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。
凝心聚力建设宜居宜业和美乡村******
凝心聚力建设宜居宜业和美乡村(大家谈·一起来想一起来干③·新时代新征程新伟业 )
民族要复兴,乡村必振兴。党的二十大报告提出:“全面推进乡村振兴。全面建设社会主义现代化国家,最艰巨最繁重的任务仍然在农村。”本期大家谈,我们选刊3篇来稿,共同探讨如何在新征程上更好推进乡村振兴事业,为建设宜居宜业和美乡村凝心聚力。
——编 者
接续奋斗提升幸福指数
天津蓟州区 李 通
作为一名驻村干部,我有幸参与到推进乡村振兴的火热实践中,深感使命光荣、责任重大。党的二十大报告提出“加快建设农业强国”“发展乡村特色产业”“统筹乡村基础设施和公共服务布局”,为全面推进乡村振兴擘画了宏伟蓝图。
全面推进乡村振兴,必须坚持以人民为中心的发展思想,做到一切为了人民、一切依靠人民。我所在的工作队,结对帮扶了两个经济薄弱村。我们通过持续实地走访、深入调研、论证分析,精准把脉村庄在产业、人才、文化、生态、组织等方面存在的薄弱环节,对症开方、精准施策。从带领村集体成立农业科技公司促进农副产品销售,到依托教育资源优势为村庄发展贡献智慧力量,再到利用村庄闲置空地种植太阳花打造“网红打卡地”,实践充分表明,把老百姓满意不满意、认可不认可作为评价工作的重要指标,把一件件好事办好、实事办实,就能不断提升群众的幸福指数。
实现乡村全面振兴不可能一蹴而就,需要持续发力、久久为功、善作善成。面向未来,我们工作队将继续努力,把富民政策一项一项落实好,让老乡们生活越来越红火。
党建引领激发内生动力
湖南湘潭市 黎孟秋
治国安邦重在基层。党的二十大报告提出,“坚持大抓基层的鲜明导向,抓党建促乡村振兴”。对我们基层干部而言,当务之急正在于加强基层党组织建设,以党建引领基层治理,抓好党建促进乡村振兴。
全面推动乡村振兴,必须切实加强基层党组织建设。一方面,要夯实坚强堡垒,持续开展软弱涣散党组织排查整顿、基层党组织整建提质等行动,形成党建引领、支部带头、党员在前的干事创业格局。另一方面,要锻造过硬队伍,通过加强基层党组织建设,引领带动各类人才脱颖而出、大放光彩。近年来,我所在的乡镇健全完善墩苗历练、严管厚爱、择优选用工作机制,选优配强村级党支部,逐渐形成一支信念过硬、政治过硬、责任过硬、能力过硬、作风过硬的乡村振兴干部队伍。
蓝图已绘就,奋斗正当时。以实际行动把党的二十大作出的重大部署落地落实,推动乡村振兴不断迈上新台阶,是基层干部的职责所在。以党建引领激发乡村振兴的内生动力,必能绘出新时代乡村振兴锦绣画卷。
文化发展助力乡村振兴
吉林长春市 魏志宇
乡村振兴既要塑形,也要铸魂。推动乡村文化振兴,让人民享有更加充实、更为丰富、更高质量的精神文化生活,有助于改变广大农民精神面貌,激发乡村振兴的内生动力。
近年来,吉林艺术学院通过艺术乡建参与到乡村振兴中,努力探索艺术助力乡村文化振兴的方式方法。以吉林省长春市其塔木镇刘家村为例,我们通过挖掘整理7项非遗与民族民俗文化,共同策划与执行农民丰收节,开展丰富多彩的文艺活动;依托墙绘改善村落环境,提升文化氛围;参与关云德满族民俗博物馆建设,让乡村博物馆留存乡愁记忆;以中国重要农业文化遗产“吉林九台五官屯贡米栽培系统”为依托,探索新媒体上农特产品的宣传与销售……这些实践启示我们,文化、艺术介入美丽乡村建设,是新时代乡村振兴的重要抓手,也是新时期“三农”发展的有效路径。
党的二十大对全面推进乡村振兴提出了更高要求。我们将不忘初心、砥砺前行,围绕地域独特的乡土文化、民族艺术等开展更多维度的艺术乡建,进一步推动艺术走近农民、走向农村,为乡村文化振兴做出新的贡献。(人民日报)
(文图:赵筱尘 巫邓炎)