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。
一位高铁列车长的62个闹钟******
新华全媒+｜一位高铁列车长的62个闹钟
视频：新华全媒+|一位高铁列车长的62个闹钟来源：新华社
“重点旅客到站。”1月9日17点45分，随着一阵闹铃声响起，列车长郎茜快速扫一眼手机提示，快步向8号车厢方向走去……
33岁的郎茜是中国铁路上海局集团有限公司南京客运段值乘D2281次列车的列车长。这趟复兴号列车由南京南站发至深圳北站，运行里程超1930公里，途经江苏、上海、浙江、福建、广东等5个省市。
9日是春运开启的第三天，D2281次列车运送旅客4780人次，大量乘客挎着大包小包踏上归乡旅途。“这是疫情防控政策进一步优化调整后的首次春运，旅客数量激增，也对我们做好服务提出了更高要求。”郎茜说，这是她经历的第13次春运。“进入春运后，我的闹钟设置明显变多了。”
临近傍晚，郎茜得知一对盲人夫妇将在漳州诏安到站，便提前设置闹钟重点关注。快到站时她将夫妇俩引导至车门处方便下车。“三年没回家过年了，感谢你们，终于到家了！”盲人旅客陈景山说。郎茜与安全员将陈景山夫妇小心搀扶下车，送到诏安站值班员手中，随后值班员将引导这对夫妇出站与家人会合。
这一幕是郎茜值乘服务的一个小缩影。2013年，郎茜走上列车长岗位。每逢工作当天凌晨4点30分，她就被第一个闹铃声唤醒，快速起床洗漱，随后开启一天的值乘工作。去年10月起她开始值乘D2281，新线路需要学习的地方多，她便尝试动态“闹钟法”帮助自己快速适应。
“手机闹铃成了我最好的‘小秘书’。”郎茜说，她手机里的闹钟在设置界面不停增增减减，零碎地记录下一天工作的众多细节，最多时一趟列车值乘下来设置过62个闹钟。“当时只想着千万不能忘了旅客的需求，后来一看手机才发现，闹钟设置了好几页。”郎茜说。
踏上列车，郎茜先巡查车厢。她从第一节开始认真检查，查看灭火器有效期，按下厕所冲水按钮看水压，查看卫生间是否消毒，听听广播音量是否合适……每一个细节都不能忽视，当所有车厢检查完毕，车站开始响起旅客放行广播。
“旅客安全出行是我们最大的责任，作为一名列车长，首先要把好安全关，做好现场作业和安全卡控，确保列车和旅客安全。”郎茜说。
“D2281的开行便利了许多往返长三角与珠三角的旅客。”郎茜说。6号车厢的乘客王磊是潮汕一家医美机构市场部的负责人，因为美容仪经销商在常州，王磊每月都要往返长三角与珠三角。由于美容仪较大，上车时郎茜就帮助王磊收起大件行李柜的隔板，同时协调其他乘客摆放好大件行李。
下午6点10分，郎茜的闹铃又响了。5分钟后，她便与另一位乘务员协助王磊把美容仪在潮汕站安全送下了车。车门缓缓关上，郎茜向王磊挥手致意，转身又投入到紧张的工作中。(新华社 记者刘兆权、何磊静、杨丁淼)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
网信彩票地图 |
)