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。
日英签新防务协议,瞄着中国?外交部回应******
【环球时报驻意大利特派记者 谢亚宏 环球时报报道 记者郭媛丹宋毅】日本首相岸田文雄与英国首相苏纳克于当地时间11日在伦敦塔举行会谈,期间双方签署一项新的防务协议——《互惠准入协定》(RAA)。11日接受《环球时报》记者采访的专家认为,日英签署RAA让美国最为满意,符合美国的利益。中国外交部发言人则对此回应称,有关国家开展防务合作不应将集团对抗的旧思维引入到亚太地区。
据日本时事通讯社11日报道,岸田文雄当地时间10日晚抵达伦敦,并于11日与苏纳克举行会谈。在会谈期间,两国政府签署RAA。报道称,这是继澳大利亚后,日本与第二个国家签署RAA。法新社援引英国政府的声明称,RAA是“英日之间一个多世纪以来最重要的协议”,将允许两国规划和开展更大规模、更复杂的军事演习,并允许双方相互部署军事力量。英国《金融时报》称,英日签署RAA之际,英国政府正寻求加强在亚太地区的参与,以抗衡中国的影响力。
11日,中国外交部发言人汪文斌在例行记者会上回应相关问题时表示,有关国家开展防务合作应当有利于增进各国间的相互理解、信任与合作,不应制造“假想敌”,更不应将集团对抗的旧思维引入到亚太地区。
此前一天,岸田文雄在罗马与意大利总理梅洛尼举行会谈。日本《朝日新闻》11日报道称,基于日本、意大利和英国正携手推进开发下一代战斗机,在会谈期间,岸田与梅洛尼一致同意将双边关系升级为“战略伙伴关系”。为进一步深化安保防务合作,双方就创设两国外交和防务部门负责人出席的安保政策磋商机制达成共识。意大利“今日网”表示,此次战斗机合作是二战结束后日本在没有美国参与条件下的首次国防工业重大国际合作,但即便如此美国背后的作用依然显著。报道也提到岸田此访意在拉拢反华阵线,但文中只引用了梅洛尼关于印太地区是一个“日益具有战略意义的区域”的说法,除此之外,意大利没有任何其他表态。
同样在10日,欧盟和北约签署俄乌冲突后首份安全合作联合宣言,并老调重弹,炒作“中国威胁论”,声称“中国给欧盟和北约带来需要应对的挑战”。对此,我驻欧盟使团发言人回应称,《欧盟—北约合作联合宣言》首次以官方文件形式表达双方对华共同立场,暴露出对华认知的偏见和傲慢。中方对《联合宣言》中的对华无理指责和冷战思维表示坚决反对。
军事专家宋忠平11日告诉《环球时报》记者,日本和英国作为美国两个重要的盟国,都想跟随美国的全球战略来实现自己的大国梦想。“尤其是日本把英国勾连到印太地区,更符合美国的利益;同时,日本也希望凭借英国的力量打开北约的军火市场,因此双方一拍即合。此外,日本和英国都把中俄视为威胁。此前,美英澳打造奥库斯(AUKUS)联盟,英国就是为了配合美国的‘印太战略’,插手中国周边事务。而日本一直不希望看到中国强大,更希望包括英国在内的北约国家东扩到中国家门口,来帮助自己遏制中国的发展,配合美国的‘印太战略’。”
宋忠平进一步表示:“欧盟和北约发表联合宣言,表示欧盟彻底放弃独立外交政策,把自身安全完全交给北约。这背后是美国的一手策划,‘阉割’了欧盟的独立自主性,让欧盟变成一个‘脑死亡’的国际组织。”
(文图:赵筱尘 巫邓炎)