翻译    阿斯兰

城市是嘈杂的地方，科学家相信传感器、人工智能和一些志愿者的加入，可以帮助解决这个问题。“纽约市之声”（Sonyc）要求志愿者们聆听城市周围传感器收集的10秒声音片段，并识别他们听到的声音。

用户提供音频和选项菜单（“小型发声引擎，”“狗叫，”“冰淇淋车”）的可视化频谱图，并必须选择应用上的所有选项。然后这些信息将被统一计算，该算法将被用以更好地识别其自身上的噪声源。希望所有这一切都能更好地认识噪音污染并研究出对抗噪音的工具。

Sonyc是纽约市、纽约大学和俄亥俄州立大学共同研发的为期五年的合作项目。维格采访了纽约大学博士后马克·卡特赖特（MarkCartwright），他正在研究这个项目。他想了解更多关于如何贴上声音剪辑的标签让城市变得更加安静的方法。为了更好理解，对这次采访作了小小的编辑。

SonyC项目的最终目标是消除噪音污染。除了让人觉得厌烦，噪音污染还有其他负面影响吗？噪音是城市中最复杂的问题之一。它产生的影响有：健康影响、睡眠中断、听力损失、学习障碍和经济问题。我们想让纽约成为一个安静的地方。

该项目作为一个整体，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一个传感器网络，然后我们训练我们的模型来识别城市中不同的噪音来源，以及他们测量的响度。从这一点出发，我们可以更好地理解噪声，然后为城市机构建立工具，帮助他们更好地理解噪声，执行噪声法规。

志愿者被要求识别噪声的类型。如果你已经知道该地区有多大，那为什么这个类型的问题呢？它使事情变得更加可行。如果我们知道这个城市的某个地方有很大的噪音，我们不知道是什么引起的，那就很难减轻噪音。但是，如果我们知道它是一个导致这个大的峰值声音的打桩驱动器，那么如果它超过了噪声代码中的阈值，我们就可以对它进行测量。我们可以部署检查专员进行进一步调查。

我们正与城市机构密切合作，帮助他们并为他们开发工具。这是将来研究的方向，所以我现在不能说太多，但我们可以提供帮助，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，市民了解城市里的噪音，并对他们的生活做出更明智的选择。我们还希望将这些数据提供给人们，让他们在此基础上选择适合自己的工具。

机器学习是如何进入这一切的？理论上，我们可以让成千上万的人一直在听，以识别出这些不同的声音，并对它们进行标注，但我们还需要大量的人来参与进来。我们的想法是用机器学习来扩展这个过程。而不是让人们不断地听传感器，我们可以让他们听一些较少的录音，并给他们贴上标签。我们将这些信息提供给机器学习算法，并训练他们快速完成这一任务。

我们要求志愿者们自愿参与，利用他们的空余时间，听录音并给贴上标签，但更多人关心的是，这项研究究竟能否帮助他们找到消除噪音的方法。

这项研究大概需要5万张唱片。我们也有很多这项工作太过繁琐。我们要求每个录音都有三个不同的人注释，需要这些人的意见一致才可以被采纳。而且还要担心错误和人们不善于识别噪音的来源。

这是一项艰巨的任务。我们希望得到各行业专业的志愿者的支持，他们可能会有更多的经验，比如潜在的一些建筑工人，比如他们理解了起重锤和锄头的噪音之间的区别。我们喜欢找纽约人作为志愿者，并不只是因为与他们相关，而是因为他们住在这里。但是也许有些新纽约人对这些声音有一些潜意识的理解。你可能没有意识到，但你可能会分辨出街道清洁器和锯子之间的声音差别。如果你住在纽约，你一直在四处走动，看到街上的清洁工和声音，当你听录音时，即使他们都很吵，你可能会很好地辨别那些。在纽约所有的时间里都发生了奇怪的声音，比如从道路建筑、地下室门等上滚动的汽车的声音。