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。
北京地铁13号线扩能提升将新建18站******
13号线扩能提升将新建18站
工程进入复工满产阶段 拆分AB线运力大幅提升
本报讯(记者 李博)聚集着中国互联网“半壁江山”的后厂村路,早晚高峰交通压力十分突出。在中关村软件园北侧,13号线后厂村站施工已经陆续展开。记者从市重大项目办及京投所属轨道公司了解到,作为全市重点工程的13号线扩能提升工程,已进场开工建设的12个标段全部复工。全线管理及劳务人员全部到岗,工程已进入复工满产阶段。
“13号线扩能提升工程新建车站共有18座,其中10座车站已开工建设,本月还将有3座车站实现开工。”京投所属轨道公司第二项目中心副总经理高亚彬介绍,13号线扩能提升工程作为国内最大规模的既有线改造工程,将在不影响13号线运营的基础上,利用晚上地铁停运后的“窗口期”施工作业。
北京轨道交通13号线扩能提升工程,是在既有13号线西二旗-龙泽-回龙观站区段,通过线路改造等技术手段,将既有13号线倒U型线进行拆分,形成13A线、13B线两条线路。13A线由车公庄经西直门、新龙泽至天通苑东,串联既有13号线西段及天通苑和回龙观地区。
13B线由海淀区16号线马连洼站,经新龙泽至东直门站,串联了上地软件园、回龙观、天通苑及13号线东段。两条线路具备互联互通的条件,同时预留了B线跨线运营至A线的条件,未来不仅可以实现A、B线同站台换乘,还可实现跨线组织运行,提升了服务水平。
拆分完成后,13A线具备运营8编组B型车能力,运输能力提高75%左右;13B线运输能力提高30%左右,将有效解决西直门终点站列车折返条件差、发车间隔无法缩短、13号线车厢拥挤、站外限流排队等问题。
拆分线路新建站线的同时,13号线既有站点也将实施改造。“改造工程将为既有13号线线路两侧加装声屏障,同时,13号线西段5座车站还将加宽加长。改造过程中,不仅要对既有站台进行加长,还要新建一套更高更长的屋顶,改善站台候车环境。”高亚彬介绍,目前相关单位正在完善既有车站的改造方案。根据计划,13号线上地站的改造工作将会率先进行,其余车站随后也会进行改造。
13号线扩能提升工程完成后,将进一步改善回龙观天通苑地区出行条件,完善北部地区轨道交通线网,更好满足市民出行需求。
目前,北京轨道交通工程建设已有14000余人返岗返工。预计2月10日左右,所有标段将实现复工满产,现场施工人员将达23000余人。2023年,北京在建轨道交通200余公里,计划投资350亿元。
(文图:赵筱尘 巫邓炎)