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。
“阳康”后盘点身体“健康资产”******
“阳康”后肺还好吗?咳嗽、头晕、用力时心慌、贫血……这些症状要不要紧?近期,针对“阳康”人群的体检需求,不少医院的体检中心纷纷推出为“阳康”市民定制的专项体检套餐,方便市民盘点身体“健康资产”。昨日,记者从医院获悉,专项体检套餐项目可根据体检者个体情况加减,价位在数百元到数千元不等,内容包括肺部CT平扫、超敏反应检测、心血管专项等,受到市民欢迎。
文/广州日报全媒体记者任珊珊 通讯员何旭鹏、林伟吟、周晋安
热门:有人体检时要求“自费加餐”肺部CT
“从去年12月底持续到现在,每天都有‘阳康’市民来咨询能否做些相关检查,每天少则十几人,多则数十人。”中山大学孙逸仙纪念医院体检中心主任陈庆瑜教授说,这些前来咨询的市民要么是在新冠抗原或核酸检测转阴后仍然有咳嗽、气短、胸闷、心慌、失眠等症状,要么是病后消瘦、食欲不佳、乏力、贫血、咽喉不适、嗅味觉减退、鼻炎发作或加重等。
记者从多家医院体检中心获悉,肺部CT成为不少单位团检的“热门项目”。一些参加单位团体体检的“阳康”者还会现场要求在团检的项目之外“自费加餐”,加做一些检测项目。“我抗原检测转阴十多天后依旧持续剧烈咳嗽,担心肺部功能没有恢复好。”白领柳女士说,在同事的建议下,她现场自费加做了肺部CT。据了解,像这样“自费加餐”的体检者并不少。
“核酸或抗原结果转阴并不等于真正的康复,我们的机体经过病毒的入侵后,器官功能会出现不同程度的损害,常见的有心肺功能、消化功能、免疫功能等,也有些人忧思过重,甚至出现心理问题,有必要通过对自己的‘健康资产’进行盘点来准确掌握身体的恢复状况。”陈庆瑜介绍,本着为市民解忧的原则,该院体检中心在原有检查项目的范围内,推出了“阳康”专项体检套餐。
联动:多科医生在线为“阳康”者定制检查检验项目
应近期市民“想在年度体检的时候看看身体恢复情况”的要求,中山大学附属第三医院在该院体检中心常规开展项目的基础上,由感染性疾病科、呼吸内科、心血管内科专家通过该院互联网医院,在线为“阳康”市民提供新冠感染后的身体机能全面评估,量身定制个性化的检验检查项目。市民可到医院体检中心或通过医院微信服务号、小程序“中山大学附属第三医院+”或医院APP“新冠体检门诊”开具检查项目。
“我‘阳康’半个月后想尽快恢复运动,但是稍微动一动就有点喘,担心心脏还没准备好。想做专项检查,但又不想去挤占门诊的医疗资源,也不知道该查哪些项目。”羽毛球爱好者李先生说,过年前为求一个心安,他在互联网医院线上咨询到相关专科的医生,选择心脏相关的体检项目,并进行了预约。听到“心脏功能正常”的体检结果后,李先生长出一口气,体检医生则建议他循序渐进地提升运动量。
提醒:“阳康”专项体检不能代替常规体检
陈庆瑜教授表示,“阳康”专项体检不能够代替全面的常规健康体检,个人体检可以通过体检中心公众号预约,有基础疾病和特别不适的人在体检时应提前向主检医生如实陈述,适当加减体检项目。
陈庆瑜表示,一般不建议免疫力相对较强、没有相应症状的年轻“阳康”者滥做肺部CT。
“我们发现,相当一部分体检者出现的问题不能归咎于新冠。”陈庆瑜介绍,这两年有些人体检不规律,导致摸不清自己的“健康家底”,把“阳康”后感受到的“不舒服”都归咎于新冠病毒感染。
此外,陈庆瑜特别提醒,一些高血压、高血脂、高血糖的慢病患者,用药控制较好,但在感染新冠病毒后自行停药或减少药量,停药后血脂反弹明显,而新冠病毒感染可能诱发血液高凝状态,加上天气原因可能导致脑梗甚至肺栓塞的发生。她建议,上述慢性病患者应坚持规律用药,不可擅自停药。
(文图:赵筱尘 巫邓炎)