Грядущую поломку мотора может предсказать обычный смартфон

Вести машину, пока она не встанет замертво прямо посреди дороги, не самый приятный способ узнать о том, что пора заехать в автосервис. Однако многие водители пропускают плановые проверки, из-за чего часто попадают в подобные ситуации. Энтузиасты из Израиля придумали, как решить эту проблему:

они «научили» искусственный интеллект следить за состоянием машины и выявлять ранние признаки возможной поломки по звуку.

Компания 3DSignals, учрежденная в израильском городе Кфар-Сава, разработала искусственный интеллект, использующий глубокое обучение для анализа звуков, возникающих в неправильно работающих деталях машины, для предсказания поломки до того, как она случилась. Глубокое обучение — разновидность машинного обучения, главная задача которой заключается в создании «машины», формирующей результат самостоятельно, без пользовательской загрузки алгоритмов действий. Компания уже начала переговоры с ведущими европейскими автопроизводителями о возможном использовании своей разработки как для диагностики оборудования на заводах, так и в самих автомобилях. Они уже даже успели обсудить возможность применения технологии в таксопарках и в будущем — в беспилотных автомобилях.

«Если вы пассажир в такси без водителя, вас волнует только то, как добраться до пункта назначения, а техническое обслуживание — не ваша забота, — рассказывает Яир Лави, соучредитель компании 3DSignals. — Так что использование решений 3DSignals для беспилотных такси должно заинтересовать владельцев таксопарков».

Сейчас глубокое обучение используется во многих крупных компаниях. В частности, Google и Facebook с его помощью разработали систему, способную распознать одно лицо среди миллионов изображений или делать переводы с китайского на английский. Также глубокое обучение используется и в системах распознавания речи. 3DSignals пошли дальше и «научили» искусственный интеллект работать со звуками, которые издает машина.

«Я думаю, большая часть мира сосредоточена на глубоком обучении в области распознавания изображений. Это, безусловно, одно из самых популярных применений этой технологии. Но часть индустрии работает с распознаванием речи. Я думаю, мы, возможно, попадаем в небольшое число компаний, работающих с акустическими сигналами в более общем смысле. Моя цель — стать мировым лидером глубокого обучения в области акустики», — пояснил Лави.

Для каждого клиента 3DSignals устанавливает ультразвуковые микрофоны, способные выявлять звуки в диапазоне до 100 килогерц (диапазон человеческого слуха — от 20 герц до 20 килогерц). Микрофоны передают данные вычислительному устройству, которое обрабатывает полученную информацию, а затем загружает в сеть, где с ней уже работают алгоритмы глубокого обучения.

Клиенты всегда могут проверить состояние машины с помощью любого подключенного к интернету устройства, например обычного смартфона или планшета.

Первыми клиентами компании стали предприятия тяжелой промышленности, где применяются циркулярные пилы и всевозможные турбины на электростанциях. Они начали с приобретения первого уровня сервиса, не включающего в себя машинное обучение. Этот пакет использует программное обеспечение, моделирующее поведение некоторых деталей машин, таких как циркулярные пилы, с точки зрения физики. Это позволяет рассчитать, когда детали механизмов начнут изнашиваться.

Следующий уровень предполагает использование глубокого обучения и звуков, фиксируемых микрофонами, для детектирования необычных шумов, исходящих из недр машины. Однако лишь третий уровень сервиса сможет классифицировать звуки и отождествлять их с определенными поломками. «И тогда мы сможем не только сказать, когда произойдет проблема А, мы сможем предсказать ее до того, как она случится, например за пять часов. Ведь некоторые проблемы не возникают в одночасье, им предшествует износ», — пояснил специалист.

Будучи правильным образом обученным, искусственный интеллект позволит предсказывать определенные поломки механизмов с точностью 98%.

Пока эти цели не достигнуты, и пользователи вручную занимаются составлением базы данных звуков, отождествляя их со специфическими отклонениями в работе.

В настоящее время в стартапе работает 15 человек, однако его основатели успели собрать $3,3 млн инвестиций. Одним из них стал Дов Моран, один из изобретателей флеш-накопителей. Если технология сработает, она сможет найти широкое применение в тяжелой промышленности, там, где используются режущие инструменты, электрогенераторы, турбины, моторы, компрессоры и всевозможные трансмиссии.