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。
紧急换“将”、政策大转弯 英首相特拉斯能否破局? ******
中新网10月15日电 上任不过月余,英国财政大臣夸西•克沃滕突遭撤职。首相特拉斯提出一系列减税计划也再次出现180度大转弯。
但对于特拉斯政府的“调头”,外界似乎并不看好。英镑应声下跌、要求其下台呼声持续,不确定性笼罩着本就内忧外患的英国。
这位走马上任不过40天左右的女首相,又还能否走出困局?
【上任月余被“炒”】
当地时间10月14日,英国首相特拉斯解雇财政大臣夸西•克沃滕。而这距离克沃滕上任仅有大约38天。前卫生大臣杰里米•亨特将接替其职位。
英国广播公司(BBC)称,这意味着,克沃滕成为有记录以来任职时间第二短的英国财政大臣。
值得注意的是,此前在特拉斯竞选英国保守党党魁期间,克沃滕曾对特拉斯表示支持。成为特拉斯政府的财政大臣前,他甚至被称为她的“政治灵魂伴侣”。
对于克沃滕被撤职一事,特拉斯回应说,她“非常尊重”克沃滕“把国家利益放在首位”并辞职的决定。
克沃滕本人也在社交媒体上发布了他写给特拉斯的一封信,称能担任她的大臣是种“荣誉”,祝“一切顺利”。
【再次180度大转弯】
就在克沃滕被解雇当天,特拉斯召开新闻发布会,宣布其政府减税计划再次迎来大转弯。
9月23日,英国政府宣布该国50年来最大规模减税措施,但饱受外界质疑和批评,引发市场动荡。英镑对美元汇率在9月26日亚洲早盘交易中一度跌至1比1.03附近,创历史新低。
重重压力之下,英国政府的减税计划曾于10月3日出现重大转折。克沃滕当天发表声明,宣布将放弃此前提出的取消45%最高所得税税率的计划。
不过10多天时间,特拉斯政府再次作出“耻辱性”的政策转变。她证实明年4月将把公司税从19%提高到25%,而她在保守党党魁竞选中曾承诺,将取消该增长。
在10月14日这场不到 10 分钟的新闻发布会上,特拉斯坦言:“我想说实话,这很困难。”
但在英媒看来,特拉斯拒绝为其政策造成的经济动荡承担任何责任,同时决心继续担任首相。她解释说,“很明显,我们的部分‘迷你预算’(政策)比市场预期走得更远、更快,所以我们现在履行使命的方式必须改变。”
特拉斯还认为,她“采取了果断的行动”,而且是为了国家利益。
【内忧外患、前景不明】
对于特拉斯政府的再次“调头”,外界似乎并不看好,英镑应声下跌。
来自伦敦经济学院的托尼•特拉弗斯认为,克沃滕成了“政府错误的替罪羊”,撤职并没有减轻特拉斯的压力,也没有让保守党平静下来。
近来,英国政府在民意调查中的支持率创历史新低。还有民调显示,43%的保守党选民希望唐宁街迎来新首相。苏格兰首席大臣斯特金也呼吁举行大选,认为这是维护经济稳定的最佳做法。
在金融服务公司任投资总监的詹姆斯•埃塞还分析称,“除了不明智和不合时宜的财政宽松政策外,(英国)显然还有很多问题需要应对”。他进一步指出,英国通胀保持高位,政府借贷规模庞大,房地产市场可能遭受沉重打击。
此外,英国政府此前宣布以债务融资的减税计划之后,英国养老金行业几乎部分崩溃,迫使英国央行多次干预,这也引发担忧,即动荡可能席卷发达经济体。
面对相关威胁,一些经济学家和投资者曾寄希望于美联储软化其激进加息的计划,但希望已破灭。英国《金融时报》援引专家分析称,预计美联储今年将再两次加息0.75个百分点,然后在明年2月加息0.5个百分点。而这很可能将放大多国央行的通胀难题,英国经济自然也难逃雪上加霜的命运。
面对内忧外患、动荡不断的英国,紧急“换将”的特拉斯又能否重振士气,应对挑战?
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() ![]() 分分赛车地图 |