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。
CPI回落至“1”区间 为宏观政策“稳增长”创造有利条件******
中国网财经12月10日讯(记者 李春晖)昨日(9日)国家统计局公布了11月份全国CPI(居民消费价格指数)数据,CPI同比上涨1.6%,涨幅比上月回落0.5个百分点,重回“1”区间。这已经是CPI同比涨幅连续两个月较快回落。
(图片来源:国家统计局网站)
“除上年同期基数抬高外,11月CPI同比涨幅回落主要源于当前猪肉已进入价格见顶回落阶段,蔬菜价格下跌也是一个重要原因。”东方金诚首席宏观分析师王青表示。
国家统计局数据显示,11月份食品价格同比上涨3.7%,涨幅比上月回落3.3个百分点。食品中,猪肉价格上涨34.4%,涨幅比上月回落17.4个百分点。鲜菜价格下降21.2%,降幅比上月扩大13.1个百分点。
“猪肉价格在前期涨幅较大的情况下,受疫情及天气影响需求转弱,加上中央储备猪肉投放工作继续开展,导致预期有所扭转,前期压栏惜售行为转为集中出栏。今冬天气晴好且偏暖,供给充沛导致蔬菜价格下降。”中国民生银行首席经济学家温彬表示。
与此同时,11月扣除食品和能源价格、更能反映整体物价水平的核心CPI继续处于低位:同比上涨0.6%,涨幅与上月相同。
“(核心CPI走低)显示当前整体物价形势稳定。这与欧美高通胀形成鲜明对比,将继续为国内宏观政策‘以我为主’提供重要支撑。”王青表示。
今年以来,面对外部环境的高通胀压力,我国通过一系列政策合力,始终保持着相对温和的通胀水平。
“进入到下半年,通胀整体呈现‘两高两低’特征。”温彬表示,“两高”是指外部输入通胀高,食品能源通胀高,“两低”是指核心通胀低,工业品通胀持续走低,表明经济与通胀面临一定的结构性矛盾。
中共中央政治局12月6日召开会议,分析研究2023年经济工作。会议提出“突出做好稳增长、稳就业、稳物价工作”、“推动经济运行整体好转”。12月7日,国务院联防联控机制发布了疫情防控“新十条”,对风险区划定和管理、核酸检测、隔离方式等提出了进一步的优化要求,最大限度减少疫情对经济社会发展的影响。
政治局会议传递出稳增长的重要信号,疫情防控政策也进一步优化,分析人士认为,明年财政政策和货币政策将朝着稳增长方向加码发力、协调配合。而CPI涨幅的回落,为这些政策的实施创造了有利条件。
“综合考虑整体经济运行态势及商品和服务市场供需平衡状况,2023年在全球通胀降温趋势下,国内消费反弹带来的潜在通胀风险也不大。这意味着年底前后货币、财政政策都具备在稳增长方向适度发力的空间。”王青表示。
温彬表示,展望2023年,我国通胀仍将保持温和水平,随着疫情防控放松促进需求回升,通胀中枢大概率小幅升高。主要特点为:一是外部输入型通胀压力缓和;二是疫情防控优化,社会整体需求回暖,核心通胀将由目前的超低区间逐步均值回归;三是食品与能源安全边际高,非核心通胀保持温和;四是工业品价格仍存在一定通缩压力。
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() ![]() 龙凤彩票地图 |