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。
这句话，特朗普重复了400多次！******
中新网2月2日电“同样的答案”“同样的答案”“同样的答案”……
近日，哥伦比亚广播公司(CBS)曝光了一则美国前总统特朗普2022年8月就其财务欺诈调查接受检方取证的视频。令人意外却又似乎在意料之中，特朗普作出了上述回答。
据统计，为了拒绝回答有关提问，他援引美国宪法第五修正案的规定，竟然多达400余次。
图片来源：哥伦比亚广播公司(CBS)报道截图“不用就是傻瓜”
2022年8月10日，特朗普现身位于曼哈顿的纽约州总检察长办公室，在宣誓后接受了大约4个小时的取证。CBS公布的这段视频时长大约有37分钟，包含部分证词记录。
在会议室里，特朗普身着深蓝色西装、红色领带，佩戴美国国旗徽章，坐在摄像机前。他首先“礼貌”回答了纽约州总检察长詹乐霞提出的开场问题。
当詹乐霞问他是否熟悉作证规则时，他回答说“是的”。
图为特朗普作证视频截图。图片来源：哥伦比亚广播公司(CBS)视频截图CBS称，初步提问结束后，特朗普有机会宣读一份准备好的声明。他以一句外界颇为熟悉的话语开场：“这是我们国家历史上最大的政治迫害。”
他还称詹乐霞是“一个叛逆且失控的检察官”，并指责其办公室调查他的财务行为调查带有政治动机。
特朗普在视频中还说，“整件事非常不公平。任何在我这样处境的、不援引第五修正案的人都是傻瓜，绝对的傻瓜。”根据美国宪法第五修正案的规定，任何人不得被迫自证其罪。
他补充说，根据律师的建议，“依照美国宪法赋予每个公民的权利和特权，我恭敬地拒绝回答提出的问题。”
“这将是我对任何进一步问题的回答。”
“同样的答案”说了400多次……
随着质询正式开始，特朗普不停援引美国宪法第五修正案进行回答，并持续大约4个小时。
美国司法部长办公室高级执法律师凯文•华莱士透露称，这次作证“很冗长”，而且“显然，我们不同意其中的很多描述”。
华莱士甚至不得不告诉特朗普，他可以说“同样的答案(Same answer)”，以“加快速度”。
根据纽约总检察长提交给法庭的文件，在完整的质询过程中，特朗普不仅照着这样做，且次数多达400余次。
在其中一个提问环节，华莱士询问特朗普自2011年以来每年提交的财务状况报表状况。
“文件所载的估值反映了虚假和误导性的估值报表。对吗？”华莱士问。
“同样的答案(Same answer)。”特朗普回答。
华莱士又问，“知道”这些文件“包含虚假和误导性陈述”吗？
“同样的答案(Same answer)。”特朗普回答。
美媒注意到，在回答问题的过程中，特朗普双臂交叉、身体前倾，似乎还研究起了华莱士交给他的财务文件。
当华莱士抛出有关特朗普集团前首席财务官魏塞尔贝格和现任公司主计长杰弗里•麦康尼的问题时，得到的答案仍一样。
“至少从2005年至今，你们与魏塞尔贝格和麦康尼一直有项持续的协议，他们将在财务状况报表中包括基于虚假和误导性假设的估值，作为夸大报告价值的手段。对吗？”华莱士问道。
特朗普再次回答，“同样的答案(Same answer)。”
据CBS报道，作证结束后，特朗普发表了一份公开声明，称他行使了宪法第五修正案的权利，拒绝作答。特朗普的一名律师则拒绝对公布的这段视频置评。
图为特朗普作证视频截图。图片来源：哥伦比亚广播公司(CBS)视频截图“无止境的政治迫害”
多年来，纽约曼哈顿地方检察官办公室对特朗普及其家族房地产业务展开了一系列调查。
民主党人詹乐霞要求法院禁止特朗普及其三个成年子女经营任何一家总部位于纽约的公司，并寻求对他们处以至少2.5亿美元的罚款。审判日期在10月2日。
此前在1月，特朗普集团则已因“实施一项长达15年的税务诈骗”被判处罚金160万美元。此外，特朗普集团前首席财务官魏塞尔贝格还被判刑五个月，罪名是参与税务欺诈计划。
特朗普集团否认有任何过错，并表示将提起上诉。
特朗普集团在声明中称，“这些出于政治动机的检察官将不惜一切代价抓捕特朗普，并延续从他就任总统之日开始的无止境的政治迫害。”
目前，特朗普还被牵扯进多项刑事和民事调查，涉及干预2020年总统选举计票、机密文件处理不当等。特朗普频繁抨击这些调查受政治驱使。
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
家彩网地图 |
)