保羅·馬克斯

在位于英國劍橋北部的英國空軍基地的一個隔音機(jī)庫中，克里斯·米切爾和他的同事正在忙著揮舞大錘給計(jì)算機(jī)“上課”。

米切爾的該團(tuán)隊(duì)收集了數(shù)以千計(jì)的不同形狀和尺寸的玻璃窗和門，然后一個接一個的敲碎，并錄下每種類型玻璃破碎時的獨(dú)特聲音。使用的工具也不盡相同，有時他們用大錘或花園鐵鍬，有時他們?nèi)哟u?！拔覀兺耆凸懒诉@件事有多麻煩，”米切爾說，“而且沒想到會這么累?！?/p>

歡迎來到人工智能的最新前沿。米切爾是位于劍橋的創(chuàng)業(yè)公司音頻分析的首席執(zhí)行官和創(chuàng)始人，這家公司正在訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)識別玻璃破碎的聲音。

不只是玻璃而已：該公司還在教計(jì)算機(jī)識別對人類重要的其他聲音，如煙霧報(bào)警器的聲音、嬰兒嚎啕大哭的聲音、狗叫聲。他們的想法是把計(jì)算機(jī)識別聲音的這種能力融入智能家居系統(tǒng)中，這種系統(tǒng)不會把玻璃杯摔碎的聲音與窗戶被砸碎的聲音混淆起來，這樣，當(dāng)有人闖入你家或你的孩子開始哭泣時系統(tǒng)就會向你發(fā)出警報(bào)。

? ? ? ? 米切爾的團(tuán)隊(duì)與獸醫(yī)一起追蹤和記錄盡可能多的包括從京巴到大丹犬等不同品種在內(nèi)的狗的吠聲

在過去幾年中，計(jì)算機(jī)已經(jīng)非常擅長通過視覺了解世界。人工智能在識別某些物體，特別在面部識別領(lǐng)域，已經(jīng)比人類做的更好。但語音識別領(lǐng)域進(jìn)展緩慢。語音識別能力是蘋果的Siri、谷歌Home和亞馬遜的Alexa系統(tǒng)的核心能力。不過到目前為止高精度聲音識別沒有得到過多的關(guān)注。對大多數(shù)機(jī)器來說，日常噪音只是背景雜音。

聽音識別 讓生活變得易懂

米切爾想改變這一點(diǎn)。 “我們正在研究的是一個新的人工智能領(lǐng)域，我們稱之為人工音頻智能，”米切爾說，“這一領(lǐng)域尚未做出任何有意義的突破?！?/p>

音頻分析屬于新的一批專門訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)來識別聲音模式的初創(chuàng)公司?？偛课挥诎亓值腢berchord公司正在開發(fā)一個人工智能系統(tǒng)，它可以幫助人們學(xué)習(xí)彈吉他。它會聽你的彈奏，然后告訴你在什么時候你的指法錯了。除了Uberchord以外，還有幾家聲音領(lǐng)域的人工智能公司獲得了阿比路錄音室的投資，披頭士樂隊(duì)曾經(jīng)在這家錄音室錄制專輯。

另一家創(chuàng)業(yè)公司劍橋顧問則教人工智能識別不同類型的鋼琴音樂，如拉格泰姆音樂或巴洛克。公司名為Aficionado的系統(tǒng)接受了幾百小時鋼琴樂曲的訓(xùn)練，包括專業(yè)唱片和來自YouTube的業(yè)余練習(xí)視頻。劍橋顧問公司的蒙提·巴洛說，我們故意使用雜亂無章的訓(xùn)練數(shù)據(jù)，“我們就是想看看人工智能系統(tǒng)是否能處理無比復(fù)雜的現(xiàn)場音樂?！?/p>

然而，Aficionado系統(tǒng)的音樂才華不只是為了表演。結(jié)果證明，讓系統(tǒng)接受音樂訓(xùn)練，并讓它忽略不相關(guān)的因素如速度、音量或音調(diào)，是讓它學(xué)習(xí)在復(fù)雜的數(shù)據(jù)中找到規(guī)律的很好的方式，無論音樂表現(xiàn)的內(nèi)容是什么。 Aficionado系統(tǒng)的第一個任務(wù)是確定電信網(wǎng)絡(luò)中的故障。

但是音頻分析有更大的野心?！拔覀兿胍獎?chuàng)造一個對所有聲音的分類法，這是一個巨大的工程，”米切爾說。到目前為止，該公司的軟件可以識別窗戶被打破的聲音，嬰兒的哭泣聲和煙霧報(bào)警器的聲音。前不久，在拉斯維加斯的國際消費(fèi)電子展（CES）上，他們還把狗的叫聲添加到他們的聲音庫中。

