從引擎聲音預測車輛故障，深度學習開始識別通用聲音

對於駕車族來說，通常當汽車拋錨時才會意識到例行維護的必要性。當然，任何人都不想經歷這種「吃一塹長一智」的驚險體驗。然而，預防性或者定期維護檢查總是會漏掉一些可能出現的問題。

近日，一家位於以色列薩瓦村（Kefar Sava, Israel）的初創公司3DSignals提出了一個新想法：利用人工智慧（AI）「傾聽」機器發出的故障預警性信號，在機器崩潰之前就能提前預警。

3DSignals公司提供的服務主要基於「深度學習」（deep learning）的人工智慧技術，利用AI來分析故障機器的雜訊並進行早期預測。目前，3DSignals公司已經開始與一些歐洲汽車製造商探討利用該技術檢測汽車潛在故障的可能性。此外，3DSignals甚至還看中了未來無人駕駛計程車的市場，已與一些公司探討了使用該技術自動檢測無人駕駛計程車潛在故障的前景。

3DSignals公司聯合創始人及其演算法負責人耶爾·拉維（Yair Lavi）說：「通常無人駕駛計程車的乘客，很可能只關心如何到達目的地，即便乘坐的車輛有了故障，只要沒有拋錨，他也懶得報告和維護。所以，對於計程車運營公司來說，3DSignals 的解決方案很有吸引力。」

許多互聯網巨頭，如谷歌、Facebook等，早已利用深度學習開發人工智慧系統，廣泛應用於圖像、語音識別應用中。還有一些科技公司，將深度學習技術應用於自動識別人類自然語言的語音，從而提高其服務的質量。但是，卻少有公司利用該技術來識別一些普通的聲音信號——比如機器的運轉聲音或者音樂。因此，3DSignals致力於利用深度學習技術識別更通用的聲音，並志在成為該領域的領軍者。

耶爾·拉維（Yair Lavi）解釋說：「全世界都在用深度學習進行圖像識別，這是至今最新最火的應用。此外，AI 行業還有一部分在做語音和對話識別領域的深度學習。而我認為專註於通用聲音識別的公司可能是極少數，我們就是其中之一。我的目標就是：成為通用聲音深度學習領域的帶頭人。」

3DSignals為每一位客戶安裝有超聲波麥克風（Ultrasonic microphone），可以監測10萬赫茲（註：人類聽力範圍在20赫茲到2萬赫茲之間）以下的聲音。該公司提供的「物聯網」服務將麥克風與計算設備相連接，後者能夠處理數據，並將數據上傳到網路，然後由深度學習演算法進行分析。這樣，客戶就能夠隨時隨地通過任意類型的Web連接設備（如智能手機或平板電腦）,檢查機器設備的狀態。

3DSignals的第一批客戶來自重工業領域，包括機械加工廠及發電廠。最初，這些公司購買是3DSignals公司未使用深度學習技術的初級服務。與深度學習服務不同，初級服務主要使用軟體來對某些機器部件（例如圓形切割鋸）進行基本物理建模，從而預測部件可能出現的磨損情況以及壽命極限。

第二級服務則使用深度學習技術以及來自超聲波感測器收集的聲音數據來檢測機器可能發出的異常雜訊。深度學習演算法以機器可能出現的通用故障聲音模式來進行訓練。

第三級服務同樣也採用深度學習，能夠將監測的聲音進行分類並標註出具體類型的故障問題。在此之前，客戶需要幫助3DSignals訓練深度學習演算法：為特定聲音模式加上標籤，標明屬於哪類故障問題。

「一段時間之後，我們不僅能夠指出故障A何時發生，我們還能在故障發生之前就發出預警信號：您將在五個小時之內發生故障A。」拉維說，「當然，有一些問題不會立即出現，因為有一個惡化的過程。」

經過訓練之後，3DSignals的深度學習演算法能夠以98％的精度預測特定的故障問題。但是，目前使用3DSignals系統的客戶尚無法體驗這個級別的性能。他們目前仍在創建訓練資料庫，通過人工分類和標記，將特定聲音模式關聯至特定類型的故障。

目前，作為只有一歲的初創公司，3DSignals只有15名員工。但是，它的發展速度相當快，已經從以色列著名企業家Dov Moran處獲得330萬美元的融資。Dov Moran是USB快閃記憶體盤的發明人之一。

拉維及其聯合創始人正將目光投向幾個大市場，包括汽車製造、水力發電廠以及除此之外的其他能源市場。2017年，3DSignals計劃了好幾輪融資活動來吸引風投們。

如果一切順利，3DSignals會在不斷增長的「可預測維護」市場中大放異彩，並保持其領頭地位，為各類工廠、發電廠以及汽車主們提供「預測性維護」服務。即將誕生的無人駕駛汽車市場同樣也是一片「掘金之地」：深度學習技術能夠隨時「聆聽」機器的健康狀態，幫助人類乘客真正從駕駛中解放出來。

暫且不論以上種種，對於一家初創公司來說，有機會在即將到來的通用聲音識別領域稱為領軍者，也是一種成就！

拉維說：「對於我們來說，成為通用聲音識別領域的深度學習專家非常重要，因為目前的學術論文尚未涉足該領域」。