为何机器学习识别声音还做不到像识别图片那么容易？

声音是传递信息的重要方式之一。 大多数开车的人都熟悉汽车皮带打滑的声音。我爷爷甚至能靠耳朵来判断高载火车的刹车问题。还有很多专家都能通过听他们常用机器发出来的声音来检测机器运行的问题。

如果能找到一种自动监听的方法，我们就可以24小时监控我们生活的世界中存在的各种机器。 当我们被通知机器声音发生异常时，我们便可以预测出发动机、铁路基础设施、石油钻井和发电厂的运行故障。

自动监听技术能减少运行事故造成的人员伤亡。尽管最近机器学习领域取得了很大发展，利用机器学习实现自动监听的技术仍处于研发阶段。我们已经获得许多音频数据，但这些数据往往没有关键的分类标签（译者注：即标注每段音频来自正常还是异常的运行情况）。 在深度学习的模型里，这样的“黑箱”问题让我们很难确定某段音频被标记为异常的原因。我们仍然在努力解决真实的机器学习的边缘问题中的难题。。