他們還在制造一個異常檢測器，它會識別不正常的聲音，比如正常的嘈雜的背景音發(fā)生了變化，有人摔倒的咔嗒聲，或者水管泄漏的嘶嘶聲。最終，他們想要加入汽車警笛，還有為美國市場準(zhǔn)備的槍聲。音頻分析計(jì)劃之后將把這些聲音識別系統(tǒng)的使用許可提供給智能家居家電的制造商。

英國智能恒溫器和照明公司Hive的總經(jīng)理尼娜·芭提雅說，識別不同聲音的能力很重要?！巴ㄟ^智能家居技術(shù)檢測和解讀各種各樣的環(huán)境聲音的重要性日益加強(qiáng)，這樣當(dāng)人們不在家時，他們就可以輕松快速地應(yīng)對發(fā)生的事情，” 她說，“如果你在開會時，家里的煙霧報(bào)警器響了，你就會接到警報(bào)。而不是只有當(dāng)你在沙發(fā)上時，你才會獲得警報(bào)?！?/p>

除了向您的手機(jī)發(fā)送警報(bào)之外，這些系統(tǒng)也可以自己采取行動。窗戶被砸碎后，系統(tǒng)可以開燈。嬰兒的哭泣聲也會打開夜燈，然后附近的揚(yáng)聲器就會播放搖籃曲。

事實(shí)上，中國電子公司生迪智慧正在把音頻分析公司的技術(shù)應(yīng)用到內(nèi)置揚(yáng)聲器的智能燈具的底座里。其他智能家居公司也正在將它安裝到它們的設(shè)備中，包括恒溫器。恒溫器通常安裝在家中的中心位置，是監(jiān)聽的好地方。

智能辨聲還處于收集基礎(chǔ)數(shù)據(jù)階段

難點(diǎn)在于要確保人工智能正確識別它聽到的聲音，因?yàn)殄e誤的警報(bào)可能會造成混亂。然而機(jī)器學(xué)習(xí)系統(tǒng)無法超越訓(xùn)練時聽過的例子。正如米切爾所說：“除非你有數(shù)據(jù)，否則人工智能一點(diǎn)用都沒有?！?/p>

獲取這些數(shù)據(jù)是件難事。"我們連續(xù)幾周不停的砸玻璃，“米切爾說。”其中一些窗戶是完整的落地櫥窗。敲碎那些玻璃時，當(dāng)玻璃摔下來時可能會砍斷你的腳或腿。

為了獲得足夠多的嬰兒哭泣聲的錄音，該公司與劍橋的父母團(tuán)體合作。為了編目他們錄制的內(nèi)容，他們當(dāng)時不得不造出一些詞匯來描述不同類型的哭泣聲。米切爾說：“例如，有一種非常聲嘶力竭的哭喊，似乎是用喉嚨的后面發(fā)音，我們稱之為‘聲樂哭?！?/p>

狗叫聲比較容易。他們與獸醫(yī)合作，跟蹤了盡可能多的不同品種，從小型京巴狗的叫聲，到和沙發(fā)一樣大的大丹犬的叫聲。

為了讓他們的系統(tǒng)知道煙霧報(bào)警器的聲音，音頻分析公司直接在網(wǎng)上買了幾乎所有型號的報(bào)警器?，F(xiàn)在辦公室的貨架上堆放著數(shù)百臺報(bào)警器。最初，他們的人工智能很難區(qū)分自煙霧報(bào)警器的聲音和其他家電發(fā)出的嗶嗶聲，如電話鈴聲、鬧鐘和烤箱計(jì)時器。于是，他們讓人工智能不僅關(guān)注警報(bào)的音高和持續(xù)時間，還要關(guān)注嗶嗶聲之間的獨(dú)特的間隙。

但無論你打碎多少玻璃，拉響多少個煙霧報(bào)警器，總會有新的驚喜。有一種鸚鵡，竟然能模仿煙霧報(bào)警器嗶嗶叫的聲音。于是，音頻分析不得不讓系統(tǒng)忽略鳥類的假警報(bào)。

他們想教系統(tǒng)的另一個聲音是當(dāng)人類發(fā)出激奮聲音時的音調(diào)和語調(diào)變化，比如有人威脅要采取暴力。這不會因?yàn)檎Z言或文化的不同而發(fā)生很大變化，米切爾說。當(dāng)腎上腺素大量分泌并影響發(fā)聲系統(tǒng)時，人的聲音會發(fā)生特殊的變化。

然而音頻分析公司已經(jīng)被迫將其擱置，因?yàn)樗麄儼l(fā)現(xiàn)小區(qū)里雞的叫聲和鏈鋸的聲音也會觸發(fā)他們的警報(bào)器。

這是一個嘈雜的世界——但是人工智能才剛剛開始聆聽。？笏（摘自英國廣播公司新聞網(wǎng)）（編輯/萊西）