点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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。
二十大代表风采丨潘从明：戈壁矿山废中取宝甘为“铂乐”******
中新网兰州10月9日电 题：潘从明：戈壁矿山废中取宝甘为“铂乐”
作者 闫姣 王牧雨
从普通工人成长为“大国工匠”，从戈壁矿山走向科技研发的国际舞台，如今潘从明仍旧日夜忙碌在攻克技术难关的一线。他近日接受中新网记者采访时说，这两年他重点研究从各类二次资源中综合回收提取铂族金属技术。
潘从明是甘肃省金昌市金川集团铜业有限公司贵金属冶炼分厂提纯工序工序长。他的成就之一，是主创了“镍阳极泥中铂钯铑铱绿色高效提取技术”，推动整体技术达到国际先进水平。铂族贵金属是精密电子、航空发动机等国家战略高科技产业的关键基础材料，而我国贵金属储量仅占全球储量的0.39%。
潘从明说，矿产资源终究有限，中国大量汽车、电子产品、石油催化剂等面临报废高峰期，各类二次资源中的贵金属就是一座移动的“城市矿山”。这些二次资源成为国内外同行关注的焦点。
金川集团是中国最大、世界领先的镍钴生产基地和铂族金属提炼中心，也是我国目前已知的唯一具有开采价值的伴生铂族金属矿床，铂族金属产量占到国内矿产总产量的80%以上。
图为潘从明在劳模创新工作室给员工培训。(资料图) 金川集团供图潘从明常说，他的成长离不开这个平台和周围的环境。但在很多人看来，他的成绩亦和自己的刻苦钻研息息相关。“遇到不会的，我宁可待在生产线，不吃不喝，也要把这个事弄明白。”在他看来，练得多了，也就熟了，就能发现更多问题；会得多了，就能想到创新的办法，解决难题。
在同事眼中，潘从明对待工作高度专注，有热情、有激情，26载坚持探索、研发；在徒弟眼中，他博学多识且宽严并济，培养出多位技术能手、技术标兵；在家人眼中，他时常沉迷于自己的“铂族世界”。
在钻研之路上，潘从明遇到过很多坎，但对这个行业的热爱促使他不断深钻。初到企业时他什么也不懂，便在晚上回忆、记录白天老师傅们所讲内容，经常复习到凌晨两三点。那时候学习条件不便，他就委托亲朋好友从外地帮忙搜罗国内外的专业书籍，开始自学，“晚上宁愿不睡觉也要记录，有时看书有了灵感，还会直奔实验室，通宵做实验。”
图为潘从明解决现场技术难题。(资料图) 金川集团供图因多年来保持记录的习惯，潘从明攒了一本30万余字的“发明笔记”，写满了密密麻麻的公式。这一良好习惯，他也传授给徒弟们，让他们从每个月必须完成的20页报告开始做起，并挨个标注出报告中的问题。由此，他也培养出了一批提纯工序的优秀人才。
潘从明是国家级技能大师工作室领衔人、贵金属冶炼特级技师、有色冶金正高级工程师，是西北地区首位个人获得国家科技进步奖的一线产业工人，多次被评为“大国工匠”“发明之星”“全国技术能手”“全国劳动模范”。
潘从明从未抱怨钻研的苦，也没有挥霍成功的乐。今年，针对甘肃省提出的强工业、强科技等“四强”行动，以及金川集团产量翻番的任务，他认为，从二次资源中提取铂族贵金属是技术的突破口，也是未来做大做强的主要内容。
潘从明称，下一步的重点工作有从含有微量贵金属的各类废液中高效提取贵金属的技术研究，生产高附加值的贵金属化合物，以及技术传承和人才培养等。“技术没有止境，也没有最好，只有往更好的方向走，把技术做精做优。”他说。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
快三大发地图 |
)