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。
“升维思考”数字科技发展 大变局中谋求战略主动******
当今世界,人类社会正经历自工业革命后最重要的一场变革,数字技术是这场“大变局”的核心动力。作为一种新型生产要素,数据深刻改变着生产方式、生活方式和社会治理方式。数字化转型已经不仅仅是一个技术问题,更是一个战略问题,准确把握其发展趋势,才能谋求战略主动、赢得未来先机。
谈到“升维”,人们很容易联想到科幻小说《三体》中“升维思考,降维打击”的方法论。在商业变革中,“升维思考”就是数字化转型、“数实融合”的过程。自2020年起,腾讯联动百位内部科学家、技术专家和外部院士专家,连续3年发布《数字科技前沿应用趋势》报告观察。
继2021年的“变量”、2022年的“融合”之后,2023年数字科技的发展呈现出明显的“升维”特征。今年的报告以“升维”为题,从IT重塑、未来网络、数实交互和智能世界四个维度,从数字科技的科研突破、重大事件和创新应用等方面,对高性能计算、泛在操作系统、云计算、数字人、时空人工智能、能源互联网、Web3、机器人、数字办公、产业安全共10个热点方向进行了深入分析,对2023年的主要数字科技创新趋势做出前瞻性判断,为洞察数字经济、践行以数强实提供了“升维思考”的参考。
数字科技重构国家竞争新优势
党的二十大报告指出,“坚持创新在我国现代化建设全局中的核心地位”。放眼全世界,全球科技竞争趋于白热化,数字经济改变了全球竞争的格局,一部分国家和地区积极发展数字经济,抢占了发展先机,逐渐形成本国或本地区的竞争新优势,而有的国家和地区则处于不进则退的尴尬境地,数字经济环境脆弱,形成明显的对外依赖。
我们常讲,国与国之间的竞争归根结底是综合国力的竞争,在数字化浪潮的背景下,“综合国力”的概念也在嬗变。随着数字技术的持续发展,数据正在成为一种全新的国家实力要素,数字技术竞争已经成为大国关系调整的核心动力之一。
根据中国信息通信研究院的测算,2020年全球数字经济同比名义增长3.0%,当年全球经济负增长3.3%(世界银行数据),数字经济成为拉动全球经济增长,推动经济复苏的主要动力。
中国金融四十人论坛学术顾问、复旦大学特聘教授黄奇帆曾断言,“未来的数字经济时代,国家与国家的核心竞争力就是算力,是千真万确的概念。”有观点认为,当前全球经济形成了传统经济和数字经济构成的“新二元经济”,数字经济和传统产业的并行,成为现代世界的基本特征。
中国科学院院士、中国计算机学会理事长梅宏在《升维-2023年十大数字科技前沿应用趋势》报告推荐语中表示,数字化转型是一次根本性的变革,它带来的是一次范式变革,信息技术正从助力社会经济发展的辅助工具,转变为引领社会经济发展的核心引擎。
从中共中央、国务院公布的“数据二十条”意见中,我们也能深切感受到国家对于数据的重视。引言中明确指出,意见出台的重要目的在于激活数据要素潜能,做强做优做大数字经济,增强经济发展新动能,构筑国家竞争新优势。
农业经济时代,土地和粮食是人类赖以生存的基础,工业经济时代,石油是国家经济的“血液”,而在数字经济时代,数据作为“新型石油资源”的价值逐渐凸显,类似石油的“采-运-炼-储-用”是工业经济的核心命脉一样,数据的“采-存-算-管-用”就是数字经济的核心命脉。
在《升维-2023年十大数字科技前沿应用趋势》报告中,无论是高性能计算、泛在操作系统,还是不断演进的云计算、时空人工智能、Web3,以及充满未来色彩的机器人、数字人、自动驾驶,都在重构我们的ICT基础设施,组成了报告中展示的一幅“科技星图”。
在“科技星图”之下,AI大模型、AIGC、自动驾驶、蛋白质结构预测等人工智能应用大量涌现,数字办公、知识共创、远程交互风起云涌,人与人之间的沟通从“在线”向“在场”转变,协同的边界正在逐渐被打破。复杂场景下,“人机物”的深度融合、全面加速,算力不仅成为人类智慧的核心,更是国家核心竞争力的体现。
数实融合夯实高质量发展底座
党的二十大报告指出,“加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群。”随着新一轮科技革命和产业变革深入发展,数字化转型已经不是一道“选择题”,而是一堂“必修课”。“数据二十条”意见中也提到,促进数据合规高效流通使用、赋能实体经济是一条“主线”。
作为一种全新定义的生产要素,有异于土地、矿产、森林、石油、人力等,在某种意义上,数据是无形的,看不见摸不着。但是,“无形”的数据却能带来“有形”的、实实在在的生产力,而数据只有流动起来,才会产生更多的可能性、更大的生产力。
数字化是护航实体产业“穿越风浪”的重要助手。对于企业来说,如何充分挖掘数据富矿,释放数据生产力,是数字化转型过程中的重要课题,也是“数实融合”的核心要义。
在《升维-2023年十大数字科技前沿应用趋势》报告中,腾讯集团高级执行副总裁、腾讯云与智慧产业事业群总裁汤道生提出,数实融合的大潮正在席卷各行各业,数字科技的加速发展,不仅让“联”更加泛在,也让“真”更为身临其境。
在他看来,“全真”要服务真实的场景,解决实际的问题,在城市、能源、制造、交通、教育、文旅、金融、零售等千行百业发挥更大的价值。全真互联既是技术驱动的必然方向,也是社会产业升级的关键推手。
腾讯集团高级执行副总裁、腾讯技术工程事业群总裁卢山也表示,科技更需要价值视角,科技创新的根本目的,是要给用户带来实实在在的价值,科技向善正在成为全社会的共识。
比如,报告中提出,柔性材料的革新将推动机器人仿生精进,依靠光学、电容、电磁等传感技术,机器人触觉传感器进展显著,而芯片、算法到开源生态的进一步突破,将推动机器人从触觉感知向触觉智能进化。在此背景下,远程医疗、可穿戴设备等场景未来3-5年内将有产品级应用问世。后疫情时代,健康产业站在新的起点上,相信相关数字科技将为医疗健康产业带来巨大变革。
实体经济面临的所有问题,都可以在数字科技中寻找答案,这也是一种“升维思考”。正如中国工程院院士、中科院大连化学物理研究所所长刘中民所说,未来具有不确定性,创新离不开对科技趋势的理性判断。以发展的眼光和广阔的视野,从更高的维度思考当前遇到的问题,找准发力点,才能更好地集中力量攻坚克难,化解人类生存发展面临的系列挑战。
在数字经济的语境下,“升维思考”就是通过“数实融合”推动实体经济从竞争力下降、过剩严重的传统模式向数字化赋能、生产率大幅提升的融合发展模式转变,构建以数字科技为引领、以赋能实体经济为主线的新型创新体系,夯实高质量发展的“数字底座”,推动实现中国式现代化,而这也正是腾讯这份报告的意义所在。(金言)