向善而生的AI助盲,让AI多一点,障碍少一点******
有人说,盲人与世界之间,相差的只是一个黎明。在浪潮信息研发人员的心中,失去视力的盲人不会陷入永夜,科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前,让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破,更多的失明者正在借助AI提供的感知、理解与交互能力,以另一种方式重新“看见世界”。
新契机:多模态算法或将造福数以亿计失明者
科学实验表明,在人类获取的外界信息中,来自视觉的占比高达70%~80%,因此基于AI构建机器视觉系统,帮助视障患者拥有对外界环境的视觉感知与视觉理解能力,无疑是最直接有效的解决方案。
一个优秀的AI助盲技术,需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展,才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够,以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力,也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说,多模态算法在AI助盲领域的应用一旦成熟,将能够造福数以亿计的失明者。据世卫组织统计,全球至少22亿人视力受损或失明,而我国是世界上盲人最多的国家,占世界盲人总数的18%-20%,每年新增的盲人数量甚至高达45万。
大挑战:如何看到盲人“眼中”的千人千面
AI助盲看似简单,但多模态算法依然面临重大挑战。
多模态智能算法,营造的是沉浸式人机交互体验。在该领域,盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一,这项研究已经吸引了全球数以万计的视障患者参与,这些患者们上传自己拍摄的图像数据和相匹配的文本问题,形成了最真实的模型训练数据集。
但是在现有技术条件下,盲人视觉问答任务的精度提升面临巨大挑战:一方面是盲人上传的问题类型很复杂,比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面,由于盲人的特殊性,很难提取面前物体的有效特征。比如盲人在拍照时,经常会产生虚焦的情况,可能上传的照片是模糊的或者没有拍全,或者没拍到关键信息,这就给AI推理增加了难度。
为推动相关研究,来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”,并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题,然后要求给出相应的答案,解决盲人的求助。
另外,盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说,盲人逛超市,由于商品外观触感相似,很容易犯错,他可能会拿起一瓶醋却询问酱油的成分表,拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效,没法给出有效信息。
最后,针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制,同样也是现阶段的研发难点。
多解法:浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变,无一例外都是消灭痛点,逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究,只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中,盲人最多的提问就是想知道他们面前的是什么东西,很多情况下这些物品没法靠触觉或嗅觉来做出判断,例如 “这本书书名是什么?”为此研发团队在双流多模态锚点对齐模型的基础上,提出了自监督旋转多模态模型,通过自动修正图像角度及字符语义增强,结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少?研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法,并提出多阶段交叉训练策略,具备更充分的常识能力,低质量图像、残缺的信息,依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点,在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此,研发团队首次提出视觉定位文本去噪推理任务FREC,FREC提供3万图片和超过25万的文本标注,囊括了口误、歧义、主观偏差等多种噪声,还提供噪声纠错、含噪证据等可解释标签。同时,该团队还构建了首个可解释去噪视觉定位模型FCTR,噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议,该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上,浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA,同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感,但浪潮信息的研发团队,却在努力让盲人能“看”到科技的温度,也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍,跨越山海。科技的伟大之处不仅仅在于改变世界,更重要的是如何造福人类,让更多的不可能变成可能。当科技成为人的延伸,当AI充满人性光辉,我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意,见证着更加光明宏大的远方。
国际锐评|这座“里程碑”引领中阿迈向更好未来******
“这次峰会是中阿关系史上一座里程碑,必将引领中阿友好合作迈向更美好的未来!”当地时间9日,中国国家主席习近平在沙特首都利雅得举办的首届中国-阿拉伯国家峰会上发表主旨讲话,强调要继承和发扬“守望相助、平等互利、包容互鉴”的中阿友好精神,构建更加紧密的中阿命运共同体,并提出中阿务实合作“八大共同行动”。双方发表《首届中阿峰会利雅得宣言》等成果文件,一致同意全力构建面向新时代的中阿命运共同体。这是本次峰会取得的最重要政治成果。
这次峰会是新中国成立后第一次与阿拉伯国家集体举行的领导人峰会。峰会决定将中阿关系提升至新高度,是对传统友好的传承,更是面向未来的开创。
早在2000多年前,中阿两大民族就有了往来。陆上丝绸之路和海上香料之路成为沟通东西方文明的两条大动脉。新中国成立后,中阿在争取民族独立、实现民族振兴、推动共同发展的道路上肝胆相照、风雨同舟,成为南南合作的典范。首届中阿峰会的举办,标志着中阿合作论坛的深度和广度被提升到新的层次,反映了双方在新形势下加强互利合作的期盼。
当前世界进入新的动荡变革期。一方面,世界经济复苏乏力,局部冲突和动荡频发。一方面,个别西方大国推行单边主义、霸权主义,给他国和平与发展造成干扰。中阿都主张维护以国际法为基础的国际秩序和多边主义,维护发展中国家利益,捍卫发展中国家权利。同时,中阿都面临实现民族振兴、加快国家发展的历史任务。双方构建更加紧密的中阿命运共同体,有助于服务各自发展目标。首届中阿峰会的召开,可以说正当其时。
如何构建面向新时代的中阿命运共同体?峰会上,中方既提出了理念主张,也给出了行动方案。
“我们要坚持独立自主,维护共同利益”“我们要聚焦经济发展,促进合作共赢”“我们要维护地区和平,实现共同安全”“我们要加强文明交流,增进理解信任”——习主席提出的这四点主张,契合中阿加强全方位合作的现实需要,为构建面向新时代的中阿命运共同体指明了方向。
和平与安全是阿拉伯国家的突出关切。作为真诚朋友,中国始终为中东和平发挥建设性作用,从不谋求什么地缘私利,更无意去填补所谓的“权力真空”。本次峰会上,习主席强调,中方支持阿拉伯国家自主探索符合本国国情的发展道路,把前途命运牢牢掌握在自己手中。针对中东问题核心巴勒斯坦问题,习主席强调,国际社会应该坚定“两国方案”信念,中方将继续向巴方提供人道主义援助,支持巴方实施民生建设项目。这体现了中方说公道话、办公道事的一贯立场。
阿拉伯有句谚语:“语言是叶子,行动才是果实。”构建面向新时代的中阿命运共同体,双方都要有实打实的行动。本次峰会上,习主席提出,未来3到5年,中方愿同阿方一道推进“八大共同行动”。这是构建中阿命运共同体和落实《中阿全面合作规划纲要》的第一步。
从具体合作清单看,涉及支持发展、粮食安全、卫生健康、绿色创新、能源安全、文明对话、青年成才、安全稳定等8个领域。这展现出中方愿与阿拉伯国家共同发展的真诚意愿。《阿拉伯人消息报》9日发文指出,在国际格局发生重大变化、需要加强战略合作的背景下,广阔的发展前景正在等着阿中双方。
中国需要阿拉伯国家,阿拉伯国家也需要中国。构建面向新时代的中阿命运共同体,是对两千多年丝路情谊的传承,是各自实现民族振兴、加快国家发展的需要,也是这个变革大时代所需。在新蓝图指引下,中阿关系将提质升级,更好造福双方人民,为世界和平和发展贡献更大力量。
(央视新闻客户端 国际锐评评论员)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |