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。
访谈|泰森食品中国区副总裁:我们与进博会“共同进化”******
(第五届进博会)访谈|泰森食品中国区副总裁:我们与进博会“共同进化”
中新社上海11月4日电 题:访谈|泰森食品中国区副总裁:我们与进博会“共同进化”
作者 高志苗
在泰森食品展区,积木沙盘里“泰森号”货船从美国出发,载满牛肉原料漂洋过海来到中国……第五届中国国际进口博览会(以下简称“进博会”)即将召开,为了让观众更直观地感受企业在中国的数字化转型实践,泰森食品用积木沙盘还原了进口加工全链路,并且通过AR增强现实技术沉浸式体验泰森智慧工厂。
“我们每年都通过进博会感受中国市场的巨大潜力和近年来持续优化的国际营商环境。总的来说,我们把进博会当作重要的年度沟通平台,展示自己的同时也接受市场、行业和消费者的反馈。”泰森食品中国区副总裁陆悦飞近日接受中新社记者专访时表示。
连续三年参展,泰森食品已经不满足于仅仅展示产品,更多的是传递理念。“我们所倡导的是有‘共生’意义的产业链和价值链,”陆悦飞说,“这样既有助于让中国消费者获得更多元化的选择,也能够借助进博会的‘窗口效应’让国内消费者了解泰森更多的海外产品,有效推动国内国际双循环发展。”
泰森食品和进博会“共成长”。2020年,首次参加进博会的泰森食品将泰森中国地区总部签约落户上海;2021年,在第四届进博会上泰森中国宣布进入数字化转型元年。
“今年,我们的数字化转型有了阶段性成果,首个泰森中国智慧工厂已竣工投产,我们通过AR技术将智慧工厂车间搬到进博会现场。期待围绕进博会这个大IP,通过丰富的活动连接上下游伙伴,让他们参与到进博会这个大主题中,真正将进博会从6天展期延伸到365天,让我们的进口产品能够买得到、进得来、卖得出,我们与进博会共创共生,共同进化。”陆悦飞说。
作为世界500强企业,泰森食品早在2001年便进入中国市场,目前泰森食品在中国拥有三家研发中心、七大加工厂、数十家养殖农场,提供鸡、猪、牛肉全品类食品综合解决方案,深耕中国是泰森食品始终的选择。
从一片荒地到智慧工厂拔地而起,日前,泰森食品用10个月的时间建成了首个泰森中国智慧工厂。“我们用行动说明在华发展的信心,刚刚建成的日照智慧化工厂投资了3000多万美金,南通、湖北的智慧工厂也正在加紧建设。速度背后都是因为看好市场,希望在这个地方为消费者提供更好的服务。”
先行一步的泰森中国也在整个集团树立了“数字化转型样板”。“综合来看,中国区的数字化转型进展在整个集团的地位是突出的。我们有很棒的合作伙伴、团队,中国在这方面的技术储备、供应商、软件硬件的解决方案都非常多。是国家红利、企业战略以及团队执行使得我们领先。”
陆悦飞表示,未来,泰森食品将进一步扩大在华投资和销售,致力于用安全、健康、优质的高蛋白产品,丰富中国消费者的餐桌,改善中国消费者的健康饮食结构。(完)
(文图:赵筱尘 巫邓炎)