快三平台交流群-在线用户注册平台 | 官网APP下载

来源：快三平台客户端下载2024-09-12 17:48

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。

快三平台交流群

高原古城闹社火：击鼓奏乐，且耍且歌******

　　中新网西宁1月31日电题：高原古城闹社火：击鼓奏乐，且耍且歌

　　作者潘雨洁

　　来到中国4年多，土库曼斯坦留学生王东第一次觉得春节如此“刺激好玩儿”：在两个师傅搀扶下，他颤颤巍巍站上70厘米的高跷，小心翼翼地向前迈步。“站在上面(高跷)身体很难保持平衡，但感觉非常有意思。”他说。

　　一旁，18岁的韩启旺脸涂油彩，正麻利地将双脚用红绸绑在2.8米的高跷上。“凌晨两点就起床化妆，”他说。虽同样是“首秀”，他却选了最高的木跷，从小生活在青海省西宁市城中区总寨镇总南村的他信心十足：“社火年年耍，不用专门学。”

图为西宁市城中区总寨镇的高跷表演。　马铭言摄

　　“他的扮相是‘杨五郎’，”村民介绍：“今天表演的是《杨门虎将》金沙滩赴宴片段。”据了解，当地高跷队扮演的角色众多，既有孙悟空、白素贞等妇孺皆知的民间形象，亦有一身正气的包拯、保家卫国的杨家将、替父从军的花木兰等英雄人物。

　　连日来，青海省东部多市县正组织大型社火表演。社火源于民间古老的土地神与火神崇拜，最早自汉代传入青海，及至明清时期，随大规模汉人迁移，在该省东部的黄河上游河湟地区，“正月里闹社火”的规模愈发壮大，至今仍是重要年俗之一。

图为留学生王东体验社火表演。　马铭言摄

　　正午时分击鼓奏乐，西宁市城中区总寨镇的村民们围拢起来，“龙头老大”带领十人统一踩着鼓点，长龙上下翻腾，或仰头直上，或蜷头曲尾。紧接着，耍狮子、踩高跷、老秧歌、藏舞等表演陆续登场，引得观众连连叫好。村墙、台阶上人头攒动，挤在最前面的孩子手里拿着冰糖葫芦和热气腾腾的卤煮，附近临时支起的小吃摊前也排起队。

　　“过去，村民们跳秧歌时没有现在的绫罗绸缎，就把自己干活时穿的羊皮短袄翻穿，戴着毡帽、拿着小棍敲敲打打。”总南村村民韩国琦已年过花甲，但儿时赶社火的热闹情形依然记忆犹新。

　　“老人们喜欢的耍狮子、高跷、旱船等，都是来自南方、中原的传统表演，村里的年轻姑娘们则喜欢穿着鲜艳的藏服跳藏舞。”在韩国琦看来，河湟社火在历史演变中，不断融合各民族、各地区的文化。

　　14岁的韩晓兰从小喜欢耍枪弄剑，今天，她第一次将练习了三年的招式表演给台下的长辈和同学。

　　“这些年，村里的社火不仅观看人数多，而且家家户户都会参与，演员年龄小至五六岁，大至七十多岁。”在韩国琦看来，村民们对古老传统的热情有增无减，反而更加受到年轻群体的欢迎。

　　据悉，当地社火一般在正月初六到初八间拉开帷幕，期间，由几百位村民自发组成的社火队，在大街小巷环绕游走，挨家挨户访问民众、送上祝福；同时组织集中表演，白天夜晚击鼓起舞，且耍且歌，直到正月十六晚结束。(完)

　　（文图：赵筱尘巫邓炎）

[责编：天天中]

阅读剩余全文（）