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。
库木孜琴声唱响新时代新疆故事******
【新时代新征程新伟业】
光明日报记者 姚亚奇 李 慧
“库木孜琴声很悠扬,二十大精神来歌唱。认真学习贯彻好,踔厉奋发很自豪。两个确立要领悟,四个意识要增强……”
连日来,克州歌舞团的文艺作品《库木孜弹唱·礼赞二十大》,在新疆克孜勒苏柯尔克孜自治州唱响。
“地虽偏,心相连,心向党。”新疆克州歌舞团党支部书记杨花明说,当下,党的二十大精神学习宣传在克州如火如荼地开展,各族党员群众欢欣鼓舞,反复研读、学思悟践。克州歌舞团深入学习宣传贯彻党的二十大精神,用好红色资源,编创了一系列舞台艺术精品。
“从城市、乡村到牧区,从学前小朋友到耄耋牧民,全州人民把党的二十大精神口耳相传。作为文化宣传的‘玛纳斯奇’,我们要用接地气、有朝气、振人心的方式,通过悠扬的库木孜琴弹奏传唱党的二十大精神。”克州歌舞团的乐队演奏员买买提吐尔孙·马曼说。
买买提吐尔孙·马曼用心用情创作的《库木孜弹唱·礼赞二十大》和《我是党员我知道》,以各族人民群众喜闻乐见的方式,增加了大家对党的二十大精神的深入了解。演唱作品发布后,已有超50万人次“点赞”。
“我们今天的好日子,幸福甜蜜美滋滋,你要问我咋来滴,喝水不忘挖井人,幸福不忘带头人,党是咱的领路人,二十大报告暖人心……”玛纳斯奇艾山吐尔·库尔班那里创编了宣传党的二十大精神的歌曲《帕米尔欢庆二十大》和《党是咱们的领路人》。赴农牧区现场表演时,这两首充满柯尔克孜风情的歌曲,获得了阵阵掌声,掀起克州人民学习宣传贯彻党的二十大精神的高潮。
克孜勒苏柯尔克孜自治州,位于新疆西南部。这里是中国西极,是一个边境之州。在克州,16万多人口的柯尔克孜族,能歌善舞,热爱祖国、忠诚于党、坚守边境线。他们也是英雄玛纳斯的后裔。
“说起英雄史诗《玛纳斯》,我不由地想起今年习近平总书记考察新疆时,来到新疆维吾尔自治区博物馆,观看世界级非物质文化遗产柯尔克孜族英雄史诗《玛纳斯》说唱展示,并同非遗传承人及克州歌舞团演员亲切交谈。”杨花明说,“我们谨记总书记的谆谆教诲,立志要把世界级非物质文化遗产《玛纳斯》保护好、传承好、发扬好。”
不久前,歌舞剧《玛纳斯》在克州文化中心进行了带妆彩排,伴随着铿锵的鼓点、美妙的库木孜乐曲,演员们用灵动的肢体语言演绎了传唱千年的英雄史诗。
歌舞剧是对英雄史诗《玛纳斯》的艺术化创作,又以党的二十大精神为引领,发扬中华优秀传统文化,丰富了人民群众的精神世界。
克州歌舞团不仅精心排练了一台精彩绝伦的大型歌舞剧《玛纳斯》,还制定了一系列发展《玛纳斯》的文化工程——重点打造27个(含国家级、自治区级、自治州级)的非遗项目,培育50名玛纳斯奇传承人,打造玛纳斯歌剧院,启动成立克州玛纳斯协会……
杨花明说:“歌舞剧《玛纳斯》将到全疆14个地州会演,再去全国各地巡演,进而走出国门、走向国际,把我们优秀的非物质文化遗产传播到全世界。”
在克州,各族人民守边护边、建设家园,作出了积极贡献,涌现出许多典型人物和故事,这些也成为克州歌舞团创作的素材。
目前,克州歌舞团正在创作《撸起袖子加油干》《边境线上的爱》《党徽大叔》《糖包子的故事》等舞台作品,讲述各族人民与援疆干部一起共同奋斗的感人故事;《红船精神》《星星之火》《追寻》《血,总是热的》等作品,则以筑牢中华民族共同体为主线,大力弘扬中华传统文化和革命故事。
“作为文艺工作者,我们感受到一种沉甸甸的历史使命感,一种舍我其谁的社会责任感。”杨花明表示,“今后,我们要创作出更多弘扬劳动精神、奋斗精神、奉献精神、创造精神、勤俭节约精神的高质量舞台艺术精品。”
《光明日报》( 2022年12月26日 03版)
(文图:赵筱尘 巫邓炎)