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。
《最强大脑》第十季震撼开播 “水哥”王昱珩重返脑力舞台******
今晚21:10江苏卫视《最强大脑》第十季即将迎来首播。一如既往的烧脑挑战,不同以往的赛程设置,前所未有的嘉宾阵容,第十季节目一开场就用惊喜的往季回归脑王阵容和一波波密集的脑力轰炸点燃全场。脑王之战谁与争锋,面对新的挑战者们,脑王们又将何去何从?烧脑征程开启,悬念丛生。
老朋友变换新身份 嘉宾阵容惊喜连连
本季《最强大脑》的嘉宾阵容既有熟悉的面孔,也有全新的惊喜。蒋昌建仍将作为主持人陪伴大家步入第十季,心理学教授攸佳宁继续担任“巅峰召集人”,观众们无比熟悉的王昱珩将作为“脑力见证官”重返脑力舞台。作为多次参加《最强大脑》的明星选手,被观众们亲切地称为“水哥”的王昱珩曾经以“微观辨水”名场面和“30万把扇子可能更适合我”的名言成为《最强大脑》节目中的传奇人物,他的回归无疑是本季最大的亮点之一。比赛经验丰富的他将会如何评价每一位选手的表现,又会为他们提供哪些宝贵的建议,不禁让人万分期待。
另一位脑力见证官由脱口秀演员庞博担当,他幽默诙谐的语言或许能够给观察室里为选手们捏一把汗的嘉宾们带来一些适当的放松。值得一提的是,有“三行代码”飘在太空的庞博曾经也是学霸,对于每一道挑战项目,他又将会有怎样的真知灼见?
第十季的两位“特邀脑力见证官”由郭麒麟和知性“女神”王珞丹担任,他们将共同见证选手们一次次向顶峰发起进击。郭麒麟已经是《最强大脑》的老朋友,前几季节目中他佳句频出,用风趣的语言表达和超高情商活跃了现场气氛。他的“反向预言”也让观众们记忆犹新,第十季再度加盟,观众们不由纷纷猜测,哪位选手会被郭麒麟“看好”。作为第九季“特邀升维观察员”,王珞丹一度在观察室跃跃欲试,并上手试图挑战升维版“扫雷”项目,新一季来临,喜欢挑战的她又会想要尝试哪些挑战项目?
脑王回归“王炸”开局想赢就要硬碰硬
如果说每一季《最强大脑》的终极目标是脑王的角逐,那么第十季首期节目就摆出了决赛阵仗。往季节目三位脑王的回归吹响了巅峰对决的号角,脑王之战无疑彰显了“想赢就要硬碰硬”的强势态度。和脑王一起回归的还有曾经作为《最强大脑》中国战队标志的荣誉勋章,它将作为入围本季脑王决战的重要信物,再次见证脑力舞台的荣耀时刻。
脑王象征着《最强大脑》脑力的最高水准,是每一季选手心目中的“传说”。三位脑王的巅峰过招让往季的终点成为第十季的起点,可谓十年一遇的脑力圈“华山论剑”。这几位比赛经验丰富的脑王都曾通过层层试炼,在往季节目里过关斩将最终一举夺魁。在面对其他脑王时,谁将突破脑力极限,谁将表现出更广阔的格局、更深度的思维、更准确的预判,“巅峰召集人”攸佳宁教授表示对此万分期待。是来自传说并续写传说,还是云巅折戟遗憾离场?首期节目见分晓。
与此同时,本季汇集在脑力舞台的选手实力也不容小觑。新秀选手中除了来自国内外名校的学神学霸,以及数学、化学、生物等奥林匹克竞赛金牌及各级别奖项得主,还有包括航天科工领域、参与盲人电子书等项目的研究人员,以及电竞官方解说、音乐剧演员等各行业精英。此外,众多在往季节目中有亮眼表现的选手也选择在第十季再次挑战自我,向脑王决战发起冲锋。新秀们能否一战成名?老将们又能否弥补遗憾?大家拭目以待。
《最强大脑》的舞台上,有脑力强者的直接对话,也有星光熠熠的思维闪光点。从第一季到第十季,《最强大脑》始终坚持致力于传播脑科学知识和脑力竞技项目,并以高口碑、高收视在同类节目中一路领跑。制作团队在每一季节目中都力求结合时代特色,用科学的眼光观察世界,用脑力和思维拓展社会的维度。赛制上的革故鼎新,内容上的蜕变进化,选题和选手筛选标准的变化,都体现了当下的创新气息,是节目锐意进取、持续探索的一个缩影。
这一季,《最强大脑》历经近十年的积淀和打磨,迎来难得一见的三脑王阵容。见证脑力王者们的正面对决,体验硬核刺激的烧脑试炼,脑王之战谁能更胜一筹?敬请锁定1月6日起每周五晚21:10江苏卫视《最强大脑》第十季,想赢就要硬碰硬!
(文图:赵筱尘 巫邓炎)