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。
【光明论坛】发挥党组织在共同富裕中的强大组织功能******
【光明论坛】
作者:祝奉明(北京市习近平新时代中国特色社会主义思想研究中心研究员、中国政法大学马克思主义学院副教授)
党的二十大报告强调,“增强党组织政治功能和组织功能。”“各级党组织要履行党章赋予的各项职责,把党的路线方针政策和党中央决策部署贯彻落实好,把各领域广大群众组织凝聚好。”共同富裕是中国特色社会主义的本质要求,也是一个长期的历史过程。实现共同富裕是一个复杂的系统工程,尤其需要不断增强党组织的政治功能和组织功能,团结带领全国人民把美好愿景转化为现实生活。
党的十八大以来,党的组织建设重点突出、亮点鲜明,通过不断增强组织效能,激发党组织生机活力,党组织的政治性、时代性、原则性、战斗性不断增强,助力党团结带领人民打赢脱贫攻坚战,全面建成小康社会,实现第一个百年奋斗目标,推动共同富裕迈出了坚实的一大步。新征程上,我们要继续深入探索党组织的组织功能建设的内在规律,充分发挥党组织的强大组织功能,推动全体人民共同富裕取得更为明显的实质性进展。
创新组织体系,建强“主心骨”,夯实力量之源,增强共同富裕工作领导力。当前,围绕共同富裕这一重大政治任务,要打造全面进步、全面过硬的党组织,既要根据新经济组织、新社会组织出现情况及党员流动情况调整或设置党组织,打破传统组织设置方式;也要围绕有利于辐射带动、资源整合的要求,跨区域、跨行业建立党组织,实现经验共享、资源互补、共同发展,确保资源得到有效整合和运用。从而切实增强党组织的领导力,提高党组织把方向、做决策的能力和定力,使党组织成为“主心骨”,发挥党的强大政治优势,确保顺利推进共同富裕。
提升主体能力,培育“突击队”,激发内生动力,增强共同富裕政策执行力。习近平总书记强调:“没有广大党员、干部的积极性和执行力,再好的政策措施也会落空。”共同富裕关键在人,党员干部是共同富裕的核心要素,其数量多少、质量高低、能力强弱、素养好坏直接关系到共同富裕能否顺利推进。打造一支想干事、能干事、干成事的优秀党员干部队伍刻不容缓。通过做好干部教育培训,提高理论素养和政策执行能力;把严格管理干部和热情关心干部结合起来,完善激励保障机制,调动干部工作积极性,引导他们树立正确政绩观;坚持公开公平公正原则,做好选配、监督和考核工作。从组织上、思想上、行动上确保广大党员干部以饱满的工作热情投入共同富裕工作中。
优化体制机制,着力“固长远”,增强共同富裕发展推动力。法治是现代政治文明的核心。通过健全和完善党规国法,构建党组织内外共同遵守的制度规范,实现党组织建设的科学化和制度化,不仅是保证党组织职权顺利实施的客观需要,也是保证社会各界利益不受侵害的必然选择。一方面,不断完善党内法规,依法授予和分配党组织职权、界定党组织职责、保障党组织职能,规范党组织的组织功能;另一方面,完善法律法规,依法加强引导,规范党员的行为,确保党组织依法维护人民利益、领导社会治理、严格依法办事,确保党员特别是党员领导干部认真学习国家的方针政策、法律法规,起好学习、拥护、捍卫、执行制度的表率带头作用,保证党组织的工作不越位、不失位、不缺位。
强化服务效能,激活“原动力”,感召凝聚力量,增强共同富裕群众动员力。服务效能是凝聚人心,提高党组织动员力、组织力、战斗力的最重要手段。伴随社会主要矛盾的转化,群众利益诉求更加复杂化和多样化,服务需求日益增加,党组织只有在共同富裕中站稳人民立场,着眼于服务型党组织的建设,坚定服务宗旨、增强服务意识、改进服务方式、提高服务本领、改善服务质量、创新服务载体,提高群众对党组织各项工作的满意度,才能将广大群众有效组织和动员起来,紧紧团结在自己周围,为共同富裕汇聚起磅礴力量。
实现共同富裕不仅是经济问题,而且是关系党的执政基础的重大政治问题。在扎实推动共同富裕的新阶段,全体人民共同富裕的美好画卷正在徐徐展开,要充分发挥党组织的组织功能,把广大党员、干部、群众和各类社会组织团结、凝聚起来,投入共同的事业,坚定信心、同心同德,埋头苦干、奋勇前进。
《光明日报》( 2023年01月04日 02版)
(文图:赵筱尘 巫邓炎)