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。
访谈|进博会“五届老友”AGC:将深化植根中国的长期承诺******
(第五届进博会)访谈|进博会“五届老友”AGC:将深化植根中国的长期承诺
中新社上海11月4日电 题:访谈|进博会“五届老友”AGC:将深化植根中国的长期承诺
中新社记者 许婧
作为进博会的老朋友,日本AGC株式会社执行董事、AGC集团中国总代表上田敏裕在接受中新社记者专访时表示,中国通过进博会释放出“向全世界敞开大门”“中国经济强有力的发展”的信号。
自2018年首次参展,AGC持续借力进博会开放、合作、共赢的平台效能,共享中国发展机遇,连续五年亮相进博会。
上田敏裕介绍说,今年,AGC将以“碳中和”为主线,围绕“AGC创新材料,守护蓝色星球”的主题,分绿色能源、智能增效、多维创新三大板块,展示近40件全球领先的材料产品和创新成果。“我们希望用材料的力量,在EV电动车以及中国倡导的新基建领域,助力发展。”
除了现场展出的产品,AGC还带来新的材料项目的落地。上田敏裕透露,本届进博会期间,他将前往景德镇,与当地政府合作落实数字化精密陶瓷3D打印项目。该项目是使用AGC研发生产的新材料"铂丽砂",依靠3D数字成型技术,经传统瓷器高温烧制上釉工艺,以浮雕为主要表现形式的瓷器艺术崭新类别。
AGC的前身是成立于1907年的旭硝子株式会社,于20世纪70年代进入中国,目前已在华发展40余年,深耕汽车、电视、智能手机等领域多年,实现了从产品制造向“制造加销售”的转变。
目前,AGC在苏州落地了全球首条大型复杂形状车载显示器盖板玻璃生产线,在深圳建成了世界上最大尺寸的液晶玻璃基板第11代工厂。相关项目把来自日本、意大利、比利时、德国等国家的350名技术人员带到中国。
在上田敏裕看来,对习惯藏身“幕后”的材料企业而言,进博会是一个能全方位展示自己的舞台。首届进博会上,旭硝子株式会社正式宣布从“旭硝子到AGC”的公司名称变更计划,第二届进博会上又推出了最新的中文名字“艾杰旭”。“AGC在进博会上两次推出新名字,让企业形象在中国消费者心目中逐渐清晰;进博会这个舞台,也让AGC和我本人结识了很多商界、政界的合作伙伴,收获远超预期。”
上田敏裕也注意到,眼下全球经济增速持续处于低位,全球化进程出现“退潮”,但他近几年仍切身感受到中国营商环境的“进化”,AGC伴随并见证着中国的发展一起成长,尤其是近20年,中国从全世界最大的工厂成为全球最大的市场,AGC中国的业务也在发生变化。
“长期来看,中国市场仍具有巨大吸引力。”上田敏裕告诉记者,在华外资企业十分关注中国经济和中国市场以及中国经济接下来的发展动向,如果能克服疫情带来的影响,相信外企投资会很快增加。
上田敏裕2017年就任AGC中国总代表,在此之前他对中国并不熟悉。今年6月,他拿到中国绿卡,“一方面证明了自己被中国社会所认可,另一方面让我坚信搭建连接日中两国的‘空中桥梁’是非常正确的事,将来应该做更多推动日中友好的工作”。
“双方有互相了解的机会非常重要,我愿意主动制造这种机会,对话和交流非常重要,唯如此才能解决问题。”展望未来,上田敏裕说,AGC将继续以材料产业为基石原点,进一步深化植根中国的长期承诺,为中国经济的发展贡献力量。(完)
(文图:赵筱尘 巫邓炎)