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。
“岭南古郡”广西钦州的特色年味******
(新春走基层)“岭南古郡”广西钦州的特色年味
中新网钦州1月17日电:“岭南古郡”广西钦州的特色年味
记者 翟李强 杨强
1月15日,壬寅年农历腊月二十四,年已七旬的广西钦州灵山烟墩大鼓非物质文化遗产传承人黄平修踏上约一米高的铁板凳,擂响了他新年的第一通鼓,鼓声震耳撼人。黄平修介绍,这种闹春的鼓声在附近的村庄里将会持续至元宵。
烟墩大鼓系钦州市灵山县烟墩镇一带的一项独特而古老的传统器具,相传起源于古代先民用作驱鬼避邪、驱赶猛兽和传递战争信号的器具,如今已演变成当地迎春、祈福、庆祝丰收,或用于开业庆典等的乐器,列入了广西壮族自治区级非物质文化遗产保护名录。
在烟墩镇邓塘村的烟墩大鼓工作室里,陈列着多面赛人高的大鼓,最高的一面约有3米,每一面大鼓都用很多钢丝绳由鼓面绷至鼓脚。黄平修介绍,这些大鼓都是用樟木和牛皮制作的,有了钢丝绳的作用,通过调节鼓脚的木楔就可以改变大鼓的音效。
黄修平说,击鼓闹春是当地传统习俗,每逢大年初二,附近各村还会聚集在一起斗鼓,比拼鼓声,祈求风调雨顺,驱疫辟邪,2023年春节也不会例外。
在灵山县佛子镇大芦村,始建于清朝乾隆十二年的东园别墅前,几位老人围坐一起烤火聊天,古宅里,刚从广东放假返乡的劳会正在为古宅和乡亲写春联,他的三个孩子围着桌子聚精会神地看着。劳会每写一字,他侄女就帮着拉一下红纸。一旁的劳永秀和她的侄子也一样默契地配合着,完成了一副又一副的春联。
这个传统在大芦村年年都有。劳会说,他的爷爷生前也是每年都给村里人写对联,就是因为有这样的熏陶,他热爱书法,执着于写春联的传统。1997年爷爷去世后,他就接过棒来了。带上孩子们,就是想让他们感受传统。
劳会领着孩子们在大芦村古宅里写春联。 翟李强 摄劳永秀告诉记者,她为古宅写春联是从2019年回到老家工作后开始的,之前都是老长辈写,现在年轻人慢慢接任了。
据了解,大芦村以古屋、古树和古楹联而闻名,是目前广西发现的保护最完好、规模最大的明清建筑群,现保存有305副古楹联,因而被誉为“广西楹联第一村”。
春节临近,年味愈发浓烈。与烟墩镇相邻的灵山县沙坪镇街上,人们正在忙着置办年货,人流车流叫卖声交错在一起,很是热闹。芝麻饼是当地的民众喜爱的特色小吃之一,是人们常备的年货。糯米制作的饼皮,用叉烧、薯蓉等作馅,再裹上一层芝麻,经过烘烤,香脆可口。
工人在赶制芝麻饼。 翟李强 摄“今天到现在都没停过。”1月16日下午,冯艺的工人在忙着打包芝麻饼给客户发货,他的车间里,工人们在忙着赶制新一批芝麻饼。冯艺介绍,他从2003年开始生产芝麻饼,每年中秋和春节前是最忙的时候,2022年从农历十月底开始至今生产了逾100万个,目前已经卖了九成。
在灵山,年味也缺不了大粽子,有“无粽不成年,唯喜必有粽”的说法。灵山大粽广西自治区级非物质文化遗产传承人大粽哥张龙芬介绍,灵山大粽以大而著称,状如枕头,主要用野生冬叶和糯米、绿豆、猪肉、猪蹄、鸡等包制而成,标准的灵山大粽一般都有4斤重,大的庆典大粽有几百斤重,寓意“传宗接代、高中状元、光宗耀祖等。逢年过节,灵山人以大粽、粉利、芝麻饼“吉祥三宝”迎来送往,寓意家庭团聚,总之顺利。
粱受轩刚包好用一只整鸡做馅的大粽子。 翟李强 摄1月16日,在大芦村的古宅里,村民粱受轩用一只整鸡和糯米、绿豆一起包了一个大粽子,足有5斤重。“用鸡做馅的大粽寓意生活吉祥如意、事业如日中天。”大粽哥张龙芬说。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |