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。
吟唱架起情谊之桥——访两岸联吟发起人、台湾教师孙永忠******
中新社北京1月9日电 题:吟唱架起情谊之桥——访两岸联吟发起人、台湾教师孙永忠
作者 朱贺
“尽管相聚短暂,但学生间建立的情谊比想象中深厚。庆幸他们能在学生时代结识跨越海峡的朋友,这是一种美好。”
近日,台湾辅仁大学中文系教师孙永忠接受中新社记者采访,回忆十余年来两岸大学生通过古典诗词联吟活动缔结的深厚情谊。作为两岸联吟活动发起人,年逾六旬的孙永忠说,诗友们都期待早日恢复面对面交流。
幼时,孙永忠常听父亲吟唱念诗,觉得这种吟哦(放声朗读)的方式有些怪;大学时期,曾在北京求学的诗学老师用“北平腔”吟唱,“有京韵大鼓的感觉”。成为大学教师后,孙永忠发现学生们念诗时少了一种情韵,“当中需要‘细嚼慢咽’的东西不见了”。
“大家习惯用文字书写,却缺少了许多想象力。问起为何‘独坐幽篁里’,而不是坐在别的地方?李白吟出‘床前明月光’时,身处室内还是室外?学生很难给出答案。”孙永忠认为,帮助学生以吟唱方式依照古调或新曲把诗句唱出来,将节奏放慢,留下时间来品味、想象,“穿越”回到那个“当时”,或能更接近诗人的真实情感,感知中华古典诗词的本味。
1994年,孙永忠把吟唱带进课堂,并在辅仁大学的东篱诗社中刮起“旋风”。2006年来大陆参加学术交流,孙永忠发现在台湾高校已蔚然成风的吟唱形式,在大陆仍然鲜见。第二年,孙永忠带领宝岛青年在北京师范大学等高校进行吟唱展演,收获了出乎意料的反响。当青年们和着鼓乐吟唱诗经《小雅·蓼莪》,台下师生被深深打动。
与海峡对岸的东篱诗社遥相呼应,南山、悠然、采菊等诗社在大陆多地高校成立。北京师范大学的师生形容孙永忠“带了把火来”,孙永忠则认为一切只是水到渠成。
2008年,以“古韵新妍”为名的两岸青年古典诗词联吟活动应运而生,40位大陆师生赴台参加首届活动。活动在两岸高校间轮流举办,至今已至十三届,成为两岸学子一年一度的诗词盛宴。
联吟亦成为架起两岸情谊的桥梁。孙永忠谈道,有大陆学生后来结婚,台湾伙伴专程搭飞机送上祝福;有台生来大陆发展或旅游观光,会专程拜访当地诗友。
学子的生活也被吟唱所影响。孙永忠说,有学生当了教师,一样把吟唱带进课堂;有学生在困惑时唱起苏轼的“谁怕?一蓑烟雨任平生”……“每人心中都能有一两首诗词,在得意或失意之时吟哦两句,排遣一下”,在孙永忠看来,这正是吟唱的意义。
十余年来,孙永忠常为大陆各地诗社授课,并留下录音资料、曲谱及“服务电话”,诗社间也建立起友谊。他期待各家诗社有自己的钻研、尝试和突破,形成风格。
2019年第十三届联吟活动在徐州举行后,实体交流中断,但孙永忠始终与各诗社保持着线上往来。一次为江苏师范大学悠然诗社解惑,燃起了孙永忠再为两岸联吟“添一把火”的愿望;在两岸五家诗社的推动下,“古韵新妍2023冬季联吟展演”近日于大陆平台直播,在青年诗友间掀起新的涟漪。
早已将吟唱视作一生志业,孙永忠对在不久后恢复线下两岸联吟抱有很大期待。他在社交媒体中写下:吟唱是一辈子的美好,每当诗乐悠扬,我们的青春情怀便再一次的涤荡;诗词蕴有的真善美,可长葆生命的清新热忱。(完)
(文图:赵筱尘 巫邓炎)