人工診斷車輛故障的方法並不少，但流程相對繁瑣費時。基於大資料，利用計算機視覺技術以及感測器監測手段，對車輛故障進行診斷，能夠減少人工工作時間以及檢測準確率。
前兩天，巴黎聖母院遭遇火災的訊息瞬間刷屏，全世界都為它感到痛心。
但是這個時候，賓士可能正在感謝巴黎聖母院，感謝它的一場大火，把自己從風口浪尖上頂下來。
熱點總會過去，問題卻依然存在。車主維權糾紛的事情並不是個例，由於很多消費者缺乏購車經驗，買到新車不久就發現問題的事情屢見不鮮。
很多以往案件，都是因為車輛檢測流程不規範，對於消費者資訊不透明所致。
能否利用現代技術改善這一情形呢？
66 萬買賓士，出店前故障已暴露
時至今日，賓士女車主哭訴維權的事件仍遲遲沒得到解決。
對於此次新車故障問題，如果不是車主哭訴大「鬧」，「求」圍觀者擴散，也許很多類似問題都還繼續暗藏在冰山之下，被那些打著官腔的客套話所搪塞著。
事實上，不少 4S 店為了降低成本並沒有認真做 PDI 檢測，只是走個過場。
一輛車從生產廠運送到 4S 店期間往往會經歷上千公里的運輸路途和長時間的停放，為了向顧客確保新車的原廠效能和安全性，PDI 檢測必不可少。但在實際銷售過程中，本來必不可少的檢測卻變得可有可無，或如走過場般地在檢測報告上不斷打鉤後，由車主簽字就算交代。
那麼對於這樣的事情，只能聽之任之嗎？
也許，AI 並不答應。
雖然對於車輛的故障檢測，早就有一套接近成熟的人工檢測方法，但過程還是相對繁瑣，而且解釋權也只是掌握在使用者的手中。
不妨設想一下，如果人人都有一款 AI 驗車軟體，今後買車的流程可能會是：
進店，試車，開啟 AI 驗車軟體，發現各種潛在故障/車輛無故障。如此便可實現資訊透明化，店家無所欺瞞，顧客權益有保障，維權事件減少……
目前，很多公司就已經在做 AI 診斷車輛故障的嘗試。
深度學習聽音辨故障
一家叫 3DSignals 的公司利用「深度學習」技術，通過聲音檢測來判定汽車故障。這就像是經驗老道的師傅，在裝置執行的時候，聽一聽就知道問題出在了哪裡。
這家公司的創始人表示，聲音資料的利用，除了語音識別之外，其他方面都還沒有足夠的發展。
而 3DSignals 是通過超聲波感測器收集的聲音資料，檢測出汽車的異常噪聲，並對監測的異常聲音進行分類標註，從而判斷出具體的故障問題型別。
檢測流程很簡單，將感測器放置在汽車的幾個關鍵部位，通過收集資料來監測汽車的執行狀態，同時將資料饋送到資訊處理工具，如果發生異常的聲音資料，訊號處理工具就能向駕駛員，客戶，等負責人傳送及時的警報。
在判斷分析中，為了預測更加準確，需要提前收集足夠的資料，並對 AI 模型進行有效的訓練，為特定的聲音加上準確的標籤，以區分對應的故障問題。通過這樣的方法，就可以利用收集聲音的方式，調查和維護問題區域以避免災難的發生。
根據報導，在經過訓練之後， 3DSignals 的深度學習演算法，在特定問題的判斷上，能達到 98% 的準確率。
而且這項技術，在重工業中已經得到重用。比如訓練計算機「監聽」診斷水電廠和鋼鐵廠等設施的異常問題。
而對於汽車故障方面的準確性，還在不斷研發中，以獲得更好的使用者體驗。
想象一下，對於一輛豪華 SUV ，利用計算機去「傾聽」就能診斷機械問題，在汽出售時，讓買賣雙方都能得到實際真實的檢測報告，就能避免那些欺騙行為的存在。
除了聽音檢測，還能看圖定損
除了能對車輛故障進行檢測外，基於計算機視覺技術的應用還能對發生事故的車輛進行定損，讓定損流程更加快捷且準確。
英國初創公司 Tractable 近日公佈了一項技術，利用 AI 進行車輛維修/更換決策的估計，以及對修復工時的預判。
基於計算機視覺原理，通過數以億計的車輛損壞照片，以及大量的維修例項經驗進行訓練，AI 模型可以在 30 秒內可完成車輛定損與維修估計。
該軟體使用起來也很簡單，客戶通過手機傳送照片，便可在電腦上通過 3D 動畫模型判定車輛的損壞情況。
比如選擇 2013 年雪佛蘭科魯茲 LT1、現代和奧迪的影象作為演示物件，Tractable 還邀請了運營汽車評估經理 Lisa Monzon 同時對圖片進行分析，以進行人工智慧評估和人工評估結果的對比。
對於上圖中低里程的 2013 年科魯茲照片，人力保險公司故障診斷評估結果為：要求更換三個部件 —— 保險槓蓋，右前照燈和擋泥板襯裡 ，還有其他操作。預估保險金額為 1568.80 美元。
一個維修公司用傳統的人工診斷給出的結果是：需要更換保險槓蓋，側擋板，前照燈，發動機罩和擋泥板（以及排放標籤），並且包含的操作比原來的估計要多。它的預估保險金額是 3981.49 美元。
而 Tractable 的人工智慧評估結果為：要求更換科魯茲的擋泥板，前大燈，引擎蓋和格柵。它的診斷明顯更貼合人為的判斷。
它還對現代的照片進行故障診斷：
右後門的特寫鏡頭導致人工智慧診斷它需要被替換。Monzon 表示門上的刮痕看起來有可能修復，但凹痕的存在，使得門需要被更換。
照片無法捕捉相鄰車身皮膚上的刮擦，可能是因為影象拍攝有限，而無法識別邊緣部分。
診斷奧迪的案例：
該系統得出結論，奧迪需要一個新的擋泥板，但保險槓皮膚可以固定，雖然後者只有67％的置信水平。
Monzon 對系統作出的評估表示同意，他認為保險槓皮膚的「輕微損壞」可修復。
此外，這個 AI 系統能夠對故障的修復給出一個預測的修復時間，能方便使用者做好相應的準備。
AI 會讓世界更美好嗎
人工智慧診斷車輛故障靠譜嗎？
如上文所述，聽音診斷車輛故障軟體準確率可達到 98%。同時，據報導，人工智慧定損軟體可減少查勘定損人員 50% 的工作量。更重要的是，它會有效幫助私家車保險索賠案，減少消費者與 4S 店的糾紛，以及保險公司理賠滲漏比例。
雖然資料看上去基本令人滿意，但該技術在準確率和普遍性上仍有待提高。期待在不遠的將來，AI 技術能夠幫助我們精準地判斷這些故障。
回到賓士車主維權事件。在如此漫長的處理過程中，資訊的不透明讓維權與調解之路都顯得漫漫無期。也許，技術的進步會讓我們看到資訊共享的時代，消費者與店家之間將沒有祕密。那時候，就不再需要坐到發動機蓋上哭訴才能維權了。