声紋が車両の故障を検出するために使用される場合、メルセデス・ベンツの権利保護事件で泣く必要はありますか？
車両の故障を手動で診断する方法は数多くありますが、そのプロセスは比較的面倒で時間がかかります。ビッグデータに基づいて、コンピュータービジョンテクノロジーとセンサー監視手法を使用して車両の故障を診断することで、手作業の時間を短縮し、検出精度を向上させることができます。
今朝、パリのノートルダム大聖堂火災のニュースが瞬時にスクリーンに流れ、全世界が悲しみに暮れました。
しかし現時点で、メルセデス・ベンツは、嵐の頂点から身を脱いだノートルダム・ド・パリとその火災に感謝しているのかもしれない。
ホットスポットはいずれ解消されるでしょうが、問題は残ります。自動車所有者の権利保護に関する紛争は、特別なケースではありません。, 多くの消費者は車の購入経験が浅いため、新車購入後すぐに問題が発見されることも珍しくありません。
これまでの事件の多くは、不規則な車検手続きや消費者情報の透明性の欠如が原因であった。
現代のテクノロジーを利用してこの状況を改善することはできるでしょうか?
メルセデス・ベンツを66万で購入しましたが、店を出る前に欠陥が発覚しました。
メルセデス・ベンツ車の女性所有者が自分の権利を守るために叫んだこの事件は、今日に至るまでまだ解決されていない。
この新車の故障問題に関して、もし車の所有者が大声を上げて大騒ぎしなければ、野次馬が拡散を「懇願」しなかったら、おそらく多くの同様の問題が丁寧な言葉で曖昧にされ、氷山の下に隠され続けていただろう。公式アクセント。
実際、多くの 4S 店舗ではコスト削減のために PDI テストを真剣に実施せず、ただ実行しているだけです。
新車本来の性能と安全性を顧客に保証するために、車は数千キロメートル走行し、長時間駐車されることがよくあります。しかし、実際の販売過程においては、本来不可欠だった検査が不要になったり、検査成績表のチェック欄にチェックを入れて車の所有者が署名したりするだけの形式的なものになっている。
では、このようなことを放っておいてもいいのでしょうか？
おそらくAIは同意しないでしょう。
車両の故障を検出するためのほぼ成熟した手動検出方法が長い間存在していましたが、そのプロセスは依然として比較的煩雑であり、解釈の権利はユーザーのみにあります。
想像してみてください。もし誰もが AI 車検ソフトウェアを持っているとしたら、将来の車の購入プロセスは次のようになるかもしれません。
店舗に入り、試乗し、AI車両検査ソフトウェアを開くと、さまざまな潜在的な欠陥が見つかり、車両には欠陥がありません。これにより、情報の透明性が確保され、店舗は何も騙すことができなくなり、顧客の権利と利益が保護され、権利保護事件が減少します...
現在、多くの企業がすでに AI を使用して車両の故障を診断しようとしています。
オーディオリスニングの障害を特定するためのディープラーニング
3DSignalsという会社「ディープラーニング」テクノロジーを使用して、音の検出を通じて車の故障を判断します。それは、機器が稼働しているときに音を聞いて、どこに問題があるかを判断できる経験豊富なマスターのようなものです。
同社の創業者は、音声認識以外の音声データの利用は他の面で十分に発展していないと述べた。
3DSignals は、超音波センサーによって収集された音データを通じて車内の異音を検出し、監視された異音を分類してラベル付けして、特定の種類の故障問題を判断します。
検出プロセスは非常に簡単で、車のいくつかの主要な部分にセンサーが配置され、同時に車の走行状態を監視します。データは情報処理ツールに供給され、異常な音声データが発生した場合、信号処理ツールはドライバー、顧客、その他の責任者にタイムリーに警告を送信できます。
判定分析では、より正確な予測を行うために、事前に十分なデータを収集し、AI モデルを効果的にトレーニングして、特定の音に正確にラベルを付け、対応する障害の問題を区別します。このようにして、音声収集を使用して問題領域を調査および維持し、災害を回避することができます。
レポートによると、トレーニング後、3DSignals の深層学習アルゴリズムは特定の問題の判断を達成できるとのことです。 98%の精度。
そしてこの技術は重工業で再利用されています。たとえば、コンピュータは水力発電所や製鉄所などの施設の異常な問題を診断するために「聞く」ように訓練されています。
