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。
【我们这十年@坐标中国】“基建狂魔”出圈,打造基建速度名场面******
中新网北京10月10日电 题:“基建狂魔”出圈,打造基建速度名场面
记者 李金磊
中国为什么会被世界称为“基建狂魔”?看看这些名场面就明白了。
9小时改造火车站 马斯克惊叹
“基建狂魔”的速度有多快?眼睛一闭一睁,9个小时过去了,一座火车站改造完了。
这座一夜之间“换血”的火车站是福建龙岩火车站,由中铁四局施工。2018年1月19日18:30,随着现场总指挥一声令下,1500余名工人同时上阵。要在9个小时内完成火车站的大改造,施工时间非常紧张。
此次龙岩站站改拨接施工为I级封锁施工,共包含4个龙口,7个拨接工作面3组道岔拆除、3组道岔插铺的施工。机器轰鸣、火星四溅,密密麻麻的工人有条不紊分工协作,画面犹如电影大片。
最终,1月20日凌晨2点多,经过近9个小时的紧张奋战,工人们圆满完成了道岔拆铺、拢口拨接、信号换装I级施工,龙岩站站改拨接顺利完成,漳龙铁路、赣龙铁路、赣瑞龙铁路、新建南龙铁路顺利接入龙岩站新站房。
龙岩站9小时完成大改造。 中铁四局供图龙岩站站改拨接是南龙铁路管线内最大的一次拨接,此次拨接为南龙铁路开通奠定了基础,南龙铁路建成通车后两地通行时间缩短至1.5小时。
9小时改造火车站的场面让世界再次为中国速度折服。美国企业家埃隆•马斯克也在社交媒体上为其点赞,并感慨:“中国在先进基础设施上的发展要比美国快100多倍!”
8小时拆完589米立交桥
“基建狂魔”的速度有多快?眼睛再一闭一睁,8个小时过去了,589米长的立交桥拆没了。
一夜之间被拆除的是江西南昌龙王庙立交桥。这座立交桥建于1992年,在2017年被拆除时已经“服役”了25年。
之所以要拆掉它,是因为这座立交桥属于“单纯式”立交,随着南昌交通的发展,龙王庙立交桥已经不能满足车辆通行的需要。所以,要拆除旧桥建新桥。
但是拆桥困难重重,该桥位于主城区,交通流量大,不能长时间封闭,总工期不到60小时,工期极其紧张,而且工程量大,全桥长589米,宽16米,最高处达7.6米,同时地下管线复杂,施工稍有不慎就会对沿线1000多户居民用水用气造成影响。
但这难不倒“基建狂魔”,中铁四局派出了200余台挖掘机同时作业。在桥两侧一字排开的挖掘机伸出长臂,就如一只只蚂蚁,努力啃食钢筋水泥,拆除现场蔚为壮观。最终,一夜之间这个庞然大物就消失了。
南昌龙王庙立交桥进行拆除作业现场。中铁四局 供图“中国效率”又一次惊艳世界。英媒不禁感叹:“这就是我们所说的效率!”
“基建狂魔”创造的名场面还有很多:
在重庆,上演五桥同转的“空中芭蕾”,5座全长383.5米、总重达21500吨(相当于1.5万辆小汽车)的大跨度混凝土梁式桥梁,完成88度的转体,最终实现精准对接。
在厦门,3万吨客运站“走起来”平移了288米,还来了个90度转身,成功上演最牛“搬家”。
在武汉,10天建成火神山医院,12天建成雷神山医院,让世界再次见识到中国的基建速度。
在东南沿海,“基建狂魔”集结两万多名建设者,建成55千米长的港珠澳大桥,这是世界最长的跨海大桥。
在西北沙漠,仅用时三年多建成和若铁路,“圈住”了塔克拉玛干沙漠,将和田群众出疆路程缩短1000多公里。
逢山开路、遇水架桥,“基建狂魔”的成绩有目共睹,他们不断连通,将全国各地连为一体。
这十年来,高速铁路营业里程由不到1万公里增加到4万公里,高速公路里程由9.6万公里增加到16.9万公里,让中国拥有了全球最大的高速铁路网、高速公路网。
“基建狂魔”为什么这么快?
这些不可思议的名场面,“基建狂魔”是怎样创造的?
参与一夜拆除立交桥项目的中铁四局洪都大道总工程师李青杠认为,中国基建速度之所以这么快,一是中国基础设施审批工作效率高,从立项到审批、建设,各部门全力推进。二是中国有强大、全系统的制造业,基础设施建设所需的原材料资源丰富。三是科技引领力不断增强,工艺工装创新不断加快工程建设速度。
中国基建,标定中国速度。“基建狂魔”,擦亮强国底色。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |