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。
云南依靠科技——把天拉长 把地拉宽******
【在这片辽阔的土地上㉙】
光明日报记者 张勇 光明日报通讯员 云先锋
千百年来,水稻都是种在水田里,可云南澜沧的高山旱地,不仅能种水稻,还能大丰收。这真是个新鲜事!
云南多山,灌溉条件有限,水稻产能长期缺口较大。山区农民的口粮,以玉米等杂粮为主,想吃大米就要外购。
这样的状况发生改变,是从2021年5月开始的——中国工程院院士朱有勇率领云南农业大学团队来到澜沧县,在竹塘乡蒿枝坝村的山地上,试验旱地杂交水稻高产优质栽培技术。种子是云南农大稻作研究所培育的新品种。
“我们祖祖辈辈都在旱地上种苞谷。旱地种水稻?怎么可能!”不仅蒿枝坝的拉祜族群众议论纷纷,县乡两级农技推广人员心里也没底。
但让村民们感到惊奇的是,这些旱地上种的水稻真的自始至终不用浇水灌溉——谷种播种到干燥的土壤里,等雨水落地,稻谷秧苗便破土而出。只靠喝雨水,这些水稻就能茁壮成长,结穗弯腰!
“澜沧地区降雨量在1400毫米以上,所以我们在澜沧旱地种的水稻都不用人工浇水。”云南农大稻作所所长文建成解释,“事实上,云南多数山区旱地种水稻都不用浇水,只有降雨量在1200毫米以下的地区才需要人工补点水。”
其实,新稻种的种植,并非一帆风顺。稻谷秧苗长出来时,杂草也疯长,“地老虎”等害虫也猖獗起来。为防治植物病虫害,朱有勇经常蹲在稻地里,指导村民科学除草杀虫,闯过了一道道难关。
“我们的旱地水稻从耕地、播种、除草、收割都是机械化,打农药用无人机。依靠科技种田给村民们做示范,省劳动力,每亩比水田水稻节省成本五六百元。”朱有勇告诉记者。
蒿枝坝的村民们看着试验田旱地里金灿灿的水稻,纷纷要求把玉米地改种水稻。2022年,仅竹塘乡就种植水稻旱种7861亩。他们的付出,很快得到了回报。
2022年9月,蒿枝坝的稻谷丰收之际,中国工程院有13名院士齐聚这里,见证示范种植的405亩杂交稻旱种的丰收:一穗穗金黄的稻谷压弯了腰,连片的杂交稻旱种犹如金色的海浪阵阵翻滚。收割机很快收获了满满一车的新鲜稻谷,专家组经过现场称重得出了结果——平均亩产690.9公斤,比传统旱稻产量提高了近400公斤。
“水稻上山有效解决了澜沧水田少、旱地多、水稻产量不足的问题,适宜在广大山区推广,对云南‘稳口粮’工程具有重大现实意义!”文建成向记者介绍,“2022年,澜沧县20个乡镇推广水稻旱种的2.7万亩,全部获得丰收!”
澜沧县水稻旱种的成功,是整个云南粮食生产的一个缩影。近年来,云南省针对粮食安全结构性问题,把水稻旱种作为“稳口粮”的一项重要举措,在中低海拔雨热资源丰富的地区,探索水稻旱种绿色高效栽培技术,创建省、州、县三级示范样板77片,示范面积2.1万亩。
在示范样板的带动下,2021年和2022年,两年间,云南分别示范推广水稻旱种24万亩、53万亩,覆盖59个县(市、区),并由海拔1700米以下扩展到1900米左右的区域。
云南省级财政还安排1亿元资金,按每亩200元的补助标准支持水稻旱种。农技推广部门为水稻旱种提供科技支撑,对农技人员、合作社、种粮大户进行培训,举办技术培训班1896期次、培训130万人次。
“我们研究的是什么?就是依靠科技,把天拉长,把地拉宽,在一亩地里面,尽量提高土地的生产率,端牢中国饭碗。”朱有勇说。
《光明日报》( 2023年01月03日 01版)