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。
二十大代表风采丨马玉山:用责任心拧紧“大国重器”******
中新网银川10月10日电 题:马玉山:用责任心拧紧“大国重器”
中新网记者 杨迪
奋战在国家装备制造工程一线,带领企业从低谷中“浴火重生”,改变进口阀“卡脖子”状况……近日接受中新网记者电话采访时,中国工程院院士,吴忠仪表有限责任公司党委书记、董事长马玉山直言,是责任心与使命感让他在困难中一直坚持下去,为自动控制装备国产化贡献力量。
1991年,马玉山从吉林大学毕业,分配到宁夏吴忠仪表厂,成为一名车间见习工人。彼时,大学生可谓“天之骄子”,毕业后在西北的一家小企业做工人,马玉山坦言,起初自己心里有点“不太平衡”:“那时,和我同期的毕业生大多都分配到了东南沿海地区的大厂,而我却来到了西北地区。”
但马玉山并未就此自怨自艾,他很快调整心态,开始从“底层”干起。在工作之余加班学习,主动向他人请教……凭借不懈的努力,马玉山快速成长,于2001年成为吴忠仪表的总工程师。
但此时,马玉山所在的企业却遭遇危机。20世纪九十年代初,吴忠仪表厂遭遇转型阵痛,在最低谷的时期,企业入不敷出,职工工资都难以发放,人员大量流失,面临倒闭风险。
马玉山并未选择逃离。“当时就是一种不服输的责任心让我坚持着,想把企业‘救活’。”为此,马玉山采取了开源节流、智能化管理、拓展产品销售渠道、安抚员工等多种措施。同时,宁夏各级党委和政府也为吴忠仪表厂“雪中送炭”,在多个重大装备国产化项目中“穿针引线”,为企业提供工程项目、政策扶持和资金补贴,帮助企业平稳度过转型期的阵痛。
马玉山(中)在工作中。 受访者 供图2010年,吴忠仪表厂改制吴忠仪表有限责任公司,彼时,国产阀价低质劣,国产装备用的高端阀被进口阀所垄断。“我是做产品设计出身的,我也清楚,只有做高端阀,企业才有出路,才能解决进口阀‘卡脖子’的问题。”马玉山就此萌发了自主制造高端阀的念头。
于是,马玉山带领团队,一步步在制造高端阀的路上攻坚克难。“在研发过程中,我们也经常失败,这时就及时总结经验来完善。”马玉山说。
“尤其是在煤化工领域,我们取得了突破。”马玉山介绍,大量煤化工所需的控制阀产品都需要耐高温高压和强腐蚀,国外产品也难以满足。他所在的团队经过攻坚,在该领域实现了突破:2013年,投资500亿元的全球单套规模最大煤制油项目在宁夏启动,马玉山团队负责研发该项目的控制阀。凭借着整个团队的努力,吴忠仪表取得了440多项发明和实用新型专利,解决了制约流程工业自动控制装备国产化中众多“卡脖子”项目。
此外,马玉山还积极为西部地区的工业人才培养贡献力量。“我们通过高薪聘请顶尖人才,并以‘师傅带徒弟’的形式培养宁夏本地人才,形成了一座完整的人才‘金字塔’。”马玉山说,未来,他的团队希望在低温领域、海洋工程、航空航天等的关键基础零部件领域去拓展,为“大国重器”的智能制造做出自己的贡献。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |