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。
义乌“联合国社区”外籍人士过中国小年:虎年讨好彩******
(新春见闻)义乌“联合国社区”外籍人士过中国小年:虎年讨好彩
中新社义乌1月26日电 题:义乌“联合国社区”外籍人士过中国小年:虎年讨好彩
作者 董易鑫
“我刚学了个义乌的年俗,小年要滚一滚茶叶蛋,这叫做‘滚元宝’,能讨个好彩头,我还给家里人拍了视频。”家住浙江义乌鸡鸣山社区的吉尔吉斯斯坦人米卡说,她已经在这里生活四年了,但探索中国文化的热情却只增不减。
25日是农历腊月二十三,中国北方过小年,南方则错后一天在腊月二十四过小年。当日,已在义乌鸡鸣山社区生活超两年的十多名外籍学生、客商等“沉浸式”体验了中国传统“小年”文化,参与拜年、包饺子、“滚元宝”等活动。
“今年学会中国麻将”
鸡鸣山社区因靠近义乌国际商贸城,吸引了来自74个国家和地区的上千名外籍人士居住,被称为当地的“联合国社区”。
“在义乌,有来自上百个国家和地区的人,我就是其中一个。”来自也门的外商马万说,临近春节,他的新年愿望是“今年学会中国麻将”。
“我看过中国兄弟玩麻将前总喊‘三缺一’,我觉得很有趣。但是游戏规则我还是没研究明白。”马万说,下班后,他经常和也门“老乡”、中国朋友一起品味中国茶和阿拉伯咖啡。下一步,他希望把麻将也纳入下班娱乐范畴。
谈及来中国的初衷,马万说,受在浙江金华兰溪市开香水厂的叔父影响,高中毕业后,他就来义乌上学,毕业后便留在这里。
义乌有“世界超市”之称,商品数量众多。马万的第一份工作就是义乌商场做贸易商。
“前几年,我就每天陪中国境外的客人采购产品,因为他们的时间一般都很紧张,所以能在‘巨大’的市场里找到合适的商品,效率很重要。”马万说,学好中文是他提高效率是关键。
上学时,马万总“泡”在图书馆,翻看各类中国书籍,每次在学习中文时遇到问题,他都会请教自己的中国兄弟。“中国朋友对我很好,他说‘他的家就是我的家,她的妈妈就是我的中国妈妈’,他们把我当亲人。”
随着中文的快速进步和自身业务的精进,马万已经从公司职员发展到一家外贸公司的经理。“我希望过几年把我的妈妈从也门接到义乌,过个圆圆满满的中国年。”
“想学长寿面,回国做给爸爸妈妈吃”
当日庆祝小年的外籍人士中有一位是来自塞尔维亚的跨境电商主播娜塔莎。她告诉中新网记者,这次小年活动,她“不虚此行”。
娜塔莎说:“有春联、有灯笼、有中国传统服饰,还有一群来自世界各地的小伙伴聚在一起,这对我来说就是‘第二故乡’的团圆。”
据了解,娜塔莎主要为义乌部分跨境电商公司“直播带货”,还没毕业的她已经在社交平台拥有5000多人关注。“我们主要直播卖一些家居用品,义乌的货品很丰富,可选择的空间大,很受欢迎。”
忙碌之余,娜塔莎喜欢品尝各种中国美食。火锅、麻辣烫、兰州拉面都是她的“心头好”。
“我在家尝试做过拉面,但是失败了,新的一年希望有机会跟中国师傅学习。”娜塔莎说,面条在中国有长寿的寓意,她希望学成后可以做给爸爸、妈妈吃。
前几年,和娜塔莎一样的留学生、外商都会选择在中国春节期间回国。受疫情影响,近年来不少外籍人士都选择在中国过年。当日过小年迎新年的外籍人士,就分别来自吉尔吉斯斯坦、也门、塞尔维亚、阿富汗、印度等国家和地区。
鸡鸣山社区党委副书记经菁说:“每年临近春节,社区就开始在线上、线下组织一系列有关中国文化、节日民俗等活动,帮助更多外籍人士了解中国,迄今为止,这个传统已保持了5年。”
记者从义乌市公安局出入境管理局获悉,截至目前,该市已有近万名外籍人士在此居住。(完)
(文图:赵筱尘 巫邓炎)