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。
激发榜样教育新的生机和活力******
据报道,近日北京市某学校在每个班级的壁报中开辟“我心中的榜样”专栏,师生共同探讨本班的“榜样人物”,并且将班级命名为“雷锋班”“钱学森班”等,每班还选出了一名榜样故事宣讲员,专门介绍本班的“榜样人物”。
榜样教育历来是青少年思想政治教育的重要手段。青少年处在“拔节孕穗期”,加强榜样教育,引导他们领悟榜样的力量,帮他们扣好人生第一颗扣子,尤为重要。近年来,榜样模范辈出,先进典型不断。从全国道德模范到时代楷模,从“共和国勋章”获得者到“七一勋章”获得者,从全国教书育人楷模到最美大学生……他们的崇高精神令人感动,他们的责任担当令人感佩,他们用榜样的力量温暖人鼓舞人启迪人。这些先进典型和榜样,是思想政治教育的生动教材,已经融入立德树人的全过程各方面。
但同时也要看到,在青少年榜样教育方面还存在不容忽视的问题。中国青少年研究中心日前发布的《少年儿童的偶像与榜样研究报告》显示,青少年认为学校的榜样教育主要存在“对榜样的宣传太死板”“榜样千篇一律没有个性”“榜样离太远起不到激励作用”等问题,比例均在两成以上。这也提醒我们,要更新榜样教育的理念,改进榜样教育的方式,让榜样与青少年的精神世界产生同频共振,激发榜样教育新的生机和活力。
要引导青少年树立正确的榜样观。与榜样密切相关的一个词是偶像。榜样是理想中的“我”,是自己通过理性选择的人生典范。我们强调榜样教育,因为榜样永不过时,具有穿越时空的精神力量。偶像与榜样有相似之处,就是他们的感召力和吸引力。但是,偶像往往是一种不加批判而盲目加以崇拜的对象。如果说榜样的选择是理性的,是经过反复比较后的慎重选择,那么偶像崇拜则往往是非理性的,或是出于某种喜好,或是从众心理使然。偶像崇拜是青少年群体中的一种客观现象,无法回避,但是需要用正确的榜样观来引领,防止沉迷偶像崇拜。
要更新榜样教育的理念和方式方法。传统的榜样教育往往过分注重教育,忽视了青少年的感受和兴趣,因而受教育效果打了折扣。在以互联网为代表的新媒体背景下,传播和教育的手段非常丰富,选择的空间非常大。要更新榜样教育的理念,多采用隐性教育。要贴近青少年的实际,贴近青少年的兴趣,将教育性寓于趣味性之中。可以多采用青少年喜闻乐见的方式,运用新媒体技术生动呈现故事、文字和哲理,使榜样教育活起来。要注重引导青少年在生活中学习榜样。教育必须回归生活实际。在对青少年进行榜样教育时,也要注重生活化。在日常的学习和生活中,要增加青少年模仿和践行的机会,增强榜样教育的效果。比如,在日常教学活动中,要探索多种举措发现身边的榜样事迹、榜样人物,比如以班级研讨、小组评比的形式选树班级、年级、学校榜样人物。
要形成榜样教育的合力。家长是孩子的第一任老师,在榜样教育中这个角色的分量更重,因为家长往往都是孩子的榜样。家长要改变那种一味把自己的孩子与别人家孩子比的思维,引导孩子树立正确的榜样观和成才观。特别是要做到以身作则、言传身教,让自己成为孩子引以为傲的榜样。学校要发挥教育主阵地作用,把榜样教育融入教育教学全过程,改进教育教学方式,不断提升教育实效。社会要各司其职,各负其责,形成全社会尊重和学习榜样的良好氛围,助力青少年的健康成长。
需要指出的是,激发榜样教育新的生机和活力涉及的方面很多。不同学年段的青少年,对榜样的认知、选择和接受等存在明显的差异。当前,迫切需要加强对榜样教育的研究,形成适应青少年不同学年段身心发展特点的螺旋式递进的榜样教育。
(作者:李传哲,系首都师范大学马克思主义学院博士生)
(文图:赵筱尘 巫邓炎)