020
- Voicebot.ai، تقرير عن استطلاع The Manifest واستطلاع Voicebot لعام 2018، يناير 2020
- Ruhr University Bochum وMax Planck Institute for Security and Privacy، Unacceptable, where is my privacy? Exploring Accidental Triggers of Smart Speakers، arXiv 2020
- Amazon Science، Monophone-based Background Modeling for Two-stage On-device Wake Word Detection، ICASSP 2018
- Amazon Science، نظام متعدد الطبقات لإلغاء الصدى وتحسين الصوت في مكبرات الصوت الذكية، 2018
- Apple Machine Learning Research، Complementary Language Model and Parallel Bi-LRNN for False Trigger Mitigation، Interspeech 2020
- Apple Machine Learning Research، Streaming Transformer for Hardware Efficient Voice Trigger Detection and False Trigger Mitigation، 2021
- Apple Machine Learning Research، Voice Trigger System for Siri، 2023
- Apple Machine Learning Research، Optimizing Siri on HomePod in Far-Field Settings، 2018
- Google Research، Small Footprint Multi-channel Keyword Spotting، Odyssey 2020
- The 2020 Personalized Voice Trigger Challenge: Open Database, Evaluation Metrics and the Baseline Systems، arXiv 2021
- Duke Kunshan University، Post-Challenge Audio-Visual Wake Word Spotting System for the MISP 2021 Challenge، ICASSP 2023
- DiPCo، Dinner Party Corpus، 2019
- CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings، 2020
- Cornell وآخرون، Recent Trends in Distant Conversational Speech Recognition: A Review of CHiME-7 and 8 DASR Challenges، arXiv 2025
- Johns Hopkins University، Situated Understanding of Errors in Older Adults’ Interactions with Voice Assistants: A Month-Long, In-Home Study، arXiv 2024
- Cohn وآخرون، أخطاء التعرف على الكلام لدى كبار السن المصابين بالخرف وغير المصابين به عند استخدام Amazon Alexa، arXiv 2026
- المحكمة الفيدرالية الأمريكية للمنطقة الشمالية من كاليفورنيا، Kumandan v. Google، أمر الموافقة النهائية، 13 أكتوبر 2026
- Lopez v. Apple، موقع مدير تسوية Lopez Voice Assistant Settlement، 2025-2026
- Google، More information about our processes to safeguard speech data، يوليو 2019
- Apple Newsroom، Improving Siri’s privacy protections، أغسطس 2019
- Apple Newsroom، Our longstanding privacy commitment with Siri، يناير 2025
- ملاحظة حول البيانات: تعود معظم القياسات التقنية في هذا الاستعراض إلى الفترة من 2018 إلى 2023، لأن مصنّعي مكبرات الصوت الذكية ينشرون تحسينات نسبية وملاحظات عن البنية بدلا من معدلات قبول خاطئ مطلقة للأجهزة المطروحة في الأسواق؛ لذا ينبغي التعامل مع كل رقم من 2018-2021 بوصفه أحدث البيانات المتاحة، لا أداء المنتجات الحالية. أما رقم “حتى 19 مرة في اليوم” المتداول بشأن دراسة Northeastern فهو عنوان صحفي، لا معدل أوردته الدراسة. وتورد ورقة التفعيلات العرضية 99 تفعيلا لـ Alexa في نصها و100 في صف أحد الجداول الملخِّصة. وتُدرج ورقة Google متعددة القنوات بانخفاضين في الرفض الخاطئ قدرهما 27.2% و31.8% في صفحتها على Google Research؛ وتعرض قوائم أخرى لنسخ ذات صلة أرقاما مختلفة، لذا يجب الاستشهاد بالنسخة التي قرأتها. وتورد دراسة Johns Hopkins معدل الخطأ الأسبوعي بنسبة 20-30% في النص و21-26% في تعليق أحد الأشكال. واستطلاعا Voicebot 2018 وThe Manifest غير قابلين للمقارنة (إذ يشمل الثاني الهواتف والضغط على الأزرار). ولم تكن مدفوعات تسوية Google قد وُزعت وقت صدور أمر أكتوبر 2026، ويورد الأمر المطالبات حتى 17 سبتمبر 2026، إضافة إلى أكثر من 40,000 مطالبة متأخرة قد تُقبل.
آخر تحديث: 24 أكتوبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يأتي التحديث التالي عند توزيع مدفوعات تسوية Kumandan v. Google ونشر وقائع مؤتمر ICASSP 2027.