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。
美国航空系统一个月“崩溃”两次,暴露“巨大弱点”******
中新网1月12日电 据美国有线电视新闻网(CNN)报道,当地时间11日,美国联邦航空管理局(FAA)系统出现故障,一度暂停美国境内航班起飞。虽然后续解除暂停措施,但导致上万架次航班受到影响。
美媒报道称,这是美国航空系统一个月以来第二次“崩溃”,暴露出美国航空业系统老化、人员不足等重大问题。
2023年1月11日,美国联邦航空管理局(FAA)系统出现故障,一度暂停美国境内航班起飞。图为盐湖城国际机场的旅客。上万航班受影响,因一个数据库文件损坏?
据报道,11日早间,FAA宣布空中任务通知系统发生故障,并短暂停止美国境内航班起飞。当日9时左右,暂停起飞措施解除,但由于持续拥堵,航空公司继续推迟或取消航班。
CNN援引航班信息追踪网站FlightAware数据称,截至美国东部时间11日18时,已有9500多架次航班被延误,超过1300架次航班被取消。
白宫新闻秘书卡里娜•让-皮埃尔发表声明说,美国总统拜登已经听取关于空中任务通知系统出现故障的汇报,目前没有证据显示这是一次网络攻击。
FAA在11日晚间发布的声明中承认,初步调查发现故障是由“一个损坏的数据库文件”造成的,并表示将进一步彻查事故原因,并采取一切必要措施防止再次出现航班中断。
另据路透社报道,美国参议院商务委员会主席、民主党人坎特韦尔表示,该委员会将就此次计算机系统中断原因展开调查。坎特韦尔称,“公众需要一个有弹性的航空运输系统”。
一个月内两次,事故“不可原谅”
报道指出,此次大规模停飞是美国航空业在不到一个月内遭遇的第二次重大事故。
2022年底,因遭遇超强寒潮和系统老化等原因,美国西南航空一周内取消了近1.6万个航班,大量乘客受到影响,航空公司还在退款问题上与乘客僵持不下。
美国交通部长当时表示,西南航空大规模航班取消已经不是天气导致的事件,而是西南航空公司内部的“系统性失败”。
而在此次大规模停飞事故后,美国更是出现了不少要求航空系统升级的声音。
经历了两次停飞的旅客表示,“遇到天气问题很常见,但我从未经历过影响整个国家的大规模(航班)取消。”
美国旅游协会总裁和首席执行官弗里曼表示,“此次FAA灾难性的系统故障清楚地表明,美国的交通网络迫切需要重大升级。”
美国众议院交通和基础设施委员会主席格雷夫斯则称,这两次事故“不可原谅”,凸显了“美国航空运输系统的巨大弱点”。他认为,FAA人手严重短缺,“联邦航空局不是自动运行的——整个机构的各个职位上都需要有熟练、专注且固定的领导层,从局长办公室开始。”
CNN报道称,FAA目前在没有常任领导者的情况下运作。美国总统拜登提名的该组织负责人菲利普·华盛顿不但因有限的航空经验受到共和党人质疑,还曾在与洛杉矶政治腐败调查有关的搜查令中被提及。拜登近期再次提名此人,并表明了政府对他的支持。
中国网客户端 国家重点新闻网站,9语种权威发布 |