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。
重点机构和场所加强健康监测和早期干预******
【抗疫中,我们众志成城㊼】
光明日报记者 陈海波
新冠病毒感染“乙类乙管”后,不再划定高低风险区。但一些人员密集、老年人等脆弱人群集中的机构和场所,仍然不可大意。
“实施‘乙类乙管’措施后,重点人群、重点机构、重点场所仍然是防控重点。养老机构、社会福利机构等场所高风险人群较多、人员集中,疫情传播风险大,要加强健康监测和早期干预,确保重症高风险人员能够及时发现、及时转诊、及时救治。商超、物流、餐饮、交通等行业从业人员要加强个人防护,做好自我健康监测,出现症状及时报告。”国家卫健委新闻发言人、宣传司副司长米锋1月11日在国务院联防联控机制新闻发布会上表示。
对重点机构和场所开展健康监测
“乙类乙管”后,哪些机构和场所是疫情防控的重点?
中国疾控中心传防处研究员常昭瑞介绍,重点机构主要包括养老机构、儿童福利领域服务机构、精神卫生福利机构、学校、邮政快递、医疗机构等,重点场所主要有客运车站、商场超市、农贸(集贸)市场、餐饮服务单位以及沐浴服务单位等人员密集、空间密闭、容易发生聚集性疫情的场所。这些机构和场所应落实好单位防控责任和个人的疫苗接种、自我防护、健康监测、环境清洁消毒和通风换气等措施。
奥密克戎变异株传播速度快,重点机构和场所人员密集,一旦有传染源引入,短期内易造成传播扩散。“在落实好重点机构和场所常规防控措施下,要通过开展健康监测以及抗原或核酸检测,及早发现疫情。”常昭瑞说。
那么,如何加强监测?
常昭瑞指出,对社会福利机构等脆弱人群集中的场所,每日至少要开展两次全体人员的体温检测和新冠病毒感染相关症状监测。根据机构是否采取封闭管理,对机构内工作人员和被照护人员分类开展定期核酸或者抗原检测。如果出现可疑症状,要及时采取核酸或者抗原检测。医疗机构重点要做好重症高风险住院患者的抗原或核酸检测,及时发现和管理感染者,降低疫情在医疗机构内的传播和扩散。其余重点机构和重点场所工作人员要加强监测,出现症状时要及时进行抗原检测和核酸检测。
制定商场超市等场所疫情防控操作指南
春节期间,商场、超市、农贸市场等客流量比较大,如何做好疫情防控?
商务部消费促进司一级巡视员耿洪洲介绍,商务部在加强市场监测预警,指导商贸流通企业加大备货力度、保障生活必需品市场供应充足的同时,严格按照“乙类乙管”总体方案,制定了商场、超市、农贸(集贸)市场等重点场所新冠病毒感染疫情防控操作指南,明确防控制度、环境卫生、员工卫生防护等要求,指导行业做好防控工作。
要防控疫情,首先得做好自我防护。耿洪洲说,要做好员工自我健康监测,如有相关症状,要及时报告并开展抗原或核酸检测;符合疫苗接种条件的员工需要完成疫苗加强接种,实现“应接尽接”;员工工作期间全程佩戴口罩,穿戴一次性手套等防护用品;引导顾客全程规范佩戴口罩。同时,加强环境卫生消毒。
此外,提倡无接触服务。“鼓励顾客优先采用扫码付款方式结账,尽量减少人员接触和排队时间。鼓励线下与线上购物相结合,因地制宜开展即时零售、网订店送等服务。”耿洪洲说。
养老机构做到关口前移
“现在全国有4万多个养老机构,入住老年人220多万人,一旦养老机构发生感染,容易形成聚集性感染,而且老年人感染后,重症风险比较高。”民政部养老服务司副司长李邦华指出。
那么,养老机构如何做好防护,实现老年人“保健康、防重症”?
李邦华说,要做到关口前移。
他介绍,养老机构要每天至少两次健康监测和每周两次核酸或抗原检测,做到老年人疑似新冠感染症状的“早发现”,以及养老机构阳性人员的“早发现”。落实老年人分类分级健康服务,为老年人配备必要的血氧仪和吸氧设备,做到老年人重症前期“早识别”。发挥养老机构内设医疗机构和定点协议医疗机构的作用,储备相应药物,通过远程或者上门服务,做到老年人诊疗的“早干预”。健全养老机构感染者的转运机制和就医绿色通道,提高转诊效率。
当前,一些长期封闭管理的养老机构面临很多困难。对此,李邦华表示,要加强养老机构的纾困,及时组织工作人员安全有序进行轮换和休整,同时加强对养老机构工作人员和老年人的关心关爱。
“尤其是春节来临之际,要加强心理疏导和春节相关活动安排,同时推动各地出台更多有针对性的养老机构纾困政策,帮助养老机构渡过难关。”他说。
(光明日报北京1月11日电)
《光明日报》( 2023年01月12日 04版)
(文图:赵筱尘 巫邓炎)