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。
阴山优麦聚焦科技创新 延长燕麦产业链******
在位于内蒙古乌兰察布的内蒙古阴山优麦食品有限公司(以下简称“阴山优麦”)的车间里,一派繁忙景象:产品生产区,工人正在燕麦产品生产线上操作;产品检测区,公司技术人员正在检验燕麦产品质量;产品打包、装卸工区,工人正忙着装箱、贴单、装车……一系列工序井然有序地进行。
阴山优麦成立于2015年,是一家集燕麦育种、规模化种植、农产品深加工、产品销售、仓储物流、燕麦科技创新和燕麦文化与品牌推广于一体的燕麦全产业链公司。从一家小公司成长为农业产业化国家重点龙头企业,小燕麦做成了大产业。阴山优麦董事长卢文兵说:“公司的高成长性源于坚持创新发展,立足农产品深加工,持续完善产业链,走出一条农业科技现代化发展之路。”
“燕麦是乌兰察布的主要农作物之一。我一直想通过建立龙头企业,以‘公司+农场+农户’的方式,带动燕麦产业发展,为农民增收致富作出贡献。”卢文兵说,依据当地资源优势,公司大力发展农产品精深加工,提高燕麦资源利用率,提升农产品附加值,加快农业产业化发展。
“为提高生产效率,我们以调整生产加工工艺流程为抓手,对生产线实施了大规模技术改造。”阴山优麦常务副总经理肖平波说,通过对生产线进行自动化改造,生产效率和产品质量均得到显著提升。目前,阴山优麦已建成年产3万吨燕麦香米、2万吨燕麦片、2000万个燕麦杯、6000吨燕麦粉(莜面)加工生产线。
除生产线改造外,阴山优麦严格把控产品质量,精细化管理,以优质产品开拓市场。为了给消费者提供优质燕麦,在种植环节上严格按照有机体系标准规范种植;在加工过程中运用先进工艺和检测设备严把质量关,不断完善产品质量控制管理制度。“公司实现从原料、生产、加工到销售的全链路质量控制和管理,从而有效防范和控制质量风险。”卢文兵说。
创新是企业发展的动力源泉。近年来,阴山优麦通过加强产学研合作、加大研发投入等方式,不断探索新技术,研发新产品。卢文兵说:“为提高创新能力,我们与乌兰察布市农林科学研究所等科研院所开展合作。比如,在种植基地技术指导、优质燕麦品种繁育以及燕麦加工与推广等方面深入合作,拓展产品研发的深度和广度,着力开发燕麦高端产品,进一步延伸产业链,提升产品附加值。”
在公司的产品展示区域内,记者看到燕麦米、燕麦肽、燕麦谷物饮等一系列深加工产品。工作人员介绍,借助科技手段进行深加工之后,每亩燕麦能够实现约2000元的产值。尝到先进技术的甜头,阴山优麦更加坚定了走创新发展之路的决心,坚持做研究、搞创新。公司结合市场需求相继推出了燕麦纤维粉等高附加值产品以及混合谷物燕麦产品。
凭借创新实践,阴山优麦还积极参与即食燕麦片地方标准的制定。截至目前,公司已获得发明专利9项、实用新型专利8项。
“坚定不移走农产品精深加工之路,是公司的发展方向。”卢文兵说,科技创新为企业注入强大发展动能,阴山优麦的市场份额不断扩大,竞争力得以增强。公司已建成覆盖20多个省份的市场销售网络,开拓了一批集团业务渠道及多个电商渠道。2020年实现销售额1.06亿元,2021年实现销售额1.2亿元,2022年销售额达2亿元。
当下,随着居民生活水平的提高以及对健康饮食需求的增加,燕麦食品未来消费人群和人均消费量将持续增长,中国燕麦市场前景广阔。卢文兵介绍,下一步,公司将立足当地特色农业优势,继续加大育种投入,与科研部门配合,培育高产、优质的燕麦新品种。同时,不断推进燕麦精深加工,加大产品创新力度,研发出更多优质健康、时尚便捷的燕麦食品,并将继续强化扶农助农机制,发挥龙头企业的带动作用,为农民增收、农业增效作出贡献。(余 健)
(文图:赵筱尘 巫邓炎)