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。
习近平同德国总统施泰因迈尔通电话******
新华社北京12月20日电 国家主席习近平20日晚应约同德国总统施泰因迈尔通电话。
习近平指出,今年是中德建交50周年,是中德关系中具有重大意义的一年。在中德几代领导人的共同努力下,中德关系总体保持了向前向好的大方向,两国成为全方位战略伙伴。中德关系发展有着深厚民意基础、广泛共同利益和丰富成功经验。只要双方坚持相互尊重、互利共赢,中德关系就一定能够走得正、走得稳、走得远。中方愿同德方一道努力,推动中德关系不断迈上新台阶,开启中德关系未来成功的50年。
习近平就下阶段中德关系发展提出三点意见:
首先,双方应该坚持正确的基本认知。中德始终是对话的伙伴、发展的伙伴、合作的伙伴、应对全球挑战的伙伴。双方要继续通过对话凝聚和扩大共识,以建设性态度管控分歧,继续充实伙伴关系内涵。
第二,中德合作务实开放,这是双方关系应该坚持的最重要特色。过去50年中德贸易额增长了870倍。双方应该珍惜来之不易的合作成果,加强市场、资本、技术优势互补,做大汽车、机械、化工等传统领域合作,挖掘服务贸易、智能制造、数字化等领域合作潜力。中方对在华投资的德国企业一视同仁,希望德方为中国企业在德投资提供公平、透明、非歧视的营商环境。
第三,引领中欧关系健康稳定发展,这是中德双方应该共同努力的方向。中方支持欧盟战略自主,希望欧方坚持中欧互为战略伙伴的基本定位,坚持相互尊重、相互包容、务实合作、互利共赢,坚持中欧关系不针对、不依附、也不受制于第三方。希望德方继续发挥积极作用,同中方一道,推动中欧关系行稳致远。
习近平强调,中方愿同德方在应对后疫情时期经济复苏乏力、气候变化、粮食危机、能源危机等全球性挑战方面开展更加广泛、深入的合作。
施泰因迈尔表示,非常高兴在临近岁末之际同习近平主席通电话,我至今对4年前访华的情景记忆犹新。今年国际形势经历了非同寻常的风云变幻,又恰逢德中建交50周年。50年来,德中关系日益紧密,内涵外延丰富广泛,合作成果非常丰硕,给双方人民带来了福祉。德方坚定奉行一个中国政策。德方愿同中方认真回顾总结过去,规划展望未来,本着相互尊重、开放包容的精神,不断推进德中关系进一步发展。我对未来德中关系光明前景充满信心。德方愿同中方加强交往沟通,适时举行新一轮两国政府磋商,深化各领域务实合作,就地区热点问题保持密切磋商协调,更好应对生物多样性保护、能源危机、粮食危机、维护产业链供应链安全稳定、促进世界经济恢复增长等共同挑战。德方赞赏中方为《生物多样性公约》第十五次缔约方大会成功作出的重要贡献,也愿积极促进欧中关系的发展。
双方还就乌克兰危机交换了意见。习近平强调,中方坚持主张劝和促谈,认为危机长期化、复杂化不符合各方利益。中方支持欧方展现战略自主,引领构建均衡、有效、可持续的欧洲安全架构,实现欧洲大陆的持久和平和长治久安。
《光明日报》( 2022年12月21日 01版)
(文图:赵筱尘 巫邓炎)