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。
【寻味中华】“小家”碧螺春,大有乾坤******
中新社苏州10月13日电 题:“小家”碧螺春,大有乾坤
中新社记者 钟升
苏州民间给碧螺春茶取了一个通俗而直白的名字——吓煞人香。
不同于别处漫山遍野清一色茶树的种植方式,苏州人将碧螺春茶树与枇杷、杨梅等果树交叉种植,使茶叶天然地带有一丝水果的清甜与芬芳。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。苏州人将碧螺春茶树与枇杷、杨梅等果树交叉种植,使茶叶天然地带有一丝水果的清甜与芬芳。(无人机照片) 中新社发 刘秀英 摄碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。
碧螺春茶在苏州的种植历史可以追溯至两晋南北朝时期,唐朝“茶圣”陆羽在编写《茶经》时就曾有过记录。
苏州市吴中洞庭山碧螺春茶业协会秘书长叶国平告诉中新社记者,洞庭山碧螺春茶的产地洞庭东山、西山位于太湖之中,环境优美、生态宜人,丰沛的水土条件和温润的气候非常适合茶树种植。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。“手不离茶,茶不离锅,揉中带炒,炒中带揉,连续操作,起锅即成。”经此泡出的茶汤香气浓郁、入口回味纯正。2011年,苏州市吴中区绿茶制作技艺(碧螺春制作技艺)入选第三批国家级非物质文化遗产代表性项目名录;2020年,江苏吴中碧螺春茶果复合系统被中国农业农村部列入第五批中国重要农业文化遗产名单。由此,碧螺春茶成为江苏省首个国家级“双遗”农业品。(资料照片) 中新社发 刘水 摄经传统采制方法制成的洞庭山碧螺春茶,有“条索纤细,卷曲成螺,茸毛遍体,银绿隐翠”之外形,有“汤色碧绿,清香高雅,入口爽甜,回味无穷”之内质。
茶农们身挎背篓,采摘下带着露珠的碧绿茶叶。手工拣剔之后,经过高温杀青、热揉成形、搓团显毫、文火干燥四道工序。香飘海内外的苏州洞庭山碧螺春茶就此炒制完成。
“手不离茶,茶不离锅,揉中带炒,炒中带揉,连续操作,起锅即成。”经此泡出的茶汤香气浓郁、入口回味纯正。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。江苏省苏州市吴中区开发了碧螺春主题的旅游线路,通过农旅相结合的方式推广碧螺春茶文化。 中新社发 曹仲 摄2011年,吴中区绿茶制作技艺(碧螺春制作技艺)入选第三批国家级非物质文化遗产代表性项目名录;2020年,江苏吴中碧螺春茶果复合系统被中国农业农村部列入第五批中国重要农业文化遗产名单。由此,碧螺春茶成为江苏省首个国家级“双遗”农业品。
苏州的一方水土造就了形味俱佳的碧螺春,碧螺春的袅袅茶香也在潜移默化中塑造着苏州人的独特气质。
改革开放之后,通过积极承接周边地区的溢出效应,苏州实现了经济社会的飞速发展,苏州人形象地称之为“大树底下种好碧螺春”。
除了喝,好吃又会吃的苏州人还将碧螺春茶用在了菜肴之中。苏州老字号酒家得月楼的掌门人林冏介绍说,将碧螺春制成茶汁与新鲜河虾仁一起烹煮,河虾的鲜甜与碧螺春的幽香相交织,口感清新淡雅,是极具苏州地方特色的一道名菜。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。近几年,洞庭山碧螺春茶的产地被列入了苏州生态涵养发展实验区,对茶农化肥、农药的使用要求也相应提高。苏州吴中区农业农村局的监测数据显示,近五年来,环太湖地区化肥农药的使用量合计降低了百分之20,有机肥的使用量则相应增加。(资料照片) 中新社发 关锦峰 摄近几年,洞庭山碧螺春茶的产地被列入了苏州生态涵养发展实验区,对茶农化肥、农药的使用要求也相应提高。吴中区农业农村局的监测数据显示,近五年来,环太湖地区化肥农药的使用量合计降低了20%,有机肥的使用量则相应增加。
在“中国制茶大师”、苏州东山御封茶厂厂长严介龙看来,这些举措令碧螺春茶汤更加香醇,并进一步推动洞庭山碧螺春向绿色有机方向发展。吴中区也适时开发了碧螺春主题的旅游线路,通过农旅相结合的方式推广碧螺春茶文化。
同时,苏州市陆续制定了《苏式传统文化 洞庭(山)碧螺春茶制作技艺传承指南》等一系列标准,对碧螺春茶的品质、炒制工艺等要求更加严格、规范。生态环境独特化、生产过程绿色化、管理方式精细化、鲜叶挑选苛刻化、制作技艺标准化,苏州的“小家碧螺”,从洞庭山出发,一步步走向更大的天地。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |