点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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。
一览十年成就，这个展看点满满！******
中新网北京10月15日电 (刘欢)近日，“奋进新时代”主题成就展在北京展览馆举办，展览全景式、多角度、沉浸式地展现了十年来我国政治、经济、文化等领域的巨大成就与崭新面貌。
展览设有序厅、中央综合展区、地方展区、展望展区、室外展区和互动展区6个展区，运用图片、实物、模型等6000多项展览要素。其中，中央综合展区以经济建设、深化改革、依法治国等为主题设置了12个单元，地方展区则有辽宁、浙江、湖北等地。
展馆中，DF-26、DF-31AG等导弹武器模型纷纷亮相，中国经济“奇迹”号巨轮模型、神舟十二号返回舱、全球首款3kg负载高精度掌上六轴工业机器人也吸引了不少观众。
图为中国经济“奇迹”号巨轮模型 中新网记者 李霈韵 摄。在中央综合展区，首个单元“经济建设奋楫扬帆 谱写高质量发展新篇章”的展厅中央正是中国经济“奇迹”号巨轮模型。
巨轮上有七根立柱，做成风帆形状，用一组组数据展示了中国这十年的发展成就：国内生产总值从53.9万亿元增长到114.4万亿元、制造业增加值从16.98万亿元增加到31.4万亿元……
图为参观者在中国第一型按照国际适航标准、完全自主研制的民用大涵道比涡扇发动机“长江-1000”模型前驻足。 中新社记者 侯宇 摄。在巨轮两侧，还陈列着“复兴号”高速列车、工业制造器械、我国首个太阳探测科学技术试验卫星“羲和号”等模型。
图为展区高速列车模型 中新网记者 李霈韵 摄。在“积极发展全过程人民民主 建设社会主义民主政治”单元展厅中，最令人瞩目的是12张选民证。
据了解，这些选民证来源于山西省太原市市民韩玉峰。从1953年到2021年、从繁体字到简体字，如今他已89岁，参加了12次人大代表选举。
图为展区中中新社“习言道”融媒体栏目 中新网记者 李霈韵 摄。“展览主要把咱们国家这十年的卓越成就展现给大家，科技、生态、扶贫......真的每一块都值得我们骄傲。”江西展区的讲解员徐晨颖说，自展览开幕，每天都有很多人来参观。
图为中央媒体特殊栏目、网站、融媒体平台，中新网记者 李霈韵 摄。来自湖北省武汉市的谢蓓是已经是第二次参加国家级大型展览讲解工作。一个半月前，她从层层选拔中脱颖而出，成为湖北展区的讲解员。为此，她搜集、学习了大量资料，“越了解，感受就越深刻，这十年发展真是太快了！”
谢蓓向中新网表示，作为十年成就的见证者与讲述者，她感到很自豪。在学习和讲解过程中，战疫部分的故事最让谢蓓感动，观众也听得最认真。
“了不起，真是英雄的城市！”她看到，人群中，有人竖起了大拇指。
还有不少湖北老乡找到展区，见到谢蓓就高兴地说：“我就是湖北人，专门找过来的！”这时，她就会笑着说：“欢迎您回家！”
有些游客，还会拉着谢蓓去看展区九省通渠的地图，“他们就指着地图说，‘我家就在这里’，有什么什么特产和特色，感觉特别亲切。”
图为中央综合展区第一单元展区参观者在参观神舟十二号返回舱 中新网记者 李霈韵 摄。在现场，一位展区工作人员正在视频电话中，给4岁的女儿介绍每个展区的内容，“你看，这就是你吃的大米，是辽宁的......”他告诉中新网，孩子远在家乡，他就用这种形式带她参观，“有些研究成果啊，以前只是听说过，现在都知道来自哪，怎么做出来的。”
人来人往的展览现场，有一位78岁、头发已经花白的老人在一块12英寸大硅片前停留了许久。
年轻时，他曾在电子管厂工作，“从前，咱们国家只能生产5公分大小的，后来是10公分，现在都能做出这么大尺寸的了，”他一边用手比划着，一边感叹着，“这很难得的，应该好好和大家讲讲！”(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
快三平台地图 |
)