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。
从“互联互通”到“共建共创”——2022年世界互联网大会乌镇峰会即将启幕******
【乌镇聚焦】
光明网记者 李政葳 孔繁鑫 李飞
11月7日清晨,乌镇景区3甲民宿的李立民推开临河木窗,水乡清凉湿润的空气扑面而来。除了家家尽枕河的古镇风光,各类新锐互联网元素举目可见。“在这里生活工作十多年,见证了世界互联网大会从首届至今,感受到大国小镇触网后的迅速蝶变,也感知到数字时代的智慧生活。”李立民说。
作为大会的永久举办地,水乡乌镇不断浸润互联网发展新机遇,已成为全球互联网发展样本和全球互联网行业交流合作的重要平台。从2014年第一届的“互联互通共享共治”,到本届峰会的“共建网络世界 共创数字未来”,大会主题在变,但中国拥抱数字世界的开放态度,以及携手共建网络空间命运共同体、让数字文明更好造福全球民众的决心从未改变。
搭建平台 群贤毕至
“国际社会越来越成为你中有我、我中有你的命运共同体。发展好、运用好、治理好互联网,让互联网更好造福人类,是国际社会的共同责任”……11月7日发布的《携手构建网络空间命运共同体》白皮书这样指出。
回顾历届大会,无不是一场联通全球、群贤毕至的盛会。2022年乌镇峰会期间,将有来自120余个国家和地区的各国政府、国际组织、行业机构、互联网企业、高校智库的近2000位代表,以线下或线上形式展开交流,为网络空间命运共同体建设献智献策;也将有数十位外国政府高级别代表,就共同关注的热点议题展开深入交流。
开放是开展网络空间合作的前提,也是构建网络空间命运共同体的重要条件。“世界互联网大会强调开放合作,既显示我们的自信,也彰显了中国对全球互联网发展的态度和贡献;大会既是互联网发展趋势的风向标,也是促进网络空间国际合作的平台。”中国工程院院士邬贺铨说。
世界互联网大会秘书长任贤良表示,八年来,世界互联网大会平台不断凝聚各方智慧共识,持续深化数字领域合作,成为全球互联网共享共治和数字经济交流合作的高端平台;同时,大会已形成成熟模式,建成完善设施,取得积极成果,成为国际互联网领域公认的重要平台。
聚焦主题 引领行业
“历年大会主题设置见证了行业发展变迁,论坛议题也紧贴行业变化,围绕全球网络空间焦点热点展开。”作为历次大会参会嘉宾,奇安信集团总裁吴云坤满怀期待。
本届大会将围绕合作与发展、技术与产业、人文与社会、治理与安全四大板块展开,分论坛数量达20个。“在保留企业家高峰论坛、‘一带一路’互联网国际合作论坛等传统特色论坛基础上,还将聚焦数字基础设施、全球发展倡议、弥合数字鸿沟、互联网关键资源等新热点议题。”任贤良说。
“HarmonyOS鸿蒙操作系统”“北斗全球卫星导航系统建设和应用”“800G超高速光收发芯片与引擎技术研发”……这些前沿名词,都是历次世界互联网领先科技成果发布活动的重要发布。作为大会“经典节目”,成果发布具有持续聚焦全球互联网前沿技术与应用发展、关注互联网基础理论创新和技术应用创新等特点。
“直通乌镇”全球互联网大赛已经演变为聚焦数字经济、贯穿全年的国际性赛事;《中国互联网发展报告》《世界互联网发展报告》蓝皮书也逐渐成为亮点。值得一提的是,自2021年以来,大会推出“携手构建网络空间命运共同体精品案例”发布展示,讲述网络空间国际交流合作的生动故事。
携手共建 共谋福祉
近年来,大会围绕构建网络空间命运共同体这一主线,发布概念文件、行动倡议等,不断提升国际社会在网络空间的命运共同体意识。2015年发表的《乌镇倡议》成为国际互联网发展和治理领域的重要成果;2016年启动“乌镇进程”,为全球互联网治理提供中国视角;2017年发布《乌镇展望》,推动全球互联网发展治理迈出坚实一步……大批成果彰显互联网治理的“中国智慧”与“中国担当”。
2022年7月12日,世界互联网大会国际组织成立,这标志着世界互联网大会将转型为国际组织年会。作为国际组织成立后的首届年会,本届峰会将与国际各方积极搭建全球互联网高端对话平台。
俯瞰乌镇,密布的河网联结着枕水人家,犹如一张承载“互联互通”寓意的网络。夜幕降临,皎洁的月光洒在青石白瓦、小桥流水上,这座“互联网小镇”宛如披上一层银辉。一桥之隔的云舟宾客中心与互联网国际会展中心灯火斑斓、交相辉映,这座小镇正静待世界互联网盛会启幕。
《光明日报》( 2022年11月08日 09版)
扫描二维码看乌镇峰会电子会刊
(文图:赵筱尘 巫邓炎)