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。
雅万高铁 :拉近心与心 的距离******
【奋进新时代·展品背后 的故事】
光明日报记者 訾谦
“这列火车为啥看起来很特别?”在“奋进新时代”主题成就展中央综合展区外交工作单元 ,一款身披独特涂装 的动车组模型成为人们关注的焦点。在仔细观摩完模型后 ,来自北京交通大学的大三学生林峰好奇地询问附近的工作人员 。
“奋进新时代”主题成就展中央综合展区内展示 的雅万高铁高速动车组模型。光明网记者 季春红摄/光明图片
“这是我国出口印度尼西亚的雅万高铁高速动车组 。它融合印尼文化 ,采用银 、红色涂装,寓意‘繁荣昌盛’ ,还配有由印尼国宝级动物‘科莫多龙’纹理抽象而成的红色多边形图案。所以 ,和咱们平常乘坐 的不太一样。”现场工作人员介绍 ,雅万高铁高速动车组采用中国技术 、中国标准 、中国装备, 是中国高铁首次全系统、全要素 、全产业链在海外落地。
雅万高速铁路是连接印度尼西亚首都雅加达和第四大城市万隆之间 的高速铁路,是“一带一路”倡议和“全球海洋支点”构想对接 的重大标志性项目 ,全长142公里 ,设计时速为350公里。雅万高铁建成通车后 ,雅加达到万隆的出行时间将由之前 的3个多小时缩短至40分钟 。
“雅万高铁 是东南亚首条高速铁路,在列车 的设计上 ,我们做了许多适应性改变 。”中车四方股份公司主任设计师张方涛说,为了适应沿线常年湿热和沿海多盐雾的气候条件 ,雅万高铁高速动车组采用了高标准防腐蚀设计 。另外 ,雅万高铁线路坡道又长又陡 ,为此 ,工作人员专门设计了高加速模式 ,在这种模式下 ,列车 的牵引力能迅速提升 ,爬坡能力更强,更能适应雅万高铁复杂的线路条件。
自2016年1月21日开工奠基以来,雅万高铁的修建始终在紧锣密鼓进行 。在建设过程中,中方企业认真履行社会责任,为属地居民谋福祉,得到了当地群众 的一致好评。
在中国中铁印尼雅万高铁4号制梁场项目驻地周边 ,几个村 的村道年久失修 ,路面坑洼不平 ,两辆摩托车交会都困难,给村民出行带来很大不便。该项目党支部书记李金照回忆 :“为了增进友谊 ,我们项目团队在铁路修建过程中,先后给周边3个村出资修建村路 。”
“一条条村道修通了 ,我们与当地村民 的心也更近了。”李金照表示,虽然大部分中企建设者都不能流畅地与当地村民直接对话,只会简单的问候,但是,他们听到最多 的回应就是“China Bagus!”(中国好样的 !)
如今,雅万高铁全线隧道、涵洞工程已全部完成 ,工程建设转入铺架施工阶段 。与此同时 ,雅万高铁首批高速动车组也从青岛港运抵万隆动车所,为即将在今年年底举行 的试运行做准备 。
“按照计划 ,雅万高铁将于明年6月通车 ,目前我们 的团队已经开始了最后冲刺。”李金照相信 ,雅万高铁建成后 ,不仅将成为拉近两国人民距离 的新纽带 ,也将会助力中国高铁成为闪耀世界的国家名片 。
《光明日报》( 2022年10月31日 04版)
(文图 :赵筱尘 巫邓炎)