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。
身披白袍似战甲:“手术刀”谱写生命华美乐章******
中新网湖州2月3日电(施紫楠 张璐)“阿福医生,你现在可成了‘大明星’了,上春晚感觉怎么样啊?”“阿福医生,年三十那天,我可特意等着看你呢!”3日,回医院上班的第二天,彭福生还是会收到身边同事和患者们的关心。
面对大家的各种问题,好脾气的彭福生笑着一一回应,“‘明星’就算了,手术台才是我的主舞台。”
今年42岁的彭福生,是浙江省湖州市中心医院泌尿科的一名医生,也是全国各行各业百姓歌手、湖州卫健人、“手术刀乐队”的代表。兔年除夕夜,他参与央视春晚合唱节目《早安,阳光》的演出。
彭福生出生在广东揭阳一个医学世家,爷爷是皮肤科医生,奶奶是妇产科医生,父亲是中药药剂师,亲友也多为医务人员。从小,他就立志当一名医生,拿起手术刀,悬壶济世。
彭福生(左二)和“手术刀乐队”成员一起排练 受访者 供图“在我的儿时记忆中,那一袭白衣是最亲切的。”同时,音乐也是彭福生的梦想。他爱听黄家驹,最爱《再见理想》。大学时,除了求学,他也会参加很多演出,追逐自己的音乐梦想。
如果说少时,彭福生喜欢的是舞台上的澎湃,聚光灯下的闪耀;那么长大后,他爱上的则是歌词里的生命,舞台下的青春。他说,学医是始终未变的初心,音乐也是坚持不变的梦想。
“我明白能有机会登上央视春晚,不是因为自己有多特别,而是因为身上的这一袭白衣,和‘手术刀乐队’10年来的坚持以及医院对我们的全力支持。”彭福生说,疫情防控这几年,医务人员的辛苦与付出,大家都看在眼里。
“其实这个机会可以说是大家让给我的,所以我也特别珍惜和感激。”彭福生回忆,因为当时只有一个名额,大家在考虑演出需要、工作实际、家庭情况等综合因素后,选择他成为那个“幸运儿”。
“手术刀乐队”成员合影 受访者 供图成立于2012年的“手术刀乐队”,成员主要来自湖州市医疗系统。队长兼鼓手童涌是湖州市中心医院感染科医生,彭福生是贝斯手,唱和声,有时也客串吉他手和主唱。
10多年来,乐队不仅举办过专场演唱会,也常去各个公益舞台一展风采,并一直尝试做原创音乐,把生活中的经历写进歌词,已创作出《拥有爱》《不是无所谓》《路》《梦想启航》等20余首原创作品。
其中,《拥有爱》是乐队的代表作之一,正是由彭福生作词作曲。
“我有一件大衣,一尘不染洁白如玉,披在我身重有千斤,一直坚持不言放弃。不管危险荆棘,就算进入黑暗世纪,不会忘记最初誓言,永远记得壶悬世济……”这是彭福生最喜欢的一段歌词。
“这首歌创作于疫情防控期间,也许不能和专业的词曲比,但每一字每一句都是源于生活,希望能给身边的人带去力量。”彭福生说,一路走来,他才慢慢发现,生命才是那一曲最华美的乐章。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |