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。
多措并举着力扩大国内需求******
作者:任晓刚(北京市习近平新时代中国特色社会主义思想研究中心研究员)
近日,中共中央、国务院印发《扩大内需战略规划纲要(2022—2035年)》,进一步明确了坚定实施扩大内需战略、培育完整内需体系的发展方向,释放出夯实国内基本盘、打造内需新动力的发展信号,为推动经济发展加速回到正常轨道、实现整体性好转提供了重要抓手。
坚定实施扩大内需战略、培育完整内需体系,是加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的必然选择,是促进我国长远发展和长治久安的战略决策。党的二十大报告明确提出,要把实施扩大内需战略同深化供给侧结构性改革有机结合起来,增强国内大循环内生动力和可靠性,提升国际循环质量和水平。当前,多措并举扩大国内需求,具有重大意义。
首先,畅通、拓宽、稳固劳动力收入渠道和路径,提振消费信心、增强消费意愿。通过深化劳动力市场化一体化体制改革,畅通劳动力和专业技术人才社会性流动渠道,能够促进区域间、城乡间、行业间要素流动,并加快完善本地劳动力输出服务保障体系,提高劳动力工资收入水平。同时,要培育新型农业经营主体优势,促进农业适度规模经营、提升农业生产效率,加大对农村劳动力创新创业帮扶力度,增加农村经营性收入。
其次,提高产品和服务质量,推动消费扩量增质。党的二十大后的首个中央经济工作会议指出,要把恢复和扩大消费摆在优先位置。恢复和扩大消费的前提就是要改善消费基础条件。一方面,要提高居民消费基础设施产品和服务供给水平和能力,夯实居民消费基础。通过加大城乡基本公共服务供给,促进城乡基本公共服务均等化。不断加大乡村教育、医疗卫生服务体系、社会保障、社会性基础设施建设支持力度,提高乡村基本公共服务供给保障能力。另一方面,推动传统产业和新兴产业深度融合发展,实现产业链价值链创新链提质换挡,在更好满足消费结构升级需求的同时,推动消费结构、投资结构不断升级。要发挥传统产业规模大、配套齐全、消费带动力强等优势,夯实消费需求主力军地位。同时,深入推进计算机、云计算、大数据、区块链、物联网等新一代信息通信技术向制造业、战略性新兴产业广泛渗透,加快推动制造业企业、高新技术企业及其他企业数字化转型发展,实现制造业、战略性新兴产业智能化、数字化、绿色化发展,着力实现消费与投资的结构升级。
再次,推动供给侧需求侧结构升级,释放巨大国内需求潜力。要把握好新一轮科技革命和产业变革的历史机遇,建立健全关键核心技术攻关新型举国体制,破解“卡脖子”难题,完善基础研究、应用研究的投入体制机制,加快新能源、人工智能、数字技术、绿色低碳、量子计算等前沿技术研发与产业化应用,培育一批面向光伏、新能源汽车、能源循环利用、污染防治等的战略性新兴产业,创造新消费和投资需求,释放巨大国内需求潜力。与此同时,通过发展消费新模式,推动线上线下消费深度融合,满足多样化消费需求。完善有关新能源汽车消费、光伏产业补贴政策,加大新兴产业消费投资力度。加快补齐农村和城市流通体系短板,发展农村电商和物流快递配送,加强农产品仓储保鲜设施建设,畅通工业品下乡、农产品进城渠道,促进产销高效对接。
此外,进一步扩大国内投资规模和强度,持续激发国内经济增长潜力。通过加快实施“十四五”重大工程,发挥基建投资在阶段性稳增长中的重要作用。同时统筹中央、地方政府财力,加大中央转移支付力度、鼓励地方积极筹措资金,实施更加积极高效财政政策和更为灵活便捷货币政策开展基础设施投资,向民生补短板领域项目倾斜,并加强对科技创新、产业链供应链安全、绿色发展、乡村振兴等领域的财政支出倾斜力度。
要实施好以工代赈、政府购买等重要工程项目,以重点工程项目投资吸纳当地群众就业,充分发挥其重要载体作用。一方面,增加政府投资重点工程项目数额,提高政府投资额度,尽可能多地通过实施以工代赈增加有效投资规模。另一方面,围绕新一代信息化基础设施建设、城市更新、乡村振兴等重要领域,充分挖掘相关项目主体投资潜力。在此基础上,通过延续实施扶持制造业、小微企业和个体工商户的减税降费和贷款贴息政策,延续普惠小微企业贷款延期还本付息政策和信用贷款支持计划等措施,鼓励和吸引更多民间资本参与国家重大工程和补短板项目建设,持续推动民营企业高质量发展,保护市场主体、激发市场主体活力。
《光明日报》( 2023年01月12日 02版)
(文图:赵筱尘 巫邓炎)