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。
台湾青年小提琴手：在北京度过人生黄金十年******
中新社北京12月19日电 题：台湾青年小提琴手：在北京度过人生黄金十年
中新社记者 邢利宇
从2013年初到北京至今近10年，国家大剧院管弦乐团第一小提琴手、台湾青年李佳颖说，这十年是自己人生的黄金时期。
李佳颖，出生于台湾新北市，4岁学钢琴，8岁误打误撞进入学校弦乐团，被分配拉小提琴。
“我的梦想就是成为一名音乐家”，李佳颖回忆，自己从小对声音敏感，“都不太需要学习辨析音高什么的，自己能摸索出来。第一个学会的曲子不是乐谱本上的，而是自学了一个咖啡广告的配乐。”
中学毕业，李佳颖考入东吴大学音乐系、主攻小提琴，大学毕业后到德国弗赖堡音乐学院深造，取得小提琴演奏硕士学位。
“北京是我毕业后最想去的地方”，李佳颖说。当时距北京成功举办(夏季)奥运会过去了5年，他认为，经过如此重大国际运动赛事的举办，北京各方面一定更优秀，“我当时就想一定要来看一看。”
最初半年，李佳颖边在培训机构教学生拉琴，边熟悉京城的生活，也慕名去国家大剧院听音乐会，内心升腾起要到国家大剧院工作的想法。
念念不忘，必有回响。半年后，李佳颖盼到了国家大剧院管弦乐团面向社会招聘的信息。凭借扎实的演奏功底，他顺利考入乐团并进入小提琴第一声部。创建于2010年的国家大剧院管弦乐团，已演绎近70部国家大剧院版歌剧，成就了瓦格纳《罗恩格林》《纽伦堡的名歌手》、普契尼《西部女郎》等多部重磅经典的中国首演，并担纲印青《长征》、郭文景《骆驼祥子》等17部中国歌剧的世界首演。
“我们乐团比较年轻，但在国内也是相当顶尖。乐团与世界其他国家和地区的主流剧院联系非常密切，运营方式先进，未来可期。”说起乐团，李佳颖言语中流露出归属感与自豪。
2014年，加入乐团不到一年的李佳颖随乐团到美国、加拿大巡演，之后还去过意大利、阿联酋等国家和地区，“我们每年都有世界巡演，国内巡演也有。”李佳颖说。回忆起到歌剧之乡意大利演出中国歌剧，他依然感觉“特别震撼，也特别有意义。”
对李佳颖来说，感受更深的是高强度演出对个人成长的促进。“我们一年要演100多场，包括歌剧和音乐会等，需要在很短的时间内掌握很多曲目。这是很大的挑战。”
歌剧是李佳颖在学生时代比较不喜欢的演出方式，接触也较少；因为工作关系，现在须经常演奏歌剧，而且一演就是三个小时起。“接触了很多歌剧后，我发现歌剧确实是古典音乐之精华。”李佳颖说，歌剧颠覆他以前的认知，演奏想法和方式也有很大改变，“是非常好的成长”。
工作之外，李佳颖会和同事朋友聚餐，也喜欢在京城四处探访。“北京进步太快，变化太大了，”李佳颖感慨，各种拔地而起的新建筑，以及共享单车、移动支付等各种便利的生活形态，“在北京就感觉哪哪都特别火热，充满活力。”
李佳颖也投入到两岸文化音乐交流等相关项目中，希望更多台湾年轻人来认识北京，了解大陆。他与几位在京台胞共同参与主办的“两岸文化交流音乐比赛”将于12月24日在台湾地区举行初赛，比赛优胜者预计明年2月可以到北京参观体验。
不久前李佳颖还拿到了国家大剧院的终身合同，“这是对我工作上的肯定和能力的认可”，他说，非常开心在北京和国家大剧院度过人生的黄金十年，未来人生的规划依然是留在乐团，继续精进。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩神彩票地图 |
)