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。
习近平与中外记者见面为何再提“全人类共同价值”?******
(中共二十大·观察)习近平与中外记者见面为何再提“全人类共同价值”?
中新社北京10月23日电 题:习近平与中外记者见面为何再提“全人类共同价值”?
中新社记者 张蔚然
10月23日,人民大会堂金色大厅,新一届中共中央政治局常委集体亮相。在这个全球瞩目的场合,面向中外记者,中共中央总书记习近平再提弘扬“全人类共同价值”。
10月23日,刚刚在中国共产党第二十届中央委员会第一次全体会议上当选的中共中央总书记习近平和中共中央政治局常委李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希在北京人民大会堂同中外记者亲切见面。图为习近平发表重要讲话。 中新社记者 盛佳鹏 摄“只要共行天下大道,各国就能够和睦相处、合作共赢,携手创造世界的美好未来。”习近平说。
“全人类共同价值”在中共二十大期间成为高频词。二十大报告呼吁,世界各国弘扬和平、发展、公平、正义、民主、自由的全人类共同价值,促进各国人民相知相亲,共同应对各种全球性挑战。
22日,全人类共同价值被正式写入中国共产党党章,以载入“党内母法”的形式固定下来,成为全党行动的共同遵循。有评论认为其展现了中国共产党的“全球观”和“世界意识”。
习近平在同中外记者见面时再次突出宣示“全人类共同价值”,表明中国共产党未来施政将继续致力于拉紧与世界“命运与共”的纽带,以胸怀天下的情怀致力于人类和平与发展崇高事业。
当今世界多极化和经济全球化面临的动荡因素增多,虽然各国相互联系和影响更密切,但疫情、冲突、通胀等造成的外溢效应持续,饥荒疾病仍在流行,隔阂和对立在一些地方持续加深。
着眼全人类历史发展进程,中国共产党提出和倡导的全人类共同价值,旨在超越地域、民族、肤色等差别,以人类共同利益为交汇点,凝聚不同文明的价值共识。
面对各国间存在的具体利益分歧,全人类共同价值理念呼吁各国以“得其大者可以兼其小”的智慧化解矛盾冲突,做大共同发展的“蛋糕”,增加和平合作的“砝码”在国际关系“天平”上的分量;面对不同人群、地域存在的价值理念分歧,全人类共同价值理念呼吁通过对话和交流,让文明的多样性而非单一性得到更大发展,集“小同”为“大同”,化“不同”为“共同”,增进不同文明的交流互鉴。
尤为值得注意的是,各国由于自身环境、历史、发展历程不同,对制度和道路愿景存在不同看法,这本应是世界多样性图景的一部分,但近年来随着个别国家选择通过诉诸小圈子、提出遏制战略、开展“排他行动”来扩大共同声音的“音量”、共同选择的所谓“辐射范围”,给世界发展增添更多不确定性,一些中小经济规模和体量的国家甚至担忧本国有一天或许不得不“选边站队”。
对于这些“乱象”,中国给出了自己的方案——无论是发起全球发展倡议、全球安全倡议,还是继续推进“一带一路”合作,中国都致力于从各国人民最深刻、最普遍、最现实的共同诉求出发,希望在对话、理解与合作中推进世界的共建共治和共赢共享,而非诉诸小圈子和零和博弈。
今天,通过再次郑重宣示“全人类共同价值”,习近平对“如何看世界、中国怎么办”的问题作出了回答,进一步阐明了中共的“世界观”。
正如他在见面会上所说,“我们将同各国人民一道,弘扬和平、发展、公平、正义、民主、自由的全人类共同价值,维护世界和平、促进世界发展,持续推动构建人类命运共同体。”(完)
(文图:赵筱尘 巫邓炎)