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。
通讯：靠人工智能获国际大奖的鄂尔多斯“90后”青年******
中新网鄂尔多斯11月19日电 题 ：靠人工智能获国际大奖的鄂尔多斯“90后”青年
中新网记者李爱平
王磊、于福全至今仍沉浸在斩获国际大奖的喜悦中。
“这次获奖，对当地学子选择职业教育有了更大信心。”19日 ，就职于内蒙古自治区鄂尔多斯市准格尔旗职业高级中学 的这两位“90后”如 是表示。
一周前 的11月6日 ，王磊、于福全在厦门举行的2022金砖国家技术发展与技能创新大赛(厦门国际赛)人工智能机器人系统集成及应用比赛项目上斩获了三等奖 。他们 是内蒙古地区的唯一获奖队伍。
“尽管我们都 是标准的‘理工男’，但参加人工智能领域 的比赛项目依然属于新手 ，一切都得按照参赛要求应对 ，不过，内心还是很兴奋 的。”王磊告诉记者。
本次大赛共有来自巴西 、俄罗斯 、印度 、南非等国家的3500多支国际参赛队和来自中国的6200多支国内参赛队报名 ，参赛人员近2万人 。经过层层选拔和激烈比拼 ，最终1600多支队伍 、近2500名选手进入决赛。
图为王磊 、于福全(左一)在厦门比赛期间。 于福全供图接受记者采访 的于福全介绍，作为内蒙古一所职业高级中学，和其他本专科学院相比，能参加这样 的比赛，机会本身就非常宝贵，因此他们从很早就开始准备。“此次比赛项目颇有难度 ，需自行学习编程 、机器人以及智能领域相关 的大量知识。”
除此之外，他们还在临近比赛时克服了疫情带来 的困难 ，幸运的 是，“当地政府 、学校为我们开辟‘绿色通道’支持我们参赛 ，落地厦门后，到了隔离宾馆 ，我们一刻不敢耽误地继续进行线上学习。”
对于今次斩获三等奖 ，于福全用“成功的路上总是充满荆棘”来形容。“由于赛制改变 ，打乱了原有的训练计划 ，速度慢 的‘硬伤’就摆在了面前 ，我们必须保证相关任务 的完成质量 ，还要不断练习，提升速度。”
回忆起在厦门 的比赛情形，于福全坦言，“第一天的比赛任务难度巨大 ，且个别内容完全出乎意料，虽然我们尽了最大 的努力 ，达成 的结果还是和预想的差一些。”
“不过 ，第一天比赛后 ，我们调整心态，告诉自己坚决不抛弃不放弃，毕竟还不清楚对手的情况 ，于是我们又专心准备第二天的比赛 ，并在第二天 的比赛中出色发挥，最终取得了三等奖的成绩。”于福全谈起这些 ，一脸幸福。
在这两位青年看来 ，此次获奖最大 的意义在于 ，作为内蒙古一所职业高中的老师，能和这么多高手同台竞技 ， 是一个历史性的突破 。
通过此次比赛 ，他们也认识到自身技能 的不足。
他们说：“不管 是技能培训 ，还是理论知识上 ，需要学习 的东西还有很多，日后必定会再接再厉，争取取得更好成绩。”(完)
（文图 ：赵筱尘 巫邓炎） [责编 ：天天中] 阅读剩余全文（）  视觉焦点
大发购彩大厅进入地图 |
)