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。
长三角一体化观察:“奉新嵊”何以协同先行?******
中新网宁波1月7日电(记者 项菁)长三角一体化发展背景下,区域间加速“组团”,探索跨区域深度融合。放眼长三角南翼,宁波市奉化区与绍兴市嵊州市、新昌县比邻而生,地处甬(宁波简称)绍交界地带,是推动甬绍一体化发展的桥梁和纽带。
加速长三角一体化,甬绍及奉新嵊何以协同先行?
2023年宁波两会奉化代表团 严世君 摄位于新昌的钦寸水库与奉化溪口的亭下水库相连互通,百年名校镇海中学签约落户嵊州成立分校,甬绍实现异地就医市民卡直接结算……这些年,甬绍双方不断探索“共饮水、共上学、共就医”。
其实,甬绍一直致力推进“奉新嵊特别合作区”建设。如2022年奉新嵊三地在甬绍合作发展座谈会上就签署了特别合作区框架协议。
不过,正在举行的2023年宁波两会上,奉化区政协主席陈红伟提到,作为甬绍一体化发展的重要桥头堡,“奉新嵊特别合作区”与浙江省内其他合作区相比,还存在不少差距。
陈红伟认为,要加快奉新嵊三地实现交通同网、产业同链、文旅同兴。以农业产业为例,其建议开展跨区域农业合作,建设水蜜桃、桃形李、香榧、中草药等特色农业基地,加强农产品品种技术交流、市场合作。
的确,奉新嵊既有各自产业特色,也有相似的产业集群。要推动三地“抱团”发展,加强产业对接融合谓之关键。
宁波市人大代表刘春萍履职 严世君 摄在奉化区委常委,宁波溪口雪窦山名山建设党工委副书记、管委会副主任刘春萍看来,可以谋划甬绍合作奉化产业园和奉新嵊溪口产业园平台,形成义甬舟开放大通道和宁波西枢纽的联动。
从产业互补性看,宁波市人大代表、宁波佳尔灵气动机械有限公司副总经理单军波举例说,新昌有纺织机械、制药机械等自动化的整机装备产业,需要用到各类精密的气动元件等基础零部件,而奉化溪口恰恰是国家级的气动元器件生产示范基地,能为新昌提供整体配套和技术服务;奉化以方桥街道为主要集中区域有较大的厨卫产业,而嵊州是全国最大的集成灶生产基地,也可以实现相互补位。
产业融合,离不开畅通的交通。单军波认为,即将建成的甬金高速铁路,必将成为义乌连接宁波的交通大动脉,并惠及嵊州和新昌,从长远看,建议利用甬金高速铁路开通奉新嵊城际列车,开通栎社新机场到新嵊地区的机场专线,发挥宁波西枢纽的辐射作用。
宁波市人大代表单军波履职 严世君 摄记者还关注到,奉新嵊三地紧邻,同处于天台山脉及其支脉四明山脉的余脊两端,同为“浙东唐诗之路”上的璀璨明珠。
“建议构建奉新嵊一体的文旅品牌和标识体系,以浙东唐诗之路和环四明山为主轴线,有效串联唐诗文化等特色文旅资源。”陈红伟具体讲,可以策划各类文化旅游美食等活动,开展农产品采摘、年货置办、文化走亲等。
刘春萍也谈及,建议成立奉新嵊文化旅游工作专班、开通奉新嵊旅游专线,共推三地旅游精品线路,实施三地通用惠民旅游套票。
“宁波和绍兴是山水相连的兄弟城市。”刘春萍认为,加快奉新嵊特别合作区建设,有利于响应人民往来需求,推进民生领域的区域共建共享。(完)
中国网客户端 国家重点新闻网站,9语种权威发布 |