В партнерстве с Google Управление столичного транспорта (MTA) привязало несколько телефонов Google Pixel к вагонам нью-йоркского метрополитена для сбора данных. Эксперимент стал частью усилий MTA по автоматизации и расширению инспекций и ремонта путей в целях безопасности, и прикрепление нескольких Pixel к поезду показалось лучшим местом для начала.
Для интересующихся фактами: нью-йоркское метро перевозит более 3 миллионов человек в день, согласно собственному веб-сайту. При таком объеме пассажиропотока усилия людей по поиску, отслеживанию дефектов и их устранению могут быть лишь до некоторой степени эффективными. Это работает, но есть возможности для улучшения.
MTA стремится дополнить эти усилия своего рода автоматизацией, а ИИ в партнерстве с существующими технологиями не так уж трудно заполучить. Как сообщает WIRED, Google и MTA Нью-Йорка объединились, чтобы прикрепить несколько устройств к вагонам метро для прослушивания на предмет дефектов путей и записи других данных о движении. Эти устройства были не специализированным оборудованием для профессионального сектора; это были Pixel.
Google Public Sector сотрудничал с нью-йоркским метрополитеном, предоставив несколько Pixel для экспериментов с существующим серийным оборудованием в рамках проекта TrackInspect. Если бы TrackInspect оказался успешным, это показало бы, что обычные телефоны способны предоставлять достаточно данных для дополнения работы, выполняемой людьми при ремонте и обслуживании рельсовой системы. Pixel должны были собирать аудио-, данные о движении и географические данные под землей для обучения моделей ИИ, которые могли бы эффективно упаковывать данные для ремонтных бригад. Все звуки, которые пассажиры принимают как должное — скрежет и тяжелые удары или толчки — могли бы быть преобразованы в конкретный участок пути, требующий внимания.
Хотя человеческое инспектирование по-прежнему необходимо, цель состоит в том, чтобы автоматизировать большую часть системы маркировки. Из всех записей нью-йоркского метро, сделанных с помощью скрытых телефонов Pixel, 92% зарегистрированных дефектов были подтверждены инспекторами. В рамках этого проекта инспектор слушал весь собранный аудиоматериал и анализировал записи вибрации с 80% успешностью. Проект TrackInspect собрал 335 миллионов показаний датчиков и 1200 часов аудио. Эти данные были использованы для обучения около 200 отдельных моделей ИИ для этой конкретной работы.
Есть надежда, что MTA сможет внедрить эту технологию дальше, возможно, с использованием специализированного оборудования, а не устройства, предназначенного для совершенно другого. Проект доказывает, что доступные сейчас технологии могут быть внедрены с минимальными затратами при наличии соответствующих моделей ИИ.