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。
甘肃省民乐县70位教师搬入新公寓——师逢喜事精神爽******
■2023新春走基层
开栏的话
2023年是全面落实党的二十大精神的开局之年,也是全面建设社会主义现代化国家新征程起步之年。从今天起,中国教育报启动“新春走基层”主题采访报道活动,派出多路记者深入基层、深入校园,采访记录教育系统干部师生学习贯彻党的二十大精神的精彩瞬间和喜人景象,鲜活展现大家学习工作生活的点滴变化和切身感受,全面反映各地教育改革发展所取得的积极成效,凝聚广大干部师生团结奋进的力量。敬请关注。
甘肃省民乐县70位教师搬入新公寓
——师逢喜事精神爽
“我这边高度合适吗?”“左边再高一点儿,对,这样贴福字好看。”……1月4日,甘肃省张掖市民乐工业园区学校教师白秋霞和同事王海霞一起忙活着布置“新家”。
图① 1月3日,甘肃民乐工业园区学校教师济济一堂,出对子,写春联,庆祝乔迁之喜,展望新年新生活。
图② 该校教师在帮同事往新公寓搬运行李。
图③ 民乐工业园区学校教师公寓——树业楼外景。本报记者 张学军摄
都说人逢喜事精神爽,对白秋霞来说,在新年里更是拥有双倍的快乐——即将出生的宝宝和分到崭新整洁的公寓,让她最近脸上洋溢着满满的幸福。
和白秋霞一样,2023年元旦前,70位教师拿到了新公寓房间的钥匙。
从2019年开始,民乐县实施生态及地质灾害搬迁工程。为了让全县近3万户搬迁群众的孩子就近有学上、上好学,该县统筹教育资源,在民乐县生态工业园区移民安置点新建一所县级直属幼儿园、小学、初中一体化学校。与此同时,学校通过公开招考等方式配齐配强师资力量。
学校距离县城40多公里,教师离家远近各不相同,每天回家不现实,在家与学校之间往返,既不安全也不方便。
俗话说“安居才能乐业”。为了让教师们在新学校工作起来有家一般的温暖,2022年,民乐县投资670多万元在校园里建成名为“树业楼”的教师公寓,解了全校有需求教师的燃眉之急。
李菁是2022年新入职教师,在学校担任七年级生物教学工作。“有了宿舍之后,生活工作方便多了,不用每天跑来跑去。从校到家,从家到校,一步就到,可以安心工作了。”李菁笑道,“条件这么好,咋能不踏实努力干工作呀!”
走进李菁的宿舍,26平方米的房间被隔成卧室、卫生间2个区域,精巧而温馨。别看它小,衣柜、床和简单生活设施一应俱全。
“有一位刚入职的老师,来到公寓后就打开微信和父母视频通话,在视频里带着父母逛了一圈自己的新家。两位家长看孩子住得很好,都很放心。”在校长郑玉铭看来,这份特殊的新年礼物让教师有了一份踏踏实实的归属感。
贴窗花、摆绿植、添新床……新年伊始,万象更新。民乐工业园区学校里喜气洋洋,欢声笑语一片。(本报记者 张学军 郑芃生 通讯员 马绮徽)
(文图:赵筱尘 巫邓炎)