在2022年6月举行的re:MARS会议上，某中心的语音技术专家展示了题为"自学习语音助手：无需人工干预的机器学习模型更新"的研究。该演讲聚焦于一个实时持续终身学习系统，该系统能够利用生产环境数据大规模训练机器学习模型，且无需持久化数据或从头开始重新训练。

核心主题
通过自学习方法改进机器学习模型，无需人工标注。这将模型改进速度从数天/数周/数月缩短至近实时水平，使模型能够跟上热点话题和用户使用模式的变化，同时保护用户隐私。

预期应用场景
适用于基于神经网络的机器学习模型，特别是数据分布随时间快速变化或数据涉及隐私敏感性的应用。

技术要点

• 自学习方法可成功替代特定模型中的人工标注，如在自动语音识别系统中的实践所示
• 该方法使模型能够有效适应不断变化的用户使用模式
• 系统的近实时特性通过避免数据持久化或人工审核，有助于提升用户隐私保护水平

该系统展示了在保护隐私的前提下实现模型持续自我优化的技术路径，为快速适应现实世界数据变化的机器学习应用提供了新思路。