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 。
《狂飙》“狂飙”的背后怒刷热搜评专访李一桐******
《狂飙》“狂飙” 的背后 怒刷热搜 评 专访李一桐
| 500快3登录地图 |
