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。
大山里的“江南舅舅”:直播带货拉动乡愁经济******
(新春走基层)大山里的“江南舅舅”:直播带货拉动乡愁经济
中新网杭州1月18日电(奚金燕 郭弘屹)临近年关,往日宁静的浙西大山深处多了几分喧嚣。从杭州市区开车大约一个半小时,一路绿水青山不绝,行至西径山脚,就到了网络主播何江南的家——临安区高虹镇崇阳村。
冬日的西径山寒风瑟瑟,何江南却在自家的直播间忙得满头大汗,“喜欢吃竹笋的朋友千万别错过这几款笋干、罐头笋和多味笋丝,全部都是临安当地的新鲜竹笋制成……”
镜头外,庭院内,一箱箱竹笋在村民们手中被一一打包,等待送往全国各地。
在崇阳村,几乎家家户户都种植竹笋,竹笋是村民的主要收入来源。“原本山上的竹笋只能由村民拉去市区卖,市场小、成本高,每季收入只有几千块钱。这些年,在直播带货的助力下,村里的竹笋已经不愁销路了。”何江南说。
今年28岁的何江南形容自己是“一个普通得不能再普通的人”,农村出生,考上大学,在大城市做过销售、创过业,三年前短视频火起来了,他又回了出生的地方,当起了短视频博主。
“我最初走的是搞笑视频风格,记录照顾八个外甥和外甥女的生活,这就是‘江南舅舅’这个名字的由来。”何江南告诉记者,“后来家乡丰富的农产品给了我新的灵感。”
“山上的新鲜竹笋、自家养的走地鸡、爸妈做的水磨年糕……以前每次人还没到家,口水就止不住了。当时我就下定决心,将来一定要回村创业,把家乡的美味端上全国各地朋友的餐桌。”何江南说。
于是,“江南舅舅”家庭直播间就这样诞生了。“刚开始做直播的时候,我其实什么都不懂,全靠自己一点点摸索,经常自学剪辑到凌晨两三点。”直播、店铺装修、拍产品图、剪辑后期、售后服务……全是何江南自己包揽。
何江南和村民在仓库装货。 受访者 供图2020年,何江南加入了位于杭州的MCN机构无忧传媒,产出的内容越来越多元。后来,高虹镇政府还在双创基地为何江南设置了一个200平方米、配备专业设施的直播间。通过努力,“江南舅舅”现在全网粉丝突破380万人,为乡愁经济转化打开了流量入口。
记者了解到,今年“江南舅舅”直播间已经卖出笋系列产品约10万斤,前不久主推的腊味礼盒销售量也达到百万元。
在直播间镜头前的何江南总是激情洋溢、自信满满,或许很难想象,在最初返乡创业的那段日子,他也曾备受煎熬。
正所谓“每一个创业者都是孤独的”,何江南刚回到村里时,经常能听到质疑的声音。“一个在城市里拿高薪的大学毕业生,放弃一切回村里做什么?”
的确,不仅是村民不理解,就连自己的父母和姐姐也常常动摇思想。“刚开始,每场直播3小时到4小时,结束后全家人都腰酸背痛。如果业绩不好,真的很打击士气。”何江南说。
功夫不负苦心人,经过日复一日的努力,随着“江南舅舅”粉丝数的增长,村民们也渐渐看到了网络的力量,认同了何江南的努力。就像一股风,吹进了崇阳村,激活了一池春水。
“现在直播间条件变好了,越来越多的年轻人选择回到家乡,加入到我们的直播团队。”眼下,何江南不仅让自己家凭借新媒体奔了小康,还带动了村庄23名闲散的劳动力就业,这些村民人均年收入增加了6万元到8万元。
或许,对于乡亲们而言,何江南就是全村的希望。如今,何江南成功助力家乡近百种特产走出大山,走向全国各地,也直接拉动了上百家农户的经济收入。
作为青年党员的何江南去年还当选了杭州市临安区第一届党代表,他感到肩上的担子更重了,“之前也没想过我会走这么远,更多是站在了时代和政策的风口。新的一年,我想继续扎根在这片绿水青山,帮助更多乡亲们留住乡愁,致富不愁。”(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |