点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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。
春节留守海外的“90后”小伙宋默奇：“我在这里讲述扬州故事”******
中新网南京1月18日电 (徐珊珊)“我经常用美食来拉进和朋友间的距离。在中餐厅吃饭时，时常会有扬州炒饭，我会向他们介绍，这是我家乡扬州的美食，并告诉他们要怎么制作才能更香，比如要放三次葱花这些小细节，大家都非常感兴趣。”18日，通过视频连线，谈起在海外留学和工作的经历时，28岁的扬州小伙宋默奇如是说。
作为一名留美近十年的华侨小伙，宋默奇对动画制作十分痴迷。他大学就读于中国传媒大学南广学院动画与数字艺术学院，2016年夏季被旧金山艺术大学录取，攻读动画和视觉效果专业，获得创新硕士学位。目前，宋默奇在MPC电影公司任职，负责电影前期和中期制作，先后参与了多部热播电影的中期制作。
宋默奇与大学教授相互切磋围棋技艺。 受访者供图对于大部分人来说，这是一份极具挑战性的工作。宋默奇表示：“在工作中，我们会遇到一些看上去很难的部分，这时就要迎难而上，不要有畏难情绪。”
为了一个一秒的镜头或一个特效动作，宋默奇经常聚精会神地制作到深夜，有时一做就是一个星期甚至更长时间。他说，三维动画的电脑制作学起来并不是很难，但要求学习者或从业人员有耐心、细心和想象力。
随着“国风”逐渐风靡海外，越来越多的电影运用和呈现中华传统文化相关内容。宋默奇介绍，《花木兰》《功夫熊猫》等动画电影都融入了中国的叙事风格，国风音乐、国风场景等都很受欢迎。
国际友人邀请宋默奇一起包饺子。 受访者供图动画电影如何能更好地传播中华传统文化？宋默奇认为，中国历史悠久，有着光辉灿烂的文化，中国的世界非遗项目，比如雕版印刷技艺、书法、剪纸等，这都是可以通过动画电影来表达和展现的珍贵素材，来助推中国文化“走出去”。
在日常生活中，宋默奇经常会遇到喜欢中国文化的国际友人，宋默奇会和他们分享扬州“早上皮包水，下午水包皮”的生活节奏，以及雕版印刷技艺、扬州漆器、扬州玉器、广陵琴派等非遗文化知识。宋默奇表示：“正是这样的慢节奏生活，扬州市曾被评为‘联合国人居奖’。他们听完后非常开心，纷纷表示要去扬州旅游，对此我也是十分自豪。”
如今，回忆起刚到美国留学的时光，宋默奇依旧感慨万分。他告诉记者，自己在适应国外生活的过程中，得到很多华侨华人的帮助，比如来自南京的八十岁华人Shirly，在其租房方面给与了很多照顾。Shirly的房子只租给中国留学生，逢年过节，Shirly会给留学生们送上礼物和美食，“我的手被烫伤了，她会及时送来烫伤膏，我也向她赠送了家乡扬州的漆器”。
工作团队合影。 受访者供图宋默奇已经春节留守海外三年了。癸卯兔年在即，他选择继续留守美国，与家人、朋友“云上”过年、线上团圆，共度新春佳节。
“自己虽饱含思乡之情，但由于工作原因不能回国过年，遗憾之余也想到‘有舍必有得’，希望能与家乡共同进步，用好的作品来回报家人一直以来对我的支持和关心。‘路虽远，行则将至；事虽难，做则必成’。怀着对未来的希望，我们一直在路上。”宋默奇说。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩神ap地图 |
)