通过识别从城市传感器收集的这些声音片段来帮助抵抗噪音污染

城市是嘈杂的地方，科学家团队相信传感器，人工智能和一些慷慨的志愿者可以帮助解决问题。纽约市(SONYC)的声音要求市民科学家听取城市周围传感器收集的10秒声音片段，并确定他们听到的内容。

向用户呈现音频的频谱图可视化和选项菜单(“小型发声引擎”，“狗吠”，“冰淇淋卡车”)，并且必须选择适用的所有选项。然后将该信息提供给算法，该算法将学习如何更好地识别噪声源。希望这一切能够更好地理解噪音污染和更好的抗击工具。

SONYC是纽约市，纽约大学和俄亥俄州立大学之间为期五年的合作项目。Verge与纽约大学博士后马克·卡特赖特(Mark Cartwright)进行了交谈，他正在研究如何将声音片段标记为一个更安静的城市。为清楚起见，对这次访谈进行了轻微编辑。

SONYC项目的最终目标是打击噪音污染。除了仅仅是烦人的噪音污染有什么负面影响?

这是这个城市最复杂的问题之一。它会产生健康影响，睡眠中断，听力损失，学习障碍，并且还会产生经济影响。我们想让纽约变得更安静。

整个项目试图监测，分析和减轻噪音污染。首先，我们在整个城市部署了传感器网络，然后我们训练模型以识别城市中不同的噪声源，以及他们测量的响度。由此，我们可以更好地了解噪音，然后为城市代理商构建工具，帮助他们更好地理解噪音并执行噪音代码。

要求志愿者确定噪音的类型。如果您已经知道该区域有多大，那么为什么类型很重要?

它使事情更具可操作性。如果我们只知道城市的某个特定部分发出巨响并且我们不知道是什么原因造成的，那就很难减轻噪音。但是，如果我们知道这是一个导致声音达到这个大峰值的打桩机，我们可能会测量它，如果它超过了噪音代码中的阈值，例如。我们可以部署检查员进一步调查。

我们正在与城市机构密切合作，帮助他们并为他们建立工具。这是未来的工作，所以我现在不能说很多，但我们想要帮助，例如，建筑工人了解噪音足迹和自我调节，这样他们就不会被罚款，市民也能理解城市中的噪音。对他们的生活做出更明智的决定。我们还想让这些数据可供人们在其上构建自己的工具。

机器学习如何进入所有这一切?

从理论上讲，我们可以有成千上万的人一直在倾听，以识别这些不同的声音，并记录下来，但我们需要大量的人。我们的想法是通过机器学习来扩展该过程。

我们可以让他们听一些较少数量的录音并标记它们，而不是让人们不断地听传感器。我们将这些信息提供给机器学习算法，并培训他们快速完成这项任务。我们要求公民科学家自愿花时间听录音并给他们贴上标签，我们希望由于这是一个问题，很多人都会关心这些问题，他们会帮助我们找到解决方案。

需要注释多少条录音?

我们估计约有50,000。我们也有很多冗余。我们要求每个录音由三个不同的人注释，我们在这些人之间寻求协议。

你是否担心错误和人们不善于识别噪音来源?

这是一项艰巨的任务。我们很想得到可能有更多经验的志愿者，比如潜在的一些建筑工人，他们了解手提钻和锄头之间的区别。

我们喜欢瞄准纽约人的一个原因不仅仅是因为他们住在这里，所以也许有些纽约人对这些声音的含义有一些潜意识的理解。你可能没有意识到这一点，但你可以分辨出街道清洁工和锯子之间的声音差异。如果你住在纽约并且你一直四处走动，看到街道清洁工并将声音与之相关联，那么当你正在收听录音时，你可能会更好地区分它们，即使它们都非常嘈杂。并且有一些奇怪的声音一直发生在纽约，就像汽车在道路建设，酒窖门等街道上滚动的声音一样。