这是什么做的？用敲击识别材质类别

古董商会这样做。家具修复师也会这样做。任何怀疑“实木橡木”桌子其实是MDF（中密度纤维板）表面贴了橡木纹薄膜的人都会这样做：用指关节敲击表面并倾听。致密、坚实的材料会发出鸣响；刨花板上的贴面板发出沉闷的闷响；空心板则发出轰鸣。敲击是一个脉冲，物体以短暂、逐渐减弱的鸣响作答，而这鸣响消失的方式很大程度上说明了该物品是由什么制成的。

敲击测试工具通过手机未处理的麦克风路径捕捉这一鸣响——即 衰减尾音，并提取出区分不同材质类别的特征：共振模式调谐的锐度、高频相对于低频消退的速度，以及能量整体衰减的方式。金属的鸣响悠长而清脆。玻璃和陶瓷的鸣响明亮，且高频消退极快。实木介于两者之间。MDF 和塑料几乎立即阻尼掉几乎所有振动。这与 水果敲击测试 在甜瓜上读取的两个维度——共振和阻尼——完全相同；同一个物理原理，应用在家具上而非农副产品。

关键在于，这些特征关乎阻尼特性，而非音高。小黄铜铃和大青铜钟敲击时的频率截然不同，但衰减方式却一致——频率描述的是物体的尺寸和形状，而衰减描述的是其材质。正是立足于衰减特性的分析，才让同一种分析方法同样适用于桌面、台面以及在跳蚤市场淘来的碗。

为什么单次敲击得不出答案

说句实在话，这也是该引导活动的设计核心：单次敲击只代表一种片面的看法。敲击的力度会改变结果。敲击物的硬度也会改变结果——指甲、指关节和戴着戒指的手指会激发不同的模式。你握持物体的位置也会改变结果，因为你的手起到了阻尼作用。单次采集根本无法告诉你，它测出的究竟是材质，还是你恰好敲击它的方式。

一组敲击则可以通过结果是否吻合来给出答案。因此，“这是什么材质？”活动在有效敲击少于三次时拒绝得出结论，并要求三次中至少有两次指向同一类别，该类别才会成为本次测量的最终结论。如果敲击结果不一致，活动既不会硬选出一个胜者，也不会通过取平均值来抹平分歧，而是要求重新测量。对同一物体的两次敲击结果不一致，提供的是关于操作规程的信息，而非材质信息：敲击物变了、握持姿势变了、或者敲击位置变了。正确的做法是规范操作过程，而不是靠抛硬币来碰运气。

敲击测试也作为单次采集存在于“工具”选项卡中——但那是专家版本，适用于已经能进行一致敲击的用户。而活动才是运行这一测试更严谨、更实在的方式。

来自振动马达的参考意见

该活动提供了一个可选的第二种仪器：将手机紧贴物体，让其振动马达探测物体，同时利用加速度计和麦克风记录反馈。这是一种真正独立的测量——通过不同的接触方式、不同的激励，由不同的传感器进行读取——这也正是它作为交叉比对工具的价值所在。

它的结论被视为佐证，而非另一张选票。如果探测结果与敲击吻合，置信度就会提高。如果两者相悖，本次测量将直接结束，不给出任何结论。这是刻意为之的：两个独立仪器对同一物体得出相反结论，意味着至少有一个测量出错了，而将错误测量与正确测量混在一起，只会对错误的问题得出一个看似笃定的答案。不给出结论，也比给出一个和稀泥的折中结果要好。

参考敲击：用对比代替绝对推断

该活动中最强大的选项也最简单：敲击旁边已知材质的物体。例如可疑桌子旁边的实木架子，或者可能是层压板台面旁边的天然花岗岩台面。

这改变了推断的性质。在没有参考物的情况下，分类器是在根据物理先验知识做出绝对断言——“这样的阻尼意味着它是木头”——但这些先验知识无法得知你眼前物体的确切情况。有了参考物，推断就变成了相对的：“这个未知的物体听起来和那个已知的物体一样。”使用同一部手机、同一个敲击物，在几秒钟内对两次敲击进行对比，所得出的推断要比绝对推断可靠得多——因为大多数可能导致测量偏差的因素会对两次敲击产生同等的影响，从而相互抵消。

不过，该活动对于何时允许参考物覆盖结论十分谨慎。两次敲击在阻尼特征上必须真正相似，参考物的类别才能替代基于先验的答案——玻璃参考物对木板毫无参考价值，而强行触发的参考物匹配比没有更糟。此外，对比过程刻意忽略了频率和模式数量：这些特征描述的是几何结构，对它们进行匹配无异于匹配“另一个大小相同的物体”，这恰恰是该工具旨在避免的错误。当参考物决定答案时，结论会予以注明，因此你随时能看清自己面对的是哪种推断。

它的用武之地

其使用场景正是你从传统的敲指关节习惯中能想到的那些，只是现在变得可重复：精美涂装下的实木与贴面板或中密度纤维板（MDF）的对比；逼真石纹贴面下的真石材与层压板的对比；空心与实心门板及板材的对比；以及在跳蚤市场上淘到、其卖家的说辞需要求证的宝贝。

一如既往，我们坦承局限性：得出的答案是材质的品类而非具体物种——是“实木”而非“黑胡桃木”——而且当前的分类器是基于物理先验构建的，而非训练出的模型。这就是最后一点的关键所在：每次测量中的每一次敲击都会被保存为普通测量，归档在目录中的该物体下方，当你最终搞清楚那张桌子到底是什么材质时，就可以填入真实标签。那些敲击不一致的测量也会被保留——未来的训练分类器需要学会何时拒绝回答，而这些正是供它学习的案例。你今天运行的活动，也是让明天的版本变得更好的数据集。

想要了解手机能进行的整套测量——敲击、嗡鸣声、振动、光线——请从阅读工具概览开始。