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。
构建发展新格局 建设世界级旅游目的地******
党的二十大回顾总结了过去五年的工作和新时代十年的伟大变革,阐述了开辟马克思主义中国化时代化新境界、中国式现代化的中国特色和本质要求等重大问题,对全面建设社会主义现代化国家、全面推进中华民族伟大复兴进行了战略部署。党的二十大报告,是党团结带领全国各族人民夺取中国特色社会主义新胜利的政治宣言和行动纲领。
陕西将坚持文旅融合高质量发展,在发展社会主义先进文化、弘扬革命文化、传承中华优秀传统文化的过程中积极赋能旅游发展,大力发展红色旅游、绿色旅游、乡村旅游、智慧旅游、文明旅游,不断扩大开放水平,努力构建发展新格局,推动陕西建成传承中华优秀文化的世界级旅游目的地和国际文化旅游中心。
全面统筹整合旅游资源,科学优化旅游空间布局。开展全省旅游资源普查,全面摸清旅游资源家底,形成“五维合一”的成果体系,为旅游资源科学保护、合理开发提供基础依据。加快构建“一核四廊三区”文旅发展新格局。打造关中综合文化产业带、陕北民俗及红色文化产业带、陕南自然风光生态旅游产业带。依托黄帝陵、兵马俑、延安宝塔山、秦岭、华山等陕西文旅资源,打造一批闻名世界、国内一流的旅游集聚区。以长城、长征、黄河国家文化公园(陕西段)建设为契机,推动全省红色旅游资源保护利用体系建设,带动红色旅游发展。
实施重大项目带动战略,全面提升旅游发展水平。陕西将精准把握打造万亿级文旅产业和促进文旅消费的目标任务,推动七条文旅重点产业链建设,推进县域文旅产业发展,实施文化产业“十百千”工程,建设一批文化厚重、内涵丰富、特色鲜明、市场前景好的重点项目,培育一批富有陕西特色的世界级旅游景区和度假区,形成一批世界一流、全国领先、独具特色的文旅产业集群,增强文旅企业竞争力,提升发展能级。
加大优质产品和服务供给,更好满足人民群众的旅游需求。陕西将坚持旅游为民原则,以高品质供给推动旅游业高质量发展,大力发展乡村旅游、夜间旅游、康养旅游、房车露营等新兴业态,打造一批文化特色鲜明的旅游休闲城市和街区,推出一批特色鲜明的精品旅游线路,形成一批竞争力强的旅游商品。持续办好西安丝绸之路国际旅游博览会、陕西旅游商品大赛、西安国际文创产品创新创意大赛等大型活动,支持和鼓励社会力量广泛参与旅游商品研发推广,打造陕西旅游商品IP。秉持旅游便民利民理念,加强旅游基础服务设施建设,持续推动旅游景区智能化、信息化发展,完善旅游智能服务体系、便民惠民体系、安全保障体系和行政服务体系,提高游客满意度。
深化“旅游+”融合发展,促进旅游发展质量、效益双提升。近年来,陕西深化文旅融合,大力推进“旅游+”业态发展,大唐不夜城、袁家村乡村旅游、长安十二时辰主题街区等高品质业态成为旅游经济发展的新动能。陕西将坚持以文塑旅、以旅彰文,不断深化文旅融合发展,建立省级文化旅游产业融合实验区机制,统筹推进“一市一品”创建工作,打造一批地域特色鲜明的文旅融合示范区。创新推动“旅游+”发展,更好融合历史文化、自然生态、科技教育等元素,培优夜间观光、生态旅游、自驾露营、研学旅行等业态,推动旅游业向现代化、智慧化、品质化、国际化转型升级。抓紧实施文旅科技创新工程、上云用数赋智文旅试点、文旅产业赋能乡村振兴计划等融合创新发展重点工作,大力发展陕西特色文旅融合业态,赋能旅游业高质量发展。
主动服务外交大局,推动文化和旅游国际交流合作走深走实。党的二十大报告提出,坚守中华文化立场,提炼展示中华文明的精神标识和文化精髓,加快构建中国话语和中国叙事体系,讲好中国故事、传播好中国声音,展现可信、可爱、可敬的中国形象。文化和旅游国际交流合作在增进民心相通、提升国家形象、增强文化软实力等方面发挥着重要作用。陕西将坚定不移地参与“一带一路”高质量建设,创新观念、开拓思路、拓展方式,举办好丝绸之路国际艺术节、西安丝绸之路国际旅游博览会等重大国际交流活动,积极参与“欢乐春节”“云游中国”“中国文化周”等品牌活动,发挥好境外新媒体矩阵传播作用,宣传推介陕西省精品剧目、特色美食、非遗和旅游资源,促进中华文明与各国文明的交流,在全面建设社会主义现代化国家新征程上,奋力谱写陕西文化和旅游强省建设的新篇章。
(高阳 作者系陕西省文化和旅游厅党组书记、厅长)
(文图:赵筱尘 巫邓炎)