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。
大展宏“兔”——癸卯年生肖文物图片联展即将推出******
卯门生紫气,兔岁报新春。
公元2023年,中华传统生肖纪年中的癸卯兔年如约而至。
中国文物报社联合52家文博机构共同策划的 “大展宏‘兔’——癸卯年生肖文物图片联展”正在紧张筹备,即将于春节期间在全国百余城市博物馆和公共文化空间同步推出,甄选319件兔主题文物,为喜迎新年的全国公众献上一份“文物新年礼”。
十二生肖作为中国人民乃至整个中华文化圈中普及率最高的传统文化符号,也是春节的吉祥物和传统年俗文化的象征,是中华优秀传统文化的重要组成部分。党的二十大报告指出:坚守中华文化立场,提炼展示中华文明的精神标识和文化精髓,加快构建中国话语和中国叙事体系,讲好中国故事、传播好中国声音,展现可信、可爱、可敬的中国形象。中办国办曾在实施中华优秀传统文化传承发展工程的意见中明确提出:加强对传统历法、节气、生肖和饮食、医药等的研究阐释、活态利用,使其有益的文化价值深度嵌入百姓生活。十二生肖作为中国人民乃至整个中华文化圈中普及率最高的传统文化符号,也是春节的吉祥物和传统年俗文化的象征,是可信、可爱、可敬的中国形象的重要组成部分。今天,我们在春节期间推出生肖文物题材的专题展览,也正是践行党的二十大精神,传承、弘扬中华优秀传统文化的一项重要举措。
展览共分为四个部分,第一部分序篇生肖文化的源与流,追溯十二生肖的形成与早期人类的动物崇拜意识,以及将生肖作为春节的吉祥物,成为年俗文化象征的文化渊源;第二部分迷踪在旷野,讲述自然生态中的兔,我国作为世界上最早驯养兔的国家之一,中华先民爱兔、养兔、猎兔,同时使用兔皮毛制品,将兔的形象描绘在生活器物之上,使之成为中国人多彩生活中的重要元素;第三部分千古寄明月,展现历史文化中的兔,通过玉器、瓷器、青铜器、绘画等各类与兔相关的文物遗存,表现我国兔文化历史源远流长;第四部分霜辉映凡尘,展示民俗文化中的兔,基于月兔的神性色彩,全国各地都流行着与玉兔相关的神话传说、民俗典故,在剪纸、刺绣、年画中,亦可随处看到兔的形象。
联展将于2023年春节前夕在各联展博物馆陆续开幕,同步奉展于公众。恭祝兔年里人人扬眉“兔”气,大展宏“兔”!具体展期安排将通过中国文物报社所属新媒体平台即时发布。
敬请关注!
联展单位:
中国文物报社、中国妇女儿童博物馆、北京自然博物馆、天津博物馆、河北博物院、邯郸市博物馆、山西博物院、临汾市博物馆、内蒙古河套文化博物院、鄂尔多斯市博物院、辽宁省博物馆、大连博物馆、吉林省博物院、黑龙江省博物馆、南京中国科举博物馆、常州博物馆、徐州博物馆、宁波博物院、安徽博物院、福建博物院、晋江市博物馆、厦门市博物馆、故宫鼓浪屿外国文物馆、福建中国闽台缘博物馆、江西省博物馆、景德镇中国陶瓷博物馆、高安市博物馆、赣州市博物馆、九江市博物馆、青岛德国总督楼旧址博物馆、河南博物院、漯河市博物馆、洛阳民俗博物馆、湖北省博物馆、随州市博物馆、长沙市博物馆、广东海上丝绸之路博物馆、东莞市博物馆、深圳市金石艺术博物馆、广西民族博物馆、桂林博物馆、重庆中国三峡博物馆、重庆自然博物馆、四川博物院、金沙遗址博物馆、贵州省博物馆、西安博物院、宝鸡青铜器博物院、渭南市博物馆、甘肃省博物馆、青海省博物馆、宁夏回族自治区博物馆、宁夏固原博物馆
图片支持:
故宫博物院、中国国家博物馆、中国美术馆、中国社会科学院考古研究所、保利艺术博物馆、赤峰博物馆、昭君博物院、南京博物院、扬州博物馆、常熟博物馆、安徽省文物考古研究所、萍乡博物馆、湖南博物院、衡阳市博物馆、广汉三星堆博物馆、甘肃博物馆联盟
精彩文物提前看:
清丨玛瑙兔
安徽博物院
唐丨青玉卧兔
河南博物院
清丨青玉嵌宝石卧兔
故宫博物院
汉丨胡傅温酒樽
山西博物院
西周丨曾侯谏铜盉
湖北省博物馆
唐丨三彩卧兔枕
河北博物院
青花褐彩瓷兔
长沙博物馆
明丨孔雀绿釉黑花开光人物梅瓶
扬州博物馆
金丨黄绿彩兔纹荷叶口长颈瓶
赤峰博物馆
明丨青花“蟾宫折桂”山形笔架
南京中国科举博物馆
北齐丨高洋墓门墙壁画(摹本)
河北博物院
明丨水陆画子丑寅辰卯巳元神君众图轴
山西博物院
明丨玉兔耳环
定陵博物馆
清丨泥制兔儿爷
故宫博物院
(文图:赵筱尘 巫邓炎)