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。
家庭防疫消毒慎用紫外线设备******
消毒是阻断病毒传播的有效方式之一。近日,随着新冠病毒感染者居家隔离人数的增多,如何有效地消毒成为热议话题。有公众提出,紫外线消毒杀菌率高达99%,用于降低新冠病毒传染致病性0.3秒的时间就足够了。
那么,这种观点是否正确?家庭防疫,用紫外线消毒设备是否靠谱?
深紫外波段可实现杀菌灭活
紫外线位于光谱中紫色光之外,为不可见光。在日常生活中,人们经常利用紫外线杀菌消毒,例如在太阳底下晒被子就是典型的利用紫外线消毒的例子。
中国科学院半导体研究所研究员闫建昌告诉科技日报记者,紫外线可以根据波长,由长到短划分为UVA、UVB、UVC三种波段。由于紫外线的波长与光子能量成反比,因此当紫外线的波长越短时,其光子能量越高,相应的杀菌消毒能力就会越强。
“UVA波段指波长在320—400纳米的紫外线,平时生活中照射到地表的紫外线,大部分是UVA波段,它有一定的抑制细菌的能力。UVC波段指波长在200—280纳米的紫外线,也被称为深紫外波段,这一波段的紫外线能够破坏细菌或病毒的DNA与RNA链条,使其失去复制或繁殖的能力,从而真正实现有效地杀菌灭活。”闫建昌说。
闫建昌认为,正确地使用紫外线可以消灭新冠病毒,但0.3秒内即可降低新冠病毒传染致病性,这种说法并不严谨。
“能否较快较好地消灭病毒,主要是看紫外线的剂量。紫外线的剂量受到紫外线的光功率,即单位面积上光能量大小的影响。同样波长下的紫外线,光功率越高,紫外线的剂量越大,杀菌的时间自然会越短。因此,只有在足够强的光功率下,才有可能实现0.3秒消杀新冠病毒。”闫建昌说。
中国疾控中心环境所研究员沈瑾也指出,一般情况下,传统的紫外线灯消毒作用时间为半小时,尽管近年来紫外线技术有新的发展,但目前还没有系统的、权威的研究或报道显示,0.3秒的时间就可以达到消毒的效果。
紫外线消毒灯存在安全隐患
深紫外波段的紫外线具有较强的杀菌效果。那么在家庭防疫中,用紫外线消毒灯进行消毒是否是一个靠谱的选择?
原武钢二医院外科主任医师、武汉科技大学医学院外科学兼职教授纪光伟指出,紫外线和其他光一样,沿直线传播,穿透能力较差。如果有遮挡物,紫外线消毒灯的杀菌效果就会大打折扣。同时,紫外线消毒灯还存在安全隐患。深紫外波段能够消灭病毒,也能损害人体细胞。“如果使用不当,可能会灼伤眼睛或皮肤,增加患眼部疾病和皮肤癌的风险。”纪光伟说。
此外,闫建昌还指出,当紫外线的波长短于240纳米时,会在空气中激发出臭氧,如果没有及时通风,当臭氧达到一定浓度时,会对呼吸道造成损害。目前在民用和工业领域消毒杀菌应用的深紫外光源大多是汞灯,使用汞元素作为核心发光材料。如果意外破损可能会造成汞泄漏,危害人体健康。
家庭防疫应采取何种消毒方式
除了紫外线消毒灯,一些家用空气消毒机和手持式的LED消毒器也应用了紫外线杀菌技术。据闫建昌介绍,这两种设备具有相对较高的安全性。
“应用了紫外线杀菌技术的空气消毒机,其紫外线的作用环境在消毒机内部,不会存在照射到人的风险。同时,这类产品在上市之前,还需要做紫外线泄露的相关检测,能够保证安全性。”闫建昌说,“LED紫外线手持消毒器紫外线的光功率较低,手持的操作方式也相对安全。同时,部分消毒器还具有红外传感等功能,如果检测到人会停止工作。”
除了紫外线消毒设备外,家庭防疫还可以使用酒精和含氯的消毒液。
纪光伟告诉记者,75%的酒精可以消灭新冠病毒。日常生活中,可以采用涂抹酒精的方式对物体表面进行消毒。“切忌在空气中喷洒酒精消毒,以免遇火而引起火灾。在使用酒精时,还需要避开明火。”纪光伟说。
在含氯的消毒液中,较为常见的产品是84消毒液。纪光伟表示,84消毒液以次氯酸钠为主要成分,物表消毒的浓度一般为3%,具体配比要按照说明书进行操作。在配比完成后,最好采用涂抹的方式进行物表消毒,或直接用消毒液拖地。完成消毒后,需要等待一段时间,再用清水擦拭,去除多余的消毒液。
最后,在居家防疫中,还要避免过度消毒。纪光伟表示,常温条件下新冠病毒在大部分物品表面存活时间较短。在患者居家期间,应加强室内通风,主要做好重点区域,例如共用卫生间和共用物品的消毒。
“我们生活在一个充满微生物的环境中,除了有害的微生物外,还有一些对我们健康有益的微生物。频繁消毒,会影响家里正常菌群的平衡,甚至导致疾病的发生。”纪光伟说。(记者苏菁菁)
(文图:赵筱尘 巫邓炎)