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。
20余省份完成换届,这些正部级岗位迎来新人******
中新网北京1月18日电(记者 阚枫)2023年省级地方两会接近尾声,换届之年的省级两会,人事议题颇受舆论关注。截至18日,已有20余省份已完成省级人大、政府、政协三套班子的换届,数十位官员在正部级岗位上履新。
资料图:内蒙古自治区十四届人大一次会议现场。韩卿立 摄10余省份省级人大常委会迎来新主任
按照惯例,除北京、上海、天津、重庆、广东、西藏、新疆外,其他24省份人大常委会主任均由省级党委书记兼任。
此次省级人大领导班子的换届中,截至18日,天津、河北、山西、内蒙古、辽宁、上海、浙江、福建、江西、重庆、四川、陕西、贵州、湖北、山东、新疆的省级人大主任出现变动。
这些省份中,河北、山西、内蒙古、辽宁、浙江、福建、江西、四川、陕西、贵州、湖北、山东去年新上任的党委主要负责人,纷纷获任当地省级人大常委会主任。
此外,在上海,董云虎当选上海市人大常委会主任,其此前任上海市政协主席;在天津,喻云林当选天津市人大常委会主任,其此前任天津市人大常委会副主任;在重庆,王炯当选重庆市人大常委会主任,其此前任重庆市政协主席;在新疆,祖木热提·吾布力当选新疆维吾尔自治区人大常委会主任,其此前任新疆维吾尔自治区党委常委、统战部部长。
资料图:黑龙江省第十四届人民代表大会第一次会议现场。邵国良 摄已有3位代省长“去代转正”
在省级政府方面,今年的省级人代会上,有4位代省(市)长作政府工作报告,他们分别是北京的殷勇、黑龙江的梁惠玲、陕西的赵刚、山西的金湘军。
去年10月以来,上述4地的省级人大常委会任命他们为代省(市)长,在北京,此前担任北京市委副书记的殷勇获任北京市代理市长,在陕西,此前担任陕西省委副书记、延安市委书记的赵刚获任陕西省代理省长,在黑龙江,此前担任中华全国供销合作总社党组副书记、理事会主任的梁惠玲获任黑龙江省代理省长,在山西,此前任天津市委副书记的金湘军获任山西省代理省长。
他们中,1969年8月出生的殷勇为目前31省份中最年轻的省级政府“一把手”,梁惠玲则是继内蒙古自治区主席王莉霞之后,目前31省份中第二位女性省级政府“一把手”。
在今年的省级地方两会上,截至18日,金湘军、梁惠玲、赵刚已经“去代转正”,当选为省长。
资料图:中国人民政治协商会议上海市第十四届委员会第一次会议现场。周孙榆 摄10余省份政协主席换人,多数为异地调任
省级人大、政府、政协领导班子的换届中,“一把手”变动幅度最大的是省级政协。
截至18日,已有18省份省级政协主席换人,包括天津、河北、山西、内蒙古、吉林、黑龙江、上海、福建、江西、河南、湖南、广东、海南、重庆、贵州、云南、宁夏、甘肃。
观察此次履新的省级政协主要领导,异地调任的特征较为明显。上述履新的省级政协主席中,有13人是异地调任,其中,江西省政协主席唐一军、福建省政协主席滕佳材、重庆市政协主席唐方裕、甘肃省政协主席庄国泰来自中央机关、国家部委等部门。
17日,人民政协报微信公众号发文分析此轮省级政协人事变动的特征。文章称,此轮地方政协主要领导干部调整呈现出年轻化、高学历特点,干部选任来源广泛加上异地交流增多,有利于提高政协班子的整体功能和决策水平,改善人民政协的政治生态,进一步激发中国式民主的生机与活力。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |