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。
花丝织就锦绣 镶嵌内有乾坤******
金丝翼善冠
“繁花锦绣”捧盒 吴燕
“好事成双”柿子捧盒 吴燕
【艺术手札】
花丝镶嵌制作技艺作为“燕京八绝”之一,于2008年被列入第二批国家级非物质文化遗产名录。花丝镶嵌又称细金工艺,是“花丝”和“镶嵌”两种制作技艺的结合,作为中华民族历史上的千载古艺,其精致、细腻、华丽的特色代表了金银器传统工艺的巅峰。
当人们看到一件花丝镶嵌作品时,往往无法用语言来形容它的美。360度全景观看,每个角度都婀娜多姿,美轮美奂,仿佛不是人为,而出自天工。但人们对花丝镶嵌的了解相对匮乏,即便在北京,对它的认知度也并不算高。究其原因,一方面是因为其工艺繁复、用料昂贵,古时多为皇家所用,百姓在民间很难见到;另一方面是其制作过程漫长而枯燥,需要具有虔诚之心及坚定意志的人来完成,很多人往往沉不住气,半途而废。
我国的花丝镶嵌制作技艺成熟于秦汉时期,出土的汉代花丝镶嵌器物数量相对较多,到东汉时制作技艺更加成熟。魏晋南北朝至唐宋元时期,该制作技艺得到不断发展与完善。唐朝国力强盛,经济繁荣,文化发达,花丝镶嵌制作技艺进入全新的发展阶段。两宋时期,金银器的制作风格不再像唐代那样气势恢宏、雍容华贵,而是追求新颖雅致的格调,充满了生活气息,具有典型的时代特色。到了元代,北方游牧民族的花丝镶嵌制作工艺则较为简洁,讲究实用性。
明代万历皇帝的金丝翼善冠,被认为是中国古代花丝镶嵌制作技艺的代表作之一。精妙细腻的花丝镶嵌工艺一直为宫廷御用,所谓“花丝万缕织金冠,妙手镶嵌有乾坤”,正是对这项精妙工艺的高度概括。可以说,花丝镶嵌织就了一部古代皇家珠宝史。及至清代,皇家金银器的制作更加奢华,追求雍容华贵、富丽堂皇之感。
正是经历了明清两代的发展,皇城脚下才形成了当今独特的北京花丝镶嵌制作技艺。北京的花丝镶嵌工艺最为齐全,发展出了独特的皇家宫廷艺术风格,以编织、堆垒等技艺见长。一件精美的花丝镶嵌工艺品往往是多种工艺的结合,制作工序极为复杂。首先要制成胎型,施以花丝、锼、錾等工艺,再经烧焊,制成半成品,然后经过酸洗、烧蓝、镀金、压亮、镶嵌等工序才算最终完成。
近年来,随着国家对中华传统非遗文化的重视以及文化自信的不断增强,我们欣喜地看到,非遗国礼频频亮相国际展会,中国传统非遗技艺展演等活动层出不穷,“大国工匠”的评选与技术交流、工艺美术实训基地的建立以及非遗技艺进入中小学校园……非遗技艺作为中华优秀传统文化的载体,得到了继承与发扬,薪火相传、后继有人。
在当今的市场经济环境下,非遗传统技艺产品想要突出重围,获得一席之地,就要从思维上创新,从技术上改良。通过多年来对工艺的探索以及从事产品开发积累的经验,我认为工艺美术产品在创新过程中要遵循艺术与市场的发展规律,创新既要体现出工艺的特色、时代的特征,同时在设计理念上还要符合当今市场的需求,精准定位,适时转变发展的方向。
传统的花丝镶嵌技艺因消耗较多的贵金属材料与人工成本,价格过高,制作周期较长,难以得到市场认可。怎样才能突破这一瓶颈呢?可以从材料的选择以及搭配比例上进行调整。笔者在创作“好事成双”柿子捧盒时,便融入了将贵金属与其他材质相结合的理念。在拟定设计方案时,我选用了传统中式的红与金二色,给人以高贵典雅的享受。盒盖部分运用花丝镶嵌工艺,大面积的盒身则选用铜胎景泰蓝工艺。花丝的金与景泰蓝的红相映生辉,端庄大气,同时也节约了材料成本,两全其美。
在设计“有凤来仪·凤冠套装”时,我则运用3D建模技术进行了最初设计效果图的制作,不仅可以快速呈现出产品各角度的效果,还可以及时调整产品结构中不妥当的地方,比手工制作完成之后再调整要节约出大量的时间和精力。在实际制作中,我将手工工艺与机制工艺相结合,最终的呈现效果毫不逊色于纯手工制作,不仅节省了大量人工成本,且能够形成量产,便于销售。这些产品试制的成功案例,很大程度上增强了我们工艺美术从业人员的信心。在当今的信息时代,适当地引入计算机辅助手段,改变传统设计制作的流程,这些技术变革大大促进了传统工艺美术产品的创新与发展。
弘扬中华优秀传统文化,传承工艺美术非遗技艺,希望有更多的人能够爱上花丝镶嵌并将其传承下去,让这项巧夺天工的古老技艺继续在人间闪耀着迷人的光彩。
(作者:吴燕,系北京工艺美术大师、北京市高级工艺美术师)
(文图:赵筱尘 巫邓炎)