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 。
“坚持人与自然和谐共生 共建清洁美丽世界”主题边会在蒙特利尔举行******
中新网蒙特利尔12月8日电 《生物多样性公约》第十五次缔约方大会(COP15)第二阶段会议当地时间7日在加拿大蒙特利尔开幕。当天 ,“坚持人与自然和谐共生 共建清洁美丽世界”主题边会作为COP15中国角首场边会成功举行。
本次边会由生态环境部环境与经济政策研究中心 、中国新闻社主办 ,中国新闻网承办,旨在进一步凝聚保护生物多样性全球共识 ,推动COP15第二阶段会议达成富有雄心、平衡 、务实、有效 、强有力且具变革性的“框架” 。COP15主席 、中国生态环境部部长黄润秋出席边会并作主旨发言。
COP15主席、中国生态环境部部长黄润秋出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 余瑞冬摄黄润秋表示,通过多年努力 ,中国生物多样性保护取得显著成效,有效保护了90%的陆地生态系统类型和74% 的国家重点保护野生动植物种群 ,新增森林面积居世界首位 ,300多种珍稀濒危野生动植物野外种群得到很好恢复。中国的实践和成效表明 ,经济发展与生态保护不 是非此即彼的“单选题” ,人与自然 是和谐共生的命运共同体 。
黄润秋指出,今年10月胜利闭幕 的中国共产党第二十次全国代表大会对推动绿色发展、促进人与自然和谐共生作出重大战略部署,宣示了中国与国际社会一道应对全球生态环境挑战 ,共建地球生命共同体的鲜明态度和责任担当。中国期待各方共同推动达成国际社会期待已久 的 、兼具雄心和务实平衡 的“框架”,遏制并扭转生物多样性丧失 的严峻形势 ,走上通往人与自然和谐共生的美好未来。
COP15主席、中国生态环境部部长黄润秋出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 尹灵摄边会由中国代表团团长 、生态环境部副部长赵英民主持 。联合国《生物多样性公约》秘书处执行秘书穆雷玛、加拿大环境与气候变化部国际关系助理副部长德波尔、世界自然基金会全球总干事兰博蒂尼等出席边会并作主旨发言 。中国驻加拿大特命全权大使丛培武出席边会。
“中国在生物多样性保护方面取得了卓越成就 。”穆雷玛表示,作为全球最大 的发展中国家 ,中国在生物多样性保护领域发挥着独特作用,走出了一条既提高人们生活水平,又较好地保护生态的发展道路,为发展中国家提供了可供效仿和学习 的模式。
联合国《生物多样性公约》秘书处执行秘书穆雷玛出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 尹灵摄德波尔向中方成功举办中国角边会表达祝贺。他表示,希望未来几周 ,双方能共同努力 ,达成2020年后全球生物多样性框架,“这将是大自然的胜利”。
兰博蒂尼表示 ,中国积极参与世界环境保护进程 ,尤其 是担任COP15主席国以来采取了一系列措施,令人感到非常振奋。“接下来两周 ,我们将听到更多关于中国经验 的分享 。”
边会设置主旨发言 、圆桌对话、案例分享等环节,邀请地方政府 、非政府组织和企业代表 ,分享中国生物多样性保护和生态文明的典型案例 ,体现共建清洁美丽世界 的理念,促进全球可持续发展。
“坚持人与自然和谐共生 共建清洁美丽世界”主题边会圆桌对话环节“茶与咖啡的对话” 余瑞冬摄在“茶与咖啡的对话”环节 ,中外嘉宾讲述了关于茶与咖啡的精彩故事 ,从两大饮品长达千年的种植史中,解读人与自然和谐共生 的内涵。在案例分享环节 ,嘉宾通过从香禾糯到中药材,从土地修复到红树林湿地保护,从江豚到青头潜鸭等典型案例,展现了中国对于生态环境保护的独特智慧和辛勤付出,也阐明了中国逐绿前行的坚定决心。(完)
(文图 :赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |