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。
中国春节旅游展现传统文化新动能******
新华社西安2月3日电(记者蔡馨逸 姜辰蓉)春节假期已过,西安旅游市场依旧繁荣。夜幕降临,满街花灯亮起,西安大雁塔下游人如织。
“日宫开万仞,月殿耸千寻”“赏春无酒饮,多看寺中花”“三月三日天气新,长安水边多丽人”……在大雁塔北广场的树干上,诗词灯饰垂下,点亮一段充满诗意的灯火阑珊,让游客在诗词之美中感受唐代意蕴。
不远处的大唐不夜城,一位身着白色长袍的公子手持笔墨,意气风发地翩翩舞蹈,用“诗文”“科举”“提名”三个篇章,演绎出唐代举子进士及第后“雁塔题名”的历史典故,吸引游客欣赏、拍照。
春节是中国最隆重、最热闹的传统节日。作为疫情防控进入新阶段后的首个春节,众多中国人选择在旅游中感受年味。据文化和旅游部统计数据显示,今年春节假期,全国国内旅游出游3.08亿人次,同比增长23.1%;实现国内旅游收入3758.43亿元,同比增长30%。
文化学者肖云儒说,一元复始,万象更新;亲人团聚,贺岁祈福。对于春节,中国人赋予了诸多美好寓意与向往,其中蕴含的是对新一年的积极企盼和对传统礼俗的传承。因而,春节出游,除了娱乐身心,人们更增添了一份精神文化需求。
中国多地用丰富多彩的文化旅游活动回应人们旅游热情和期待。陕西省西安市围绕古都气质,通过6大主题44大类系列活动,打造独具匠心的“西安年”;北京文博单位共推出展览70余项,以及线上线下文博活动140余项;广州推出了演出、展览、灯会等600余项“文旅年货”……
步入位于西安的“长安十二时辰”主题街区的大门,仿佛穿越到了唐长安城的新年。仿古街区里寄托着美好祝愿的春幡高高扬起,各家商户张贴春联、福字,挂起灯笼,红彤彤地透着喜庆。杂技、舞蹈、舞龙舞狮在喜庆的锣鼓声中辗转腾挪,吸引游客驻足拍照。今年,街区还特别“复刻”了传统年俗“驱傩”,头戴面具的傩戏演员们伴随鼓声穿梭在游客中,寓意趋吉避凶。
据了解,春节期间,“长安十二时辰”主题街区累计接待游客超7万人次。据陕西文化旅游股份有限公司董事长邹林丰介绍,“长安十二时辰”项目以唐朝长安市井文化为主要内容,以沉浸式体验为主要方式。为了让街区场景内容趋近真实,团队对散落在文献、诗歌、古籍、文物中的唐风唐俗进行了系统化梳理,并用生活化、现代化的方式予以展示,受到众多游客喜爱。
传统文化创新带来的惊喜,不只存在于沉浸式体验,还来自数字技术的加持。
国家级非物质文化遗产项目上海豫园灯会已举办28年,是上海最具特色的春节年俗活动之一。今年的豫园灯会运用AR技术结合实景,为游客带去别样体验。在以《山海经》为蓝本的灯光艺术盛宴中,游客走到固定点位,用手机扫描场景,就可以看到《山海经》中的灵兽在屏幕中活起来,与现实景观互动。
携程集团西安分公司副总经理孙为立表示,春节旅游火爆释放出积极信号,同时展现出公众旅游需求从去景区“看过”,提升到“看过”“体验过”“分享过”的新趋势。游客追求高品质、个性化、可参与、可传播的游览体验,推动文旅产业不断自我革新。
西安市文旅局局长孙超说,今年西安将推动“文物+文旅”融合发展,让文物“活起来”,并采用科技化、时尚化、年轻化的展示方式,推出一批彰显中国特色、代表西安形象、满足市场需求的文旅新IP。
(文图:赵筱尘 巫邓炎)