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。
二十大报告展现中共面向新征程的自信、务实、开放******
(中共二十大·观察)二十大报告展现中共面向新征程的自信、务实、开放
中新社北京10月16日电 (记者 李晓喻)中国共产党第二十次全国代表大会16日在北京开幕。纵观习近平当天所作的二十大报告,自信、务实、开放态度跃然纸上。
10月16日,中国共产党第二十次全国代表大会在北京人民大会堂隆重开幕。 中新社记者 蒋启明 摄报告对当前中国发展水平的定位展现了对中国理念和道路的坚定信心。
过去十年,尽管百年变局加速演进,国际环境日趋严峻复杂,中国依然取得了举世瞩目的发展成就:国内生产总值从54万亿元(人民币,下同)增长到114万亿元,经济总量占世界经济比重达18.5%,稳居全球第二大经济体;人均国内生产总值从39800元增加到81000元;打赢了人类历史上规模最大的脱贫攻坚战,完成脱贫攻坚、全面建成小康社会的历史任务;成为140多个国家和地区的主要贸易伙伴,货物贸易总额居世界第一,吸引外资和对外投资居世界前列……
如习近平所言,新时代十年的伟大变革,在党史、新中国史、改革开放史、社会主义发展史、中华民族发展史上具有里程碑意义。“改革开放和社会主义现代化建设深入推进,实现中华民族伟大复兴进入了不可逆转的历史进程。”
报告对今后中国共产党中心任务的确立折射出从国情、世情出发的务实精神。
报告提出,从现在起,中国共产党的中心任务就是团结带领全国各族人民全面建成社会主义现代化强国、实现第二个百年奋斗目标,以中国式现代化全面推进中华民族伟大复兴。
对于何为中国式现代化,报告给出了清晰的界定:中国式现代化是人口规模巨大的现代化,是全体人民共同富裕的现代化,是物质文明和精神文明相协调的现代化,是人与自然和谐共生的现代化,是走和平发展道路的现代化。
中国社科院经济研究所所长黄群慧称,中国式现代化的一个重要特点就是立足本国国情,探索适合自己的现代化动力机制和战略。此次报告强调中国式现代化,意味着今后中国将既遵循以工业化、市场化、经济全球化促进生产力发展等被各国共同验证了的普遍规律,又注重从自身实际出发有所“扬弃”,摒弃西方贫富两极分化、物质主义膨胀、对外扩张掠夺的现代化老路。
选择中国式现代化,也是因应世界之变、时代之变、历史之变的体现。眼下,地缘政治紧张局势一再升级,保护主义不断抬头,全球供应链多处遇阻。在黄群慧看来,全球进入新的动荡变革期之际,各国民众和平发展的意愿更强,合作共赢的呼声也更高。走和平发展道路的中国式现代化,正是顺应了这一期待。
报告对新形势下实现新任务路径的明确凸显了开放包容的态度。
在推动高质量发展方面,报告提出要推进高水平对外开放,稳步扩大规则、规制、管理、标准等制度型开放。
在强化人才支撑方面,报告要求“聚天下英才而用之”,提升国家创新体系整体效能,形成具有全球竞争力的开放创新生态,并提出要加快建设世界重要人才中心和创新高地,着力形成人才国际竞争的比较优势。
在促进世界和平与发展方面,报告明确,中国坚持经济全球化正确方向,推动贸易和投资自由化便利化,推进双边、区域和多边合作,反对保护主义,反对“筑墙设垒”“脱钩断链”,反对单边制裁、极限施压。
清华大学中国发展规划研究院常务副院长董煜接受中新社记者采访时称,随着中国经济实力跃上新台阶,双循环新发展格局也需要打造“升级版”,而实行高水平开放正是提升国际循环质量和水平的必然要求。
董煜表示,作为未来5年乃至更长时期中国发展的蓝图,中共二十大报告字里行间渗透“开放”二字,让全球看到了一个坚持开放反对封闭、坚持互利共赢反对“零和博弈”的中国。这不仅有利于中国与世界经济深度交融,利好中国经济发展,也将为低迷中的世界经济注入新增长动力,稳定经济全球化大局。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |