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。
美媒文章:欧洲为什么与美国对华出口管制抗争******
参考消息网1月2日报道美国外交学者网站2022年12月27日发表德国墨卡托中国研究所分析师安东尼娅·赫迈迪和丽贝卡·阿塞萨蒂的文章,题为《欧洲为什么与美国对华出口管制抗争》。全文摘编如下:
2022年10月,美国对中国实施了迄今为止最大规模的出口管制。这些规则寻求限制中国获得先进半导体技术的机会,其目的是迅速利用美国的影响力来削弱中国的超级计算和人工智能能力。
新的管制措施大大加剧了中美科技竞争。美国总统国家安全事务助理杰克·沙利文说,美国希望在人工智能和其他“力量倍增技术”方面“保持尽可能大的领先优势”。
但这是有风险的。除非其他主要半导体生产国加入(这些国家迄今为止一直不愿这样做),否则,其中一些管制措施不会取得效果。
新的出口管制措施最初引发了关于现有规则、即外国直接产品规则所涵盖范围的困惑,外国直接产品规则对一些在海外制造的产品实施出口管制。由于美国的技术在半导体供应链上几乎无处不在,因此美国可以授权或阻止域外销售。事实上,这些并不涵盖半导体制造设备,因此最初阿斯麦控股公司的设备可以不受美国长臂管辖。沿着这条道路前进可能损害美国的利益,也会严重削弱盟国间的信任。关键是,华盛顿可以在它愿意的时候利用自己的影响力。
信任问题并不新鲜。尽管经济上的考虑在美国的出口管制法规中没有一席之地,但华盛顿对全球技术贸易越来越多的干预引发了人们对保护主义的担忧。
阿斯麦控股公司首席执行官彼得·温宁克抱怨说,华盛顿偏心美国半导体制造设备领域的企业,证据是它近年来大力游说荷兰政府,这导致荷兰拒绝发放对华出口极紫外光刻机的许可。这些抱怨表明信任受到削弱并且人们认为美国采取了贸易保护主义做法。
各国政府处境艰难,因为它们必须确保这样的出口管制措施不会扼杀本国产业。例如,如果没有日本的支持,欧洲或荷兰的单边管控将使日本竞争对手获得优势。已经有迹象表明,中国企业可能正在转向日本的半导体制造设备生产商,因为这些企业使用的美国技术更少,因此更不可能受未来涉及半导体制造设备的外国直接产品规则影响。
来自中国的收入对许多半导体公司来说至关重要。
尽管美国正在劝说伙伴国减少在芯片和电动汽车电池等其他领域对中国的依赖,但欧洲企业担心去全球化的代价。芯片供应链之所以高效,是因为它是全球性的、一体化的。如果供应链分崩离析,越来越多的国家奉行谋求自力更生的政策,芯片的成本就会上升。欧洲工业需要越来越多的芯片,不仅是在高科技行业,还有正被自动化和数字化改造的汽车等低技术领域。
然而,追求完全自给自足的供应链并不现实。
(文图:赵筱尘 巫邓炎)