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。
把党的伟大自我革命进行到底******
【央视快评】把党的伟大自我革命进行到底
1月9日,习近平总书记在二十届中央纪委二次全会上发表重要讲话强调,要站在事关党长期执政、国家长治久安、人民幸福安康的高度,把全面从严治党作为党的长期战略、永恒课题,始终坚持问题导向,保持战略定力,发扬彻底的自我革命精神,永远吹冲锋号,把严的基调、严的措施、严的氛围长期坚持下去,把党的伟大自我革命进行到底。
习近平总书记在讲话中,深刻分析大党独有难题的形成原因、主要表现和破解之道,深刻阐述健全全面从严治党体系的目标任务、实践要求,对坚定不移深入推进全面从严治党作出战略部署。
习近平总书记的重要讲话高屋建瓴、思想深邃、内涵丰富、论述精辟,具有很强的政治性、指导性、针对性,是深入推进全面从严治党的根本遵循,是新时代新征程纪检监察工作高质量发展的根本指引。
全面建设社会主义现代化国家、全面推进中华民族伟大复兴,关键在党。新时代十年,以习近平同志为核心的党中央把全面从严治党纳入“四个全面”战略布局,从坚持思想建党和制度治党同向发力,到形成比较完善的党内法规体系,从持之以恒正风肃纪,到开展史无前例的反腐败斗争,刀刃向内、刮骨疗毒,猛药祛疴、重典治乱,党在革命性锻造中更加坚强有力、更加充满活力。正在中央广播电视总台央视综合频道播出的四集专题片《永远吹冲锋号》,从一个侧面真实展现了党的十八大以来我们党推进全面从严治党、以自我革命引领社会革命的故事,在全社会引发强烈反响,充分反映了人民群众对以习近平同志为核心的党中央一以贯之惩治腐败的坚定支持和衷心拥护。
一个铸就辉煌成就仍勇于自我革命的党,才能无坚不摧。面对繁重的发展任务和复杂的风险挑战,我们必须坚持问题导向,破解党的建设特别是党风廉政建设和反腐败斗争中的顽固性、多发性问题,把全党锻造成“一块坚硬的钢铁”。
只有严管严治,才能保持大党应有的风范,解决大党独有的难题。我们要深入贯彻落实习近平总书记全面从严治党的一系列重要讲话精神,坚决按照党的二十大战略部署,健全全面从严治党体系,坚持制度治党、依规治党,坚持内容上全涵盖、对象上全覆盖、责任上全链条、制度上全贯通,强化管党治党全面系统布局、协同高效推进。要推进政治监督具体化、精准化、常态化,切实打通贯彻执行中的堵点、淤点、难点;要锲而不舍落实中央八项规定精神,持续深化纠治“四风”,坚决破除特权思想和特权行为;要把纪律建设摆在更加突出位置,既让铁纪“长牙”“发威”,又让干部重视、警醒、知止;要坚决打赢反腐败斗争攻坚战持久战,坚决查处政治问题和经济问题交织的腐败案件,进一步健全完善惩治行贿的法律法规;要健全党统一领导、全面覆盖、权威高效的监督体系,持续深化纪检监察体制改革,把巡视利剑磨得更光更亮,勇于亮剑。
大贤秉高鉴,公烛无私光。新时代新征程,广大党员、干部要深刻领悟“两个确立”的决定性意义,坚决做到“两个维护”,永远保持赶考的清醒和谨慎,永远吹冲锋号,一刻不停推进全面从严治党,保障党的二十大决策部署贯彻落实,使百年大党在自我革命中不断焕发蓬勃生机,团结带领亿万中国人民不断创造新的伟业。
央视评论员
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() ![]() 快三官方地图 |