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。
努力开创甘肃农业农村现代化建设新局面******
甘肃日报评论员
刚刚召开的省委农村工作会议,深入贯彻中央农村工作会议精神,认真总结去年我省“三农”工作,部署了当前和今后一个时期“三农”工作的目标任务。这次会议,对我们锚定建设农业强省目标,扎实推进“三农”各项工作,奋力开创甘肃农业农村现代化建设新局面,具有十分重要的意义。
去年以来,我省坚持农业农村优先发展,统筹推进乡村“五个振兴”,加快改善农民群众生产生活条件,脱贫成果有了新提升,粮食生产实现新突破,产业发展迈出新步伐,乡村建设取得新成效,发展动能得到新激发,“三农”工作保持了持续健康发展的良好态势。全省上下要乘势而上、再接再厉,围绕建设农业强省的奋斗目标,加快农业农村现代化步伐,为全面建设社会主义现代化幸福美好新甘肃打下坚实基础。
今天的甘肃,“三农”工作重心已经发生历史性转移,农业产业发展进入转型升级的窗口期,乡村建设进入加快补齐短板的机遇期,城镇乡村进入协同融合发展的突破期。加快建设农业强省,我们具备诸多有利条件,拥有比较坚实的发展基础、得天独厚的资源优势、国家政策的倾斜支持、相对健全的支撑体系。但同时也要看到,我省“三农”工作仍面临诸多困难和挑战。在新征程上推进农业强省建设,必须辩证审视“三农”工作面临的形势,既看到有利条件和比较优势,又认清差距不足和短板弱项,坚定信心、主动作为,扬长补短、固强补弱。我们要立足省情农情,总结用好实践经验,把握好规律性认识和原则性要求,坚持党的全面领导,坚持以人为本,坚持改革创新,坚持系统观念,坚持因地制宜,坚持躬身实干,推动农业强省建设不断取得新突破。
当前和今后一个时期,做好全省“三农”工作,关键是把握好“六个聚焦”。要聚焦“守底线”,持续夯实“三农”基石,通过精准有效监测帮扶、加快脱贫地区发展、拓展协作帮扶成果,狠抓耕地提升、种子种质、大类品种、多元供给,抓好防止规模性返贫和确保粮食安全两大底线性任务;要聚焦“土特产”,持续壮大优势产业,通过挖掘“土”的资源、放大“特”的优势、提高“产”的效益,充分释放农业产业发展潜力;要聚焦“能致富”,持续拓宽增收渠道,通过强化技能培训、强化利益联结、强化政策扶持,让农民群众钱袋子鼓起来、日子越过越好;要聚焦“现代化”,持续推进乡村建设,通过积极稳妥开展村庄建设、治污治乱改善人居环境、延伸增效做好设施服务,让乡村更美丽、生活更美好;要聚焦“增活力”,持续深化改革创新,通过优化科技供给、深化农村改革、激发内生动力,不断塑造发展新动能新优势;要聚焦“强保证”,持续完善工作机制,通过健全党的领导机制、协调配合机制、干部培训机制、人才引育机制、要素保障机制、督查考核机制,为“三农”发展提供坚强保证。
务农重本,国之大纲。做好“三农”工作,使命光荣、责任重大。让我们锚定目标,铆足干劲,全面推进乡村振兴,加快建设农业强省,促进农业高质高效、乡村宜居宜业、农民富裕富足。
(文图:赵筱尘 巫邓炎)