大发平台手机版-新版APP下载-安全购彩

来源：大发平台网址1287-01-02 17:48

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。

大发平台手机版

最新研究：1600万年前中国北方与南亚和非洲嵌齿象类直接交流******

　　中新网北京2月3日电 (记者孙自法)记者2月3日从中国科学院古脊椎动物与古人类研究所(中科院古脊椎所)获悉，该所科研人员领导完成的甘肃临夏盆地嵌齿象类生物地层和生物地理研究最新进展显示，在1600万年之前的早中新世，中国北方与南亚和非洲的嵌齿象类组成比较相似，反映出三者之间嵌齿象类可以直接交流。同时，中国与北美动物群在1500万-1300万年前联系密切。

　　该研究还表明，与中国北方不同，中国东部、日本、东南亚却与西欧的嵌齿象组合相似，均以高度丘型的嵌齿象属为主导。其中，中国东部和日本的代表类群介型嵌齿象有可能是剑齿象科的祖先。

　　这项嵌齿象类演化、扩散研究的重要成果论文，由中科院古脊椎所王世骐研究员、李春晓博士联合甘肃省博物馆李岩副研究馆员、天津自然博物馆张晓晓馆员共同完成，近日以临夏盆地地层古生物专辑中一篇，在俗称《三古》杂志的国际专业学术期刊《古地理学、古气候学、古生态学》(Palaeogeography, Palaeoclimatology, Palaeoecology)发表。

嵌齿象类在早-中中新世的扩散模式和组合特征。　中科院古脊椎所供图

　　王世骐称，此次研究不但总结了临夏盆地嵌齿象类的演化支系、演化序列及其生物年代学意义，也是嵌齿象类在早-中中新世全球扩散模式的提炼和总结。

　　他介绍说，嵌齿象类是长颌的丘型乳齿象，中间颊齿有3个齿脊，它自2000万-1900万年前的早中新世从非洲进入欧亚大陆，迅速在全球扩散，在这一过程中产生了单系的豕棱齿象科、铲齿象科和并系的嵌齿象科3个支系，后者为真象的基干类群。这3类嵌齿象主要以下颌和门齿的形态相区别，反映出它们不同的取食方式及适应不同生存环境。

　　甘肃临夏盆地具有比较完整的、约1900万-1300万年前早中新世晚期-中中新世(除最晚期)的连续地层，其中发现3科4属共8种嵌齿象类化石，为中国同期地层中嵌齿象类多样性最高的地区之一，包括豕棱齿象科的广河“豕棱齿象”；铲齿象科的短吻“原直齿象”、维曼“原直齿象”、同心铲齿象、格氏铲齿象；“嵌齿象科”的窄齿嵌齿象相似种、意外嵌齿象、塔氏嵌齿象。

　　王世骐指出，对临夏盆地嵌齿象类化石，研究团队揭示出多项专业分类问题，并依据其演化水平将嵌齿象从下至上分为3个组合：

　　一是最下部的古城动物群包括广河“豕棱齿象”、短吻“原直齿象”、窄齿嵌齿象相似种、意外嵌齿象4种嵌齿象类，可与南亚2000万-1800万年前、非洲1800万-1700万年前地点的嵌齿象组合对比，辅以古城动物群的小哺乳组合，将其时代定为1900万-1800年前。

　　二是中部的石那奴动物群包括维曼“原直齿象”、同心铲齿象、意外嵌齿象、塔氏嵌齿象4种组合，它们与一些非洲和欧洲早-中中新世之交的动物群有一些相同成分，辅以石那奴动物群的小哺乳组合，将其时代定为1700万-1500万年前，恰对应于中中新气候适宜期。

　　三是最上部的曾家-老沟动物群仅包括格氏铲齿象和塔氏嵌齿象两种，依据该动物群其他大小哺乳动物组合，将其时代定为1500万-1300万年前，对应中中新气候转折期。该动物群嵌齿象组合独特(铲齿象占绝大多数)，不见于欧洲、非洲、南亚，但与北美稍晚的嵌齿象类有共同成分，包括都具有铲齿象和亚丘型化嵌齿象的组合，这反映出中国与北美动物群在这一时期的密切联系。

　　王世骐表示，在距今1600万年之后的中中新世，中国北方逐渐出现铲齿象占绝对优势的情形，但铲齿象很少扩散到中国及中亚以外的区域。铲齿象是适宜开阔地带取食草本植物的类群，它的繁盛反映出中国北方及中亚地区由于青藏高原隆升导致开阔生境占据优势的生态特征。此外，北美独有的巨门齿象和真门齿象，虽然缺失下门齿，但它们的颊齿型态可以追溯到中国北方的“原直齿象”属。(完)

　　（文图：赵筱尘巫邓炎）

[责编：天天中]

阅读剩余全文（）