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。
“绳彩飞扬”助力校园特色体育******
山东省济南市历下区历山学校:
“绳彩飞扬”助力校园特色体育
近日,在山东省济南市历下区历山学校操场上,学生们随着大绳和小绳的翻飞,机智地跳跃、跑动,笑意写在脸上、快乐洋溢心中。这是该校学生正在备战全国跳绳联赛训练的场景,而全校开展跳绳活动正在成为学校的一道风景,“人人会跳绳、天天有比赛、班班有队伍”局面已经形成。
从2018年9月开始,历山学校着力研发实施“绳彩飞扬”特色课程体系,在“以绳健体、以绳会友、以绳促德、以绳增智”的理念引领下,学校以学生体质健康为中心,以体育课堂为载体,以阳光大课间为补充,以“绳彩飞扬”为主题,充分发挥花样跳绳特色项目的育人作用,将校园特色体育文化建设与学校整体文化育人建设紧密结合起来,为学生健康打下了坚实基础。
“绳彩飞扬”课程推动学校特色体育文化发展
近年来,历山学校结合本校实际情况,遵循学生年龄阶段的发展规律,加强对跳绳运动传统文化的传承,引导学生逐步了解跳绳文化,不断丰富跳绳课程内容,同时,将跳绳与音乐等学科相结合,借助音乐的旋律,提升学生对韵律的欣赏和对节奏的把握;立足实践探索编制花样跳绳绳操“绳彩飞扬”课程教材,在学校大课间推广,激发学生跳绳的兴趣,为校园特色文化打好基础。
除了提升学生们的技能,学校还注重跳绳知识和礼节等相关体育文化的教育,将花样跳绳技能教学渗透到体育教育中,由“戏”过渡到“育”的阶段,其内容和形式不断发展变化。同时,学校注重跳绳组合形式等方面的探索与研究,使花样跳绳运动朝着多样性、娱乐性、观赏性的方向发展。经过大量的“练”和“赛”,不仅学生之间的默契配合度得到提升,团队合作意识与能力也得到增强。
学校还充分发挥第二课堂的作用,利用花样跳绳社团弥补学生“练”“赛”的不足。为提高学生兴趣,学校专门成立了“跳绳社团教师指导小组”,以帮助各学习小组的教师学好每一个动作。同时,学校还加大对课程理论的学习研究,参与编写《山东师大基础教育集团跳绳教程》《花样跳绳》校本教程教材,申报课题“跳绳运动对提升小学生体质健康的实践研究”等。
多种方式推动“以赛促练,以练促学”
学校充分考虑跳绳场地较小的特点,利用“天天跳绳”软件,组织全校线上跳绳比赛,组织学生参加山东省第一届线上中小学生跳绳比赛,为学校线上体育教学发展提供了更多借鉴和经验,让“以赛促练”成为学校体育发展的主要路径。
结合学校体育教学实际,学校着力推进“以赛促练,以练促学”活动。第一学期低年级以“一分钟并脚跳”为主,高年级以“8字绕”为主;第二学期学校组织体育节、跳绳吉尼斯活动。同时,借助山东师大基础教育集团办学优势,2021年,学校承办了“童心向党,绳彩飞扬”山东师大基础教育集团跳绳比赛,让整个校园因花样跳绳焕发出新的活力与生机。
“绳彩飞扬”助力学生全面成长
通过特色体育文化引领,学校的体育工作实现了质的提升。
2021年学生体质健康综合评价达标率为96.34%,其中一分钟跳绳达标率高达99.61%。从2018年开始至今,历山学校花样跳绳队在全国跳绳联赛、全省全民健身运动会、全省中小学生线上跳绳比赛、济南市中小学生跳绳比赛上屡次取得优异成绩:18次获得全国跳绳联赛第一名,连续4年获得山东省特等奖,学校“绳彩飞扬”活动获得历下区“阳光大课间”活动评比第一名,学校被评为“山东省校园跳绳推广学校”。
(作者:辛吉荣 王欣欣,单位系山东省济南市历下区历山学校)
《中国教育报》2023年01月10日第9版
(文图:赵筱尘 巫邓炎)