机器之心

首页 > 资讯 > 深度学习新应用:通过聆听机器声音精确分析故障

资讯

深度学习新应用:通过聆听机器声音精确分析故障

2016-12-28 12:34:22      
0 0 0

Mjg0NzIyMg.jpeg

在路上开着的车有时会突然抛锚,任何人都不愿用这种方式来学习汽车的日常维护知识。但是预防性或定期维护检查通常会错过许多可能出现的问题,因此以色列的一家初创公司提出了一个更好的想法:利用人工智能监控汽车可能会出问题的前兆声音。


位于以色列卡法萨巴城(Kefar Sava)的一家初创公司 3DSignals,它的服务依赖于人工智能中的深度学习方法来理解问题机器的噪声模式并提前预测问题。3DSignals 已经开始与领先的欧洲汽车制造商讨论使用深度学习在自动化汽车工厂和汽车本身上检测预防出现问题的可能性。3DSignals 甚至与这些大公司谈论使用他们的服务自动检测未来的无人驾驶出租车车队的问题。3DSignals 的联合创始人和算法负责人 Yair Lavi 说:「如果你是无人驾驶出租车的乘客,那么你只会关心到达目的地,而不想报告维护问题」。所以,实际上在自动出租车中使用 3DSignals 解决方案对于出租车车队的拥有者来说是非常值得考虑的事情。


深度学习通常是指人工神经网络。这些神经网络可以通过多个(深)层级的人工神经元过滤相关数据来学习并在特定任务变得更好。许多公司(如谷歌和 Facebook)使用深度学习开发人工智能系统,它们可以迅速在一百万在线图像中找到一个面孔,或一天内进行数百万次的汉英翻译。许多科技巨头也应用深度学习,从而使它们的服务能自动识别不同人类语言,并变得更加完善。但是很少有公司使用深度学习开发擅长检测其他声学信号(如机器或音乐的声音)的机器。Lavi 解释说这就是 3DSignals 的期望,希望能在深度学习聚焦于更广泛的声音模型上占据一席之地。


「我认为世界上大多数人都是对图像进行深度学习,这是迄今为止最流行的应用。但部分行业正在研究深度学习声学,它们聚焦于语音识别和对话。我认为可能有很小一部分公司正在做更通用型的声学研究。这就是我的目标,成为通用型声学深度学习领军者。」


3DSignals 为每个客户安装超声麦克风(ultrasonic microphones),它可以检测高达 100 千赫兹的声波(人类听力范围在 20 赫兹和 20 千赫兹之间)。该公司的「物联网」服务将麦克风连接到计算设备,该计算设备可以处理一些数据并将信息上传到在线网络,然后深度学习算法就开始处理数据。客户可以使用网络连接设备(如智能手机或平板电脑)查看机器运行状况。


3DSignals 的第一批客户是重工业集团的操作机械,如工厂中的圆形切割刀片或发电厂的水力发电涡轮机。这些公司最开始是通过购买 3DSignals 不使用深度学习的第一层服务。相对于使用深度学习,第一层服务依赖于某些机器部件(例如圆形切割锯)的基本物理数据进行建模,从而预测某些部件何时开始磨损。这样就能使客户从第一天起就获得应有的价值。

第二层服务是用深度学习算法和麦克风的声音检测来自机器的奇怪或异常噪声。在声音模型上训练的深度学习算法能够识别机器一般问题的信号。但是同样是使用深度学习,只有第三层服务才能将声音分类为指向具体类型的问题。不过在能清楚地指出问题之前,客户需要首先将某些声音模式标记为属于特定类型的问题,从而帮助训练深度学习算法。


Lavi 说:「在训练后,我们不仅能在问题发生时预测它是 A 类型的问题,我们还能预测在五小时后 A 类问题将发生。一些问题不会立即发生,它总有一个恶化的过程。」


训练后,3DSignals 深度学习算法能够以 98%的精度预先识别特定的问题。但是目前使用 3DSignals 系统的客户还没有开始利用这种分类能力,他们还在手动标记特定的问题与特定的声音信号来建立训练数据集。


这家成立已经一年的创业公司只有 15 名员工,但是增长相当快,并且从投资者 Dov Moran(首先发明 USB 闪存驱动器之一的以色列企业家)等人募集了 330 万美元。Lavi 和他的联合创始人已经关注了几个大市场,包括汽车和水力发电厂以外的能源部门。他们计划在 2017 年某个时间进行 A 轮融资以吸引风险资本。


如果一切顺利,3DSignals 可以在不断增长的市场中扩大其领先地位,为工厂、发电厂和汽车车主提供「预测性维护」。即将到来的无人驾驶汽车可能对此会更加感兴趣——它们需要在乘客不理睬汽车的问题时帮助检测这些问题的深度学习人工智能。


除此之外,3DSignals 还有机会在识别一般声音上取得深度学习方面的进步。这对小型初创公司已经很不错了。


 Lavi 说:「对于我们来说,重要的是成为通用型声学深度学习的专家,因为目前还没有覆盖这一领域的研究文献。」


原文链接:http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/deep-learning-ai-listens-to-machines-for-signs-of-trouble

声明:本文由机器之心编译出品,原文来自IEEE,作者 Jeremy Hsu,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。

  1. 网站转载请在文章开头粗体注明:本文转载自机器之心,标明作者,并附上本文链接。
  2. 微信公众号转载请在开头粗体注明:本文转载自机器之心,标明作者,并设置阅读原文链接为本文链接,微博转载请附上本文链接并@机器之心synced。
  3. 网站和微信转载具体文章后需来信至邮箱operation@jiqizhixin.com说明,备注转载文章标题、转载的微信号名称和转载日期。
  4. 机器之心只接受如上几种转载方式,其余均视为侵权,如需商业合作请致信bd@jiqizhixin.com。
参与成员:

  • 蒋思源

相关文章

无需反向传播的深度学习:DeepMind的合成梯度

无需反向传播的深度学习:DeepMind的合成梯度

英特尔深度学习产品综述:如何占领人工智能市场

英特尔深度学习产品综述:如何占领人工智能市场

深度学习在NLP领域成绩斐然,计算语言学家该不该惊慌?

深度学习在NLP领域成绩斐然,计算语言学家该不该惊慌?

评论

共有0条评论,点击展开

同步到新浪微博