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。
【学习贯彻党的二十大】丁仲礼:提高履职水平,做中国共产党的好参谋、好帮手、好同事 ******
连日来,各民主党派、工商联和无党派人士高度关注、持续热议中共二十大,认真学习贯彻二十大精神。大家纷纷表示,要紧紧围绕中共二十大绘制的宏伟蓝图、确立的奋斗目标和作出的战略部署,切实履行好参政党职能,主动参与全过程人民民主实践,在以中国式现代化全面推进中华民族伟大复兴的新征程上作出新贡献。即日起,“统战新语”陆续刊发各民主党派中央主席、全国工商联主席和无党派人士代表的学习心声。
举世瞩目的中共二十大于近日胜利闭幕。大会圆满完成总结过去工作,明确今后党和国家前进方向、奋斗目标、行动纲领,选举新一届中央领导集体的重大使命。中共二十届一中全会选举产生新一届中央领导机构,选举习近平同志为党的总书记。对此民盟衷心祝贺,坚决拥护。深入学习贯彻中共二十大精神,是全党全国各族人民当前和今后一个时期的首要政治任务。作为中国特色社会主义参政党,民盟将进一步提高政治站位,认真领会精神实质,深刻把握核心要义,把全盟同志的思想和行动统一到中共二十大精神上来,自觉肩负起新时代赋予我们的历史使命和崇高责任。
在中国共产党领导下坚定不移地走中国特色社会主义政治发展道路
中国共产党百年奋斗史充分证明,没有中国共产党,就没有新中国,中国共产党的领导是历史发展的必然结果,是中国人民的必然选择。
新时代新征程,我们要始终坚持中国共产党的领导,坚定不移地走中国特色社会主义政治发展道路,不断夯实多党合作的共同思想政治基础,努力建设政治坚定、组织坚实、履职有力、作风优良、制度健全的新时代中国特色社会主义参政党,切实承担起中国共产党的好参谋、好帮手、好同事的政治责任。
做习近平新时代中国特色社会主义思想的忠诚信奉者和坚定实践者
中共十八大以来,党和国家事业取得历史性成就、发生历史性变革,根本在于有以习近平同志为核心的中共中央领航掌舵,有习近平新时代中国特色社会主义思想科学指引。
踏上新征程,开启新目标,我们将带领全盟各级组织和广大盟员,在全盟迅速开展学习中共二十大精神热潮,自觉地做习近平新时代中国特色社会主义思想的忠诚信奉者和坚定实践者。
以中国式现代化全面推进中华民族伟大复兴
中共二十大报告阐述了中国式现代化的本质要求和鲜明特色,为中国实现现代化指明了方向和道路。中国式现代化对内实现全体人民共同富裕、人与自然和谐共生,对外推进世界和平发展、构建人类命运共同体,实现物质文明和精神文明协调发展,拓展了发展中国家走向现代化的途径,为世界贡献了中国方案、中国智慧。
民盟将按照中共二十大确定的目标任务和大政方针,把学习贯彻中共二十大精神与提升民盟履职能力紧密结合起来,传承“奔走国是,关注民生”的优良传统,发挥自身优势,不断提高履职水平,为全面建设社会主义现代化国家,以中国式现代化全面推进中华民族伟大复兴作出新的贡献。
(来源:统战新语微信公众号 作者:丁仲礼 系民盟中央主席)
(文图:赵筱尘 巫邓炎)