经常开车的人都知道，当给车打着火的时候，往往在我们感觉汽车发出的声音不对时，过不了几天车子就真的出现故障了，这是汽车预先给我们的一种暗示。把车开到维修店，有经验的司机，光听声音便能初步判断汽车故障的大概位置。这其实都是一种经验的总结，多年的维修工作总结，使维修工人深切的记住了汽车发出的某个异常的声音预示着哪个部位的故障。那么，如果这些经验能够量化，打包给机器人，汽车驾驶会变成什么样的体验呢？
以色列的一家初创公司3DSignals便提出了类似的想法：利用人工智能的方法，在汽车接近崩溃之前，便能听出预警的声音。他们的主要服务业务便是利用深度学习的人工智能技术理解机器的噪声模式并提出预测问题。
3DSignals已经开始和欧洲领先的汽车制造商商定利用他们的深度学习技术来检测汽车工厂的器械以及汽车本身可能存在的麻烦。该公司甚至还和汽车厂商探讨用他们的服务来检测无人驾驶汽车的出租车队的问题。
深度学习通常是指被称为人工神经网络的软件算法。这些神经网络利用多个（深度）人工神经元通过过滤相关数据来学习更好的执行相关任务。目前许多公司都在使用深度学习开发人工智能系统，例如谷歌可以每天完成数百万中英文翻译、Facebook可以很快的在一百万在线图像中找到一张脸。
3DSignals 的创始人Lavi说到：“我认为世界上大多数人都在对图像进行深度学习，这也是迄今为止最流行的应用程序。也有部分行业正在应用于深度学习侧重于语音识别和对话的开发。像我们这种做最普通声音的深度学习的公司很少。这也是我们的目标，成为一般声学深度学习的世界领先者。”
对于每个客户端，3DSignals安装了超声麦克风，可以检测高达100千赫兹的声波范围（人类听力范围在20赫兹和20千赫兹之间）。 启动的“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，然后将信息上传到具有深度学习算法功能的在线网络。客户端可以通过手机或者平板电脑连接到网络，实时检查其车辆的状态。
3DSignals的第一批客户中有一家重工业机械操作公司，其生产的设备中包含圆形的切割刀片或者发电厂的水力发电涡轮机。3DSignals最初提供的服务中不包含深度学习功能。在这些最初的服务中，他们通过建立某些部件的基本物理模型来预测这些部件在何时开始磨损，从而使客户在使用该系统的第一天便开始获利。
3DSignals的第二级服务便是利用深度学习算法，通过来自麦克风的声音检测机器运行时发出的奇怪或者异常的噪声。该深度学习算法训练的声音模式可以指示出机器存在的一般问题。
而第三级的服务，可以利用深度学习算法识别该噪音所表示的机器出现的具体问题。但是，想要达到这一等级，用户需要帮助训练3DSignals提供的深度学习算法，即，将某些特定噪音的机械故障标定出来。
“一段时间之后，我们不仅可以判断机械故障发生时的故障类型，还可以在故障发生前5小时，提前预测该故障发生的可能性。” Lavi说，“一些故障发生之前，都会存在一个恶化的过程。”
经过训练，3DSignals的深度学习算法能够以98%的精确度来预先识别特定的机械故障。但目前使用3DSignals的客户还没有充分利用这种分类能力，他们仍然停留在深度学习的喂养阶段----手动将特定的噪音标记为特定的故障类型，来建立他们的训练数据集。
这家创业1年的公司目前只有15个员工，但是其增长速度相当快，并且已经获得了330万元的投资。并预计在2017年某个时间进行A轮融资。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，发电厂和汽车所有者提供“预测性维护”。
联系客服
