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。
台湾爱国组织联署反对麦卡锡赴台制造台海危机******
中国日报1月31日电(记者 张怡) 由台湾劳动党、统一联盟党等20多个岛内爱国党派、团体组成的"两岸和平发展论坛"30日发表声明,反对美国众议院新任议长麦卡锡赴台制造台海危机,呼吁争取台海和平的一线可能。
据媒体报道,麦卡锡将于4月窜台,对此,"两岸和平发展论坛"发表题为"反对麦卡锡来台,化解危机人民自救"的声明,称倘若麦卡锡真的来台湾,大陆势必将被迫采行更加强烈和直接的反制措施,届时恐怕将引爆第五次台海危机。
声明表示,去年佩洛西窜访台湾,完全没有给台湾人民带来任何好处,反而给台湾带来了动荡和不安。当时中国大陆军演从六个方向将台湾全面围岛,解放军首次进入台湾24海浬的海岸线内,常规飞弹首次穿越台湾,首次在台湾以东设置靶场,两岸军舰在高雄外海对峙最近距离甚至只有不到200公尺。受军演反制的冲击,共有18条民航航路受影响,数百架次航班需要绕道。在演习结束后,两岸兵凶战危、军事紧张常态化迄今仍未降温。
然而,因佩洛西来台湾而导致两岸关系紧张所造成的负面后果,却完全由台湾民众承担,佩洛西则只是一昧向台湾推崇美国国会通过的《芯片法案》,声称将推动美台之间的半导体芯片合作,导致台积电于当年12月赴美设立5纳米先进制程晶圆厂,大量台湾顶尖工程师和家眷举家搬迁至美国,严重造成台湾产业健康发展的隐患。佩洛西来台湾除了造成台海军事动荡,甚至还进一步掏空台湾。
"两岸和平发展论坛"在声明中指出,麦卡锡自诩为美国国会抗中议员的领袖,为了领导美国国内所谓的"抗中派",到台湾来表演一场,可以凸显其所谓强硬"挺台"与"抗中"的姿态,骗取在美国的选票和政治资本。届时麦卡锡为美国军火商游说台湾,要求台湾购买更多美国的昂贵军火也不无可能。麦卡锡为了个人政治利益,不惜牺牲台湾、再次制造台海危机。有媒体引述军事专家观点,认为此次大陆的反制措施将会"更加全面震撼",届时台海两岸和各方相对应的剧烈军事行动,一不小心便很有可能出现擦枪走火。
声明指出,不论是佩洛西还是麦卡锡,来台做秀一场对台湾人民只有百害而无一益,只会给已高度紧张的台海局势火上浇油。去年有近三分之二台湾民众不欢迎佩洛西来台做秀,然而不论是执政的民进党还是在野的国民党,都不敢正面拒绝美国政客来台。"两岸和平发展论坛"郑重呼吁,台湾不应当美国棋子,不应做美国政客的造势工具。
声明称,两岸分隔的局面是上世纪内战遗留下的历史问题,结束两岸敌对关系、完成国家统一是中国的内政,要求两岸和平交流与共同发展也是两岸同胞的共同愿望。面对兵凶战危的非常时刻,抢救和平、化解迫在眉梢的危机,是两岸同胞共同的利益和责任。为此,"两岸和平发展论坛"在全台湾发动联署,唤醒台湾人民的危机意识,汇聚强烈不满的民意压力,强力反对麦卡锡来台制造台海危机,以争取台海和平的一线可能。
(中国日报网)
(文图:赵筱尘 巫邓炎)