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。
景区上线“先游后付”系统 “信用游”创新文旅消费******
“信用游”创新文旅消费
拓兆兵
近日,安徽黄山等景区先后上线“先游后付”系统,游客可以0元预订景区门票、索道票,先游后付、不用不付,预订后刷身份证就可以进景区。此举受到了游客欢迎,被称之为“信用游”。
2021年9月,文化和旅游部发布《关于开展文化和旅游市场信用经济发展试点工作的通知》,鼓励和支持文旅企业探索推出以信用为基础的产品和服务,向信用状况良好的消费者提供“先用后付”“先游后付”以及减免押金等便捷消费服务,形成促进信用消费的相关政策。从相关风景区试点情况看,“信用游”值得大力提倡。
此举有利于构建快捷便利的旅游方式。在现代社会,人们生活节奏加快,旅游时也都希望能够“快旅慢游”,即旅游手续简便,将时间主要用在深度旅游体验上。景区上线“先游后付”系统,依托大数据和云计算在开放的互联网平台上形成功能化金融业态为其服务体系数字赋能,游客只需点点手机即可完成购票、订酒店等,而且行程的安排更加灵活,能实现一场说走就走的旅行。如果修改或者取消行程,省掉了付款、退款等环节,退房的时间也大为缩短,游客游得轻松舒心。
此举有利于带动“全域旅游”大文旅产业发展。先旅游、后付款是旅游业的一种创新,试图破解目前游客、旅行社、目的地间的信任危机,使游客有了更多主动权,从而倒逼景区和商家提高服务质量和效率。通过旅游联盟等平台,“信用游”通过“信用赋能”可有机统筹整合文、旅、商等服务体系,并统筹整合某个地区甚至一个省的旅游资源,有利于形成“全域旅游”模式。据了解,目前“大黄山”区域安庆市、池州市、宣城市和黄山市的景区、酒店、文创商品等商家已签约入驻“黄山旅游官方平台”。
此举有利于信用社会建设。“人无信不立”,信用是无价之宝,建设信用社会是建设现代化强国的重要一环。因而,众多行业都在大力推行信用建设。这其中,文旅业涉及千家万户,面广人多,是便于培养公民信用意识的最佳行业之一。通过发展“信用游”,不但有利于推动旅游市场信用体系建设,也易于营造“诚实守信,一路畅通;一处失信,处处受限”的良好社会氛围。
当前,文旅业正在发生深刻变化。因此,各地要聚焦满足人民群众文化生活新期待,加快推进文旅体制改革探索,加大数字赋能、信用赋能力度,推进理念融合、产业融合、服务融合,进一步创新文旅消费模式,培育新型业态,促进文化旅游消费提质升级。
(文图:赵筱尘 巫邓炎)