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。
“伴侣病了”成为一场对夫妻关系的考验******
最近,社交平台上的风向,从朋友圈分享“自己阳了的体验”,到关注“阳康”之后的知识科普,还有分享“阳了之后,伴侣的反应和行为”,也令大家思考亲密关系和“阳康”之后的人生感悟。“伴侣阳了”“家庭成员阳了”成为一场对关系的考验,从各个角度考察两个人是否是合适的伴侣,家人能否一起处理好琐碎的日常、承担生活的重压。中国心理卫生协会会员、国家二级心理咨询师张燕也通过亲身感受,与记者分享阳前、阳中、阳后的心理解读与感悟。
扬子晚报/紫牛新闻记者 张楠
“阳”之前,有人焦虑有人窃喜
阳之前的心理表现因人而异,有人出现“幻阳”焦虑,也有人产生自认“天选之子”的窃喜。
“开玩笑说自己是‘天选打工人’,别人都阳了,自己就是被留下来给全家人做饭的,或者被选中在单位干活的。这种调侃背后的心理,有一种在竞争环境中被特殊照顾、被优待的感觉。”张燕表示,也有不少人出现了焦虑心态,比如一直注重身材的人突然出现暴饮暴食,认为有正当理由让自己好好吃、好好睡了,但其实内心并没有“放开”,可能吃完之后就后悔了,这些都是阳之前出现的焦虑心态。
得了“哎呀株”的男同胞,更好命?
许多人对这样的段子深有共鸣——高烧40摄氏度的妻子仍戴着口罩在厨房烧饭,39摄氏度的娃活蹦乱跳,中的怕不是“跳舞株”之类,烧到38摄氏度的老公躺在床上“哎呀”声不断,感觉病得不轻。张燕表示,至于阳中的心理表现,许多人在朋友圈晒温度,引来许多朋友的关注,“卖惨”也是一种心理需要,被关注的感觉还不错。“大家调侃男同胞好像对病痛的耐受能力要弱一些,当身体出现状况时,对身边人会更苛刻,尤其是夫妻之间,觉得她不把自己放在心上,只顾着看手机。生病最脆弱的时候,看谁都不舒服。病人都有怀疑和否定的想法,产生没有人帮我,无助无望的情绪,更糟糕的想法都会产生,也很正常。这时候特别需要被看见、被照顾,像个婴儿一样。”
很多人阳了之后不会向伴侣寻求安慰和关怀,而是等待对方主动询问自己需要什么。如果对方无法“猜中”自己的心思,给不了满意的回应和照顾,就会失望,累积的怨念上升为对伴侣的不满和对关系的怀疑。这十分考验有没有在关系中建立起足够的安全感,是否缺乏对对方的信任。
生病和照顾病人不是一件单一的任务。这个场景下包含着很多问题的碰撞:两个人看待家务的态度,对疾病和政策的看法,处理突发问题的方式等等。重点还是要看是否有协调、求同存异的可能。
历经疼痛、怀疑、否定、无助、无望等种种复杂心理情绪,人们也由此对人生进行重新思考。张燕表示,其实人们一辈子都有被关爱的情感需求,需要家人对我们关爱照顾,结婚后移情,对父母的需要寄托在另外一半身上。但你会发现,夫妻相处,跟爸妈对自己的爱,还是有差别。有时候不会为对方委曲求全,也会招致怀疑,他爱我吗?这都是两性关系磨合中的正常阶段,每个人都会经历。”所以,面对新冠的考验,这时候对一个人好,往往更容易链接其情感。夫妻之间不妨利用危机,更好地表达情感,共患难和经历挫折,让情感更进一步。”
积极思考“生命的合作”
随着朋友圈陆续“转阴”,张燕认为,生活是变化的,大家要适应变化做好准备,迎接挑战。“我们会发现,关系和陪伴对我们来说无比重要。人生到底什么最重要,只有在最关键时刻,才能知道。平时我们马不停蹄工作,并创造价值,但在创造价值的同时,也不要忽略,更多安慰和陪伴家人,或许会带来幸福感和安全感。”
张燕说,“我们也充分意识到,生命需要合作,无论你是什么状态,都需要身边有人在,比如亲人,爱人,朋友。毕竟一个人的时间和精力有限,需要有同盟的人,需要与被需要,共同存在。在人际关系中,做好这一点,才能游刃有余。”因此,她建议,照顾好身边的人,提供服务和表达需要的事情,才能增进彼此感情。
另外,生活中有许多不确定性,我们努力的这个过程,可以扩大我们的生命质量。不妨多做一些可以让自己舒服,让身边的人开心的事情。
(文图:赵筱尘 巫邓炎)