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 。
河北新增 5 个“河北省历史文化街区”******url:https://m.gmw.cn/2023-01/03/content_1303243006.htm,id:1303243006
记者从河北省住房和城乡建设厅获悉 ,近日,河北省人民政府批复唐山 、衡水市政府关于申报历史文化街区的请示 ,同意开滦唐山矿 、启新水泥厂、培仁、冀州老街 、直隶六师(旧址)街区为河北省历史文化街区 。至此," 河北省历史文化街区 " 数量达到 37 个 。
批复指出,唐山、衡水要加快历史文化街区保护规划 的编制、审批和备案工作,科学划定核心保护范围和建设控制地带,明确保护原则和保护重点 ,制定相应保护控制措施 。要切实做好历史文化街区保护传承工作 。对批准 的历史文化街区实施挂牌保护 ,着力保护好街区 的历史肌理 、历史街巷、空间尺度和景观环境,以及古井 、古桥、古树等环境要素,延续历史风貌 。加强建设活动管控 ,强化保护修缮全过程管理 。强化整体保护 ,整治与街区环境不协调 的建筑和景观,完善基础设施,提升居住环境。要积极推进历史文化街区 的活化利用。坚持以用促保,依托街区 的历史环境 ,加大文物开放力度,利用具备条件的文物建筑作为博物馆 、陈列馆等公共文化设施,活化利用历史建筑 、工业遗产,引入和丰富商业业态,完善生产生活功能,让历史文化和现代生活融为一体 ,实现永续传承 。
文/燕赵晚报融媒体记者 陈霞
(文图:赵筱尘 巫邓炎)