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。
谷歌母公司首次大规模裁员,医疗子公司200多个职位被裁******
谷歌母公司Alphabet将开启大规模裁员。
当地时间1月11日,《华尔街日报》报道称,谷歌母公司Alphabet(Nasdaq:GOOG)旗下医疗保健部门Verily Life Sciences将裁员15%,涉及超200多个岗位,这是继其他科技公司经历裁员潮后,Alphabet首次大规模裁员。
Verily的首席执行官Stephen Gillett在周三给员工的一封电子邮件中表示,此次裁员将影响Verily约15%的职位,该部门拥有1600余名员工。Verily将停止医疗软件项目Verily Value Suite以及部分处于早期阶段的产品。
Gillett于1月3日才正式上任,接替知名遗传学家Andy Conrad担任Verily首席执行官一职。他在电子邮件中写道,“我们正在做出改变,以完善战略、确定产品组合的优先次序、简化运营模式。我们将以更多的资源推进更少的举措。”
Gillett还说道,Verily将着重关注与研究和护理相关的产品,并将更多决策权集中于领导团队,而非单独团队。“我们将进入Verily的下一个篇章,现在需要加倍努力实现我们的目标。Verily的最终目标是在精准医疗(precision health)的所有领域开展业务。我们将通过缩小研究和护理之间的距离来实现精准健康。”
官网显示,Verily专注于应用人工智能和数据科学,于2015年推出。《华尔街日报》介绍,Verily前身为谷歌生命科学研究部(Google Life Sciences),其负责的医疗项目致力于将数据和技术应用于治疗,包括虚拟糖尿病诊所以及将研究参与者与临床研究联系起来的在线项目。
Verily是Alphabet旗下除谷歌以外最大的业务之一,隶属于被称为“Other Bets”的部门。Other Bets的营收主要来自销售健康技术及互联网服务。根据2022年三季报,期内Other Bets营收2.09亿美元,运营亏损16.11亿美元。
去年11月,TCI基金管理公司曾对Alphabet的CEO桑达尔·皮查伊(Sundar Pichai)提出建议,呼吁减少Other Bets的损失,并称该公司员工太多。而Other Bets旗下另一机器人软件业务Intrinsic也于1月11日表示,将解雇40名员工。一位发言人表示,这一决定是基于优先事项和长期战略方向的转变。
根据2022年三季报,Alphabet营收690.92亿美元,同比增长6%;净利润为139.1亿美元,同比下滑26.5%;每股摊薄收益为1.06美元,低于去年同期的1.4美元。Alphabet的员工人数在近一年之内从15万人增加了3.68万人至18.68万人,同时相较于第二季度增加1.2万人。
在去年12月的一次全公司会议上,皮查伊在回答有关裁员问题时曾表示,他无法做出任何前瞻性承诺。他补充说,谷歌一直试图“让我们能做的事情合理化,以便能够更好地抵御风暴,不管未来会发生什么”。
而此前,Alphabet被曝削减内部孵化器Area 120部门的岗位和资金,还取消了员工不必要的商务旅行,但尚未进行大规模裁员。2022年10月,该公司首席财务官Ruth Porat曾表示,第四季度新增员工人数将“降至第三季度新增人数的一半以下”。
事实上,不只是Alphabet正在裁员,美国科技公司裁员潮已持续一段时间。仅1月4日,就有三家公司先后宣布裁员,分别为美国视频分享平台Vimeo、云计算巨头Salesforce、电商巨头亚马逊(NYSE:AMZA)。其中亚马逊宣布裁员逾1.8万名员工,是迄今为止科技公司最大规模的一轮裁员。
截至美东时间1月11日收盘,Alphabet涨3.51%,报收91.52美元/股。
(文图:赵筱尘 巫邓炎)