深度学习可听到机器故障信号

人们绝不想开车开到在路上出故障了才想起要日常保养，但预防性维护检查或定期维护检查经常发现不了可能会出现的问题。一家初创公司提出了更好的办法：利用人工智能去听车辆可能要出故障的早期警告信号。

以色列初创公司三维信号（3DSignals）利用“深度学习”人工智能技术去理解故障机器的噪音模式，并提前预测问题。该公司已经开始与欧洲先进的汽车制造商讨论，利用这项深度学习服务去检测汽车厂机械以及车辆本身可能存在的故障，甚至提出利用该服务为未来无人驾驶出租车队的故障进行自动检测。

“无人驾驶出租车的乘客只用关心去往目的地，而不用报告维护问题。”三维信号公司创始人之一表示，所以如果自动驾驶的出租车配备了三维信号公司的解决方案，那么对出租车队的车主来说将很有趣。”

深度学习通常是指被称为人工神经网络的软件算法。这些神经网络可通过多层（深层）人工神经元过滤相关数据而学着在具体任务上变得更精通。谷歌、脸谱网等多家公司已经利用深度学习开发出了人工智能系统，能从百万张在线图片中迅速找到一张脸或每天做数百万次中文到英文的翻译。

许多科技巨头也将深度学习运用于提高服务，使其能更好地自动识别不同人类语言的口语声音。但是很少有公司愿意探索利用深度学习去开发擅长听机器声或音乐声等其他声信号的人工智能。这就是三维信号公司希望有所作为的地方——利用深度学习专注更普通的音乐模式，该创始人解释说：“我认为，大多数人忙着将深度学习应用于图像。目前，这是最普遍、最新的应用。但业界还有部分人在致力于将深度学习应用到声学，专注语言识别和沟通。我想我们可能属于做声学的那一小部分公司。这是我的目标，在通用声学深度学习领域成为世界领导者。”

三维信号公司为每位客户安装了超声麦克风，可检测高达100千赫的声音（人类听力范围为20赫兹到20千赫）。该公司的“物联网”服务将麦克风连接到计算设备上，该设备可处理一些数据，然后将信息上传到在线网络，让深度学习算法工作。客户可利用任何网络连接的设备，如智能手机或平板，随时检查机器的状态。

三维信号公司的首批客户包括工厂圆形切割刀片、电站水电涡轮机等操作机械的重工业企业。这些公司最初购买了三维信号公司的第一层服务，没有用到深度学习。第一层服务利用了具体机械零件（如圆形切割锯）的基础物理建模软件，预测零件何时开始磨损。这让客户从第一天开始就获得了价值。

第二层服务利用深度学习算法和来自麦克风的声音，检测机器的奇怪噪音或异常噪音。深度学习算法通过能传递机器普通问题的声音模式进行训练。但是，只有利用深度学习的第三层服务才能将声音按其所指示问题的具体类型进行分类。要实现这一点，客户需要帮助训练深度学习算法，先根据问题的具体类型标记声音模式。

“过段时间后，我们不仅可以指出问题类型A发生的时间，还能在其发生前就告诉你五小时后就要出现问题类型A了。”该创始人说，“有些问题不会立即发生；有个恶化过程。”

经过训练，三维信号公司的深度学习算法能提前确定具体的问题，准确率达98%。但是，目前使用该公司系统的客户还没有开始利用这一分类功能；他们还在让人手工标记特定问题的声音签名，构建自己的训练数据集。

该初创公司成立一年了，有15名员工，但其成长迅速，目前已从投资者获得了330万美元的投资。该公司已经瞄准了汽车、能源等几大市场，计划在2017年进行A轮融资。