車の故障の精度に関しては、より良いユーザーエクスペリエンスを得るために、現在も継続的に研究開発が行われています。
高級 SUV の場合、コンピューターを使用して「聞く」ことで機械的な問題を診断できることを想像してください。車の販売時に、買い手と売り手の両方が実際の真実の検査報告書を入手できるため、欺瞞的な行為の存在を回避できます。
サウンドテストを聞くだけでなく、写真を見て損傷を判断することもできます。
車両の故障を検出するだけでなく、コンピューター ビジョン テクノロジーを応用することで、事故に巻き込まれた車両の損傷も判断できるため、損傷評価プロセスがより迅速かつ正確になります。
英国の新興企業Tractableは最近、AIを利用して車両の修理/交換の判断を推定し、修理時間を予測する技術を発表した。
コンピューター ビジョンの原理に基づき、数億枚の車両損傷写真と多数の修理事例の経験を通じてトレーニングされた AI モデルは、30 秒以内に車両損傷の評価と修理の見積もりを完了できます。
このソフトウェアの使い方も非常に簡単で、顧客は携帯電話を使用して写真を送信し、3D アニメーション モデルを使用してコンピュータ上で車両の損傷を判断できます。
たとえば、2013 年のシボレー クルーズ LT1、ヒュンダイ、アウディの画像がデモンストレーション対象として選択され、Tractable は運用車両評価マネージャーのリサ モンゾン氏を招き、同時に画像を分析して、人工知能の評価と人間による評価の結果を比較しました。
上の写真の低走行距離の 2013 年クルーズの場合、HR 保険のトラブルシューティング評価では、バンパー カバー、右ヘッドライト、フェンダー ライナーなど 3 つのコンポーネントの交換が必要でした。推定補償額は 1568.80 ドルです。
従来の手動診断を使用しているある修理会社は、バンパー カバー、サイド フェンダー、ヘッドライト、ボンネット、フェンダー (排出ガス ラベルとともに) を交換する必要があり、当初の見積もりよりも多くの作業が必要であると結論付けました。推定補償額は 3981.49 ドルです。
Tractable の人工知能による評価の結果、Cruze のフェンダー、ヘッドライト、ボンネット、グリルを交換する必要があることがわかりました。その診断は明らかに人間の判断に沿ったものです。
最新の写真のトラブルシューティングも行います。
右後部ドアをクローズアップしたところ、AIは交換が必要であると診断した。モンソン氏は、ドアの傷は修復可能のようだが、へこみがあるということは、ドアを交換する必要があることを意味すると述べた。
この写真では、隣接するボディパネルの傷を捉えることができませんでした。これは、おそらく画像キャプチャが限られていて、エッジを識別できなかったためと考えられます。
アウディの診断ケーススタディ:
システムは、アウディには新しいフェンダーが必要であるが、バンパーの筋膜は修理できると結論付けましたが、後者の信頼度は 67% にすぎませんでした。
モンゾン氏はシステムの評価に同意し、バンパー外板の「軽微な損傷」は修復可能だと述べた。
さらに、このAIシステムにより、障害修復の予測修復時間が提供されるため、ユーザーは対応する準備を容易に行うことができます。
AI は世界をより良い場所にしますか?
人工知能は車両の故障を診断する上で信頼できるのでしょうか?
前述したように、車両故障診断ソフトウェアの精度は 98% に達します。同時に、人工知能損失評価ソフトウェアは、調査・被害査定担当者の負担を軽減する50%。さらに重要なことは、民間の自動車保険の請求を効果的に支援し、消費者と4S販売店の間の紛争を減らし、保険会社の請求漏れの割合を減らすことです。
データは概ね満足のいくものであるように見えますが、この技術には精度と汎用性の点でまだ改善の必要があります。近い将来、AI テクノロジーがこれらの障害を正確に判断できるようになることを期待しています。
メルセデス・ベンツ車の所有者の権利保護事件に戻りましょう。これほど長いプロセスでは、情報の不透明さにより、権利の保護と調停への道は終わりがないように思えます。おそらく、テクノロジーの進歩により、情報共有の時代が到来し、消費者と店舗の間に秘密はなくなるでしょう。そのとき、あなたはもう自分の権利を守るためにボンネットに座って泣く必要はありません。