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。
2023年美国拉斯维加斯消费电子展举行—— “中国智造”展现创新实力******
在展会上,参观者驻足观看TCL推出的65英寸8K印刷OLED显示器。本报记者 李志伟摄
核心阅读
作为全球最大的消费技术产业展会之一,美国拉斯维加斯消费电子展被认为是观察国际消费电子业态最新趋势的“风向标”。在今年的展会上,中国企业展示了屏幕显示、智慧家居、人工智能等领域的诸多创新技术和产品,生动呈现“中国智造”的创新实力和发展潜力。
2023年美国拉斯维加斯消费电子展1月8日落下帷幕。今年的展会共吸引了170多个国家和地区的3000多家参展商和超过11.5万名观众。汽车科技、数字医疗、人工智能、清洁能源等领域创新技术和产品成为展会关注的热点。
专注于可持续发展和应对全球性挑战
今年的展会主题是“技术如何应对世界上最大的挑战”,专注于可持续发展和应对全球性挑战。展会主办方美国消费技术协会总裁兼首席执行官加里·夏皮罗表示,展会推出了许多有助于解决全球性挑战的创新产品。很多企业展示了如何通过创新技术来节约能源、提高发电量、解决粮食短缺问题、创建更可持续的农业系统、为智慧城市供电、支持人们获得清洁用水等。
德国宝马公司推出“数字情感交互概念车”,能够识别驾驶者身份、位置等信息,通过语言和表情与人进行交流,打造个性化欢迎场景。美国加州初创企业阿斯卡展示了该公司的新型A5飞行汽车。据介绍,该车采用增程式驱动,可在空中行驶402公里,可以在任何直升机能到达的地方进行起降,机翼收缩后相当于一款SUV,该车预计在2026年量产。
手机、电脑等个人消费电子产品同样受到关注。三星公司展示了全新的智能手机OLED面板,这个原本10.5英寸的显示屏,可通过一侧滑出的小屏幕扩展至12.4英寸。三星公司还展示了一款可以两侧滑出、延伸屏幕的平板电脑。该公司展台负责人表示,这些原型机的变体产品未来将走向大众消费市场。
数字医疗是展会的一大热点。新冠疫情发生以来,智能化和远程化成为主要趋势。内置心电图仪的手表、能追踪位置和健康数据的智能鞋垫、可实时监测脑血肿的背心、安装在马桶上的尿检设备、治疗打鼾的枕头……参展企业展示的数字诊疗、心理健康、远程医疗等方面的新技术新产品吸引众多参观者驻足。
美国佛蒙特州OVR公司展示了一款能够让人“闻到味道”的虚拟现实眼镜,它主要由一个可释放气味的可穿戴装置构成,通过蓝牙与移动设备或台式机配对,体验者可以在虚拟画面中“拿起一朵花并闻到花香”。OVR公司创始人亚伦·维希涅夫斯基向记者表示,这款虚拟现实眼镜安装了带有8种香气的“墨盒”,可以组合起来形成不同气味。他认为该产品可用于医疗领域,目前正在医院接受测试,包括帮助烧伤患者缓解疼痛等。
中企智能产品和技术受到广泛关注
今年的展会上,TCL、海信、联想等多家中国企业都设置了颇具规模的展示区,不少中小企业也踊跃参展,积极开拓国际市场。据主办方统计,今年有约500家中国企业参展,来中国企业展台洽谈业务的国际客商络绎不绝。
联想集团发布了全球首款全尺寸双屏OLED笔记本电脑。双屏技术使消费者能够享受一系列独特的多功能体验。通过手指配合,消费者可以轻松在两个屏幕上查看图像。对于想要同时处理两个单独文件的用户,可以在两个屏幕上查看,以提升工作效率。此外,消费者还可以在一个屏幕上观看视频,在另一个屏幕上做笔记。
TCL科技集团推出了新一代98英寸Mini LED和QLED智屏。这些屏幕在音画质与尖端游戏性能方面表现突出。TCL还展示了首款65英寸8K印刷OLED显示器。据介绍,这是目前全球基于喷墨打印技术开发的最大尺寸、最高分辨率和刷新率的OLED产品。TCL实业北美营销本部总经理张文海向记者表示,TCL等中国企业更加重视科技研发,围绕人工智能、高端显示、5G应用、智能制造及工业互联网等方向积极创新。
来自江苏的湖畔光芯半导体公司展示了国际领先的第三代1.31英寸超高清、高亮硅基OLED微型显示器。据介绍,这款号称全球已发布“唯一可量产”的最大尺寸、最高分辨率的硅基OLED微型显示器,可有效解决VR纱窗效应、眩晕感等问题。该公司还发布了号称全球最小尺寸的0.26英寸硅基OLED微型显示器。相关产品有望广泛应用于“元宇宙”显示技术市场。
中国已成为推动全球清洁能源发展的重要力量,中国企业的创新太阳能发电产品和绿色电源解决方案也引发众多展商和媒体的关注。华宝新能源股份有限公司旗下光充户外电源品牌Jackery电小二展示了最新光充户外电源产品及磁吸可折叠太阳能电池板,该产品在光电转化、安全性能和智能互联等方面不断突破。沃太能源携太阳能板、移动储能设备等首次参展,其储能设备外观小巧,兼具LED照明和无线充电等功能,公司计划进一步拓展海外市场。
不少中国企业还携多种人工智能产品亮相,包括机器人、智能厨具、智能语音鼠标、虚拟现实和增强现实眼镜等,成为展会的一大看点。“中国的人工智能应用场景广泛,市场潜力很大,这些优势推动中国人工智能技术不断升级。”美国科技初创企业Ottonomy首席执行官利图卡·维贾伊表示。
国际展商期待加强与中国的创新合作
在展会上,许多国际参展商表示,中国正在快速提高科技自主创新能力,“中国智造”潜力巨大,希望与中国企业不断加强交流合作。
宝马公司负责研发的董事弗兰克·韦伯表示:“我们说中国市场最重要,不仅因为这是世界上规模最大的市场,也在于其技术发展和创新能力在全球独一无二。”据韦伯介绍,宝马公司已在中国建立了德国之外最大的研发和创新体系,中国团队是整个团队成功的关键,“很多中国供应商已成为行业标杆,不仅是传统汽车零部件,还包括电池、电芯等领域”。
深圳正浩创新是一家移动储能与清洁能源技术公司。展会上,它展示了整屋备电解决方案以及户外移动空调、冰箱、自动割草机等太阳能产品。该公司全球增长部负责人蒂姆·多利泽对记者表示:“我常年在中国工作,见证了中国从以制造为主发展到拥有自主创新能力的过程。”多利泽发现,中国企业会针对全球用户需求,马上行动、不断改进,“中国公司的行动力非常强”。
来自加拿大的媒体人理查德·巴雷特对记者表示,他曾多次到访中国,见证了中国创新产品的巨大飞跃。本次展会上,中国企业的许多创新产品令他眼前一亮。他认为,中国制造经过长时间发展,质量上已处于行业较高水平。中国创新环境不断优化、研发投入快速增加,推动了中国企业创新水平不断迈上新台阶。
来自美国加州的咨询师皮埃尔·朱伯特向记者表示:“中国制造正在向中国创造转变,看到中国这些优秀的创新产品,令人非常兴奋。”他认为,中国企业提升自主创新能力、推动产业结构优化升级,有助于促进中国产业迈向全球价值链中高端。
记者 李志伟
(文图:赵筱尘 巫邓炎)