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。
年轻人的新年第一游,路过打卡正被沉浸式深度体验取代******
“最坏的日子已经过去,最好的时光即将到来。”站在2023年1月1日这个新起点,中国旅游研究院院长戴斌用这句话总结2022,展望充满可能的2023。
自2023年1月8日起,对新冠病毒感染由“乙类甲管”调整为“乙类乙管”,民众出游意愿和出游信心加速恢复,国内压抑了3年的旅游需求正加速释放,旅游市场的复苏曙光渐现。
近日,各类社交媒体上随处可见大家分享旅行vlog与美食美景照,即使是按捺着躁动之心尚未出游的朋友,也跟着一起看遍了祖国的大好河山。那么,已经热情拥抱国内游大潮的人具体感受如何?听听亲历本场浪潮的“浪花们”怎么说。
前往黑龙江省感受冰雪世界的扬扬说,作为一个北方人,本想到温暖的南方城市过过“夏天”,但某一刻突然想看看一望无际的茫茫雪原,便干脆买票北上了。南下到温暖三亚看海的小宇也是一个行动派,和朋友看到许多漂亮的景区图片和旅游攻略介绍,便决定去海南逛逛美丽的三亚湾。小茹和朋友刚结束考研,追剧中被美丽、治愈系的云南大理风光深深吸引,马上买好了3天后出发的车票。
近几年,大环境带来了太多的不确定,很多年轻人在不确定中迷茫着,但有时候需要的并不是瞻前顾后与深思熟虑,而是一分冲动与洒脱。同时,虽然目前大环境仍有诸多不确定性,但对于许多人来说,出游需求已然成为那个“确定性”。
对于很多年轻人来说,最近的这次出游是3年来最自由、最不受约束的一次,所以几位受访者都表示,优先考虑的是自身的体验与感受,性价比可以暂时往后排,颇有些“报复性”旅游消费的意味。与此同时,旅游地住宿、出行、游玩项目等方面的价格也有较为明显的上涨,被大家戏称为“报复性涨价”。
受访者扬扬提到,他们体验的雪地摩托、雪地蹦蹦、雪圈漂移等景点游玩项目,多是“50元5分钟”“80元7分钟”的价格,要是平时,看到这样的价格自己大概会转身就走,但这一趟旅游他们暂时选择了将体验与快乐放在第一位。
小宇也提到尽管出行住宿费相较于过去上涨了不少,但他们还是选择了节约路程时间、有更多更好的游玩体验。
处在疫情管控放松后的首个旅游出行大浪潮这一较为特殊的时间点上,不少游客似乎都降低了对价格的敏感度,但“潮水”终将退去,无论是游客的报复性出游消费,还是被戏称的商家“报复性涨价”,都是暂时的“狂欢”,旅游业终将回归理性,重视提升服务与消费场景才是旅游目的地发展的长久之道。
扬扬表示,哈尔滨的许多俄式风情建筑让她眼前一亮,中央大街、冰雪大世界等景点也有较好的观感,但不足的是,城市建筑均比较老旧,导致整体观感有些扣分,且地铁线路覆盖不足的问题,也给这次旅游带来一点遗憾。
小宇则提到三亚一些景区存在拉客现象,在沙滩、游艇上总能遇到有人拉客推销,导致后面几天他们看到陌生人靠近就想走开,严重影响了游玩体验。同时,他也表示,夜市大多是外地小吃,没有吃到海南本地的特色美味,很是遗憾。
说到近期旅游的难忘回忆,几位受访者都表示,从过去的路过式体验游逐渐倾向于沉浸式深度游。小宇感觉自己好像融入了三亚,景点毋庸置疑是美丽且热闹的,但他也很享受每天清晨或傍晚走在沙滩上感受着海水拍打双脚,坐在沙滩上放空自己,或是在小岛上慢悠悠地骑着电动车吹着海风,感受本地居民的日常生活。
小茹提到,以前出游往往像是完成任务打卡一般,每天走走看看这个或那个景点,吃几顿特色菜,最后买几份特产。尽管这次她也去了苍山洱海等著名景点,但在回忆时,脑海中最先浮现的是沙溪古镇的一家薄荷咖啡馆,坐在可以晒太阳的院子中,喝着茶,看着书,一上午就慢慢过去了。
这3年,人们有太多紧张、焦虑、迷茫等负面情绪,不妨换个环境“生活”几天。
2023,去被美好的旅行治愈,再出发。
实习生 王慧 中青报·中青网记者 齐征 来源:中国青年报
(文图:赵筱尘 巫邓炎)