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。
网络常说的“强迫症”,到底是怎么一回事?******
中新网北京12月28日电(记者 上官云)“这下我的强迫症被治好了”……如今,类似的话题在网络上并不少见。还有人说,看到提示“99+”未读信息,总有点开的冲动,调侃自己“是不是得了强迫症”。
浙江省台州医院心理科副主任医师包祖晓认为,这种调侃之所以在网络上流行,主要是因为强迫思维和强迫行为在生物学界是普遍存在的,会随着文化及历史变迁而变化。
而且,人们有时候认为它们是有价值的、有用的。从某种程度上说,多产的作家和“一根筋”的音乐家等等,其自身都具有一定的“强迫症”的倾向。
图片来源:微博截图或许,它并非一无是处
在社会交往中,人们似乎不时会遇到具有“完美主义”倾向的人。他们往往将大量的精力投注到那些与自身生活息息相关的事情上,努力使之趋近完美。
例如,看到桌子上的物品排列得不整齐,他们可能会感到心里不舒服,于是产生把它们摆好的冲动念头和行动。周围的人则会开玩笑,说这些人有点“强迫症”。
这类调侃在生活中并不少见。包祖晓介绍,从人类进化的角度看,强迫症或许并非一无是处,而是可能在人类生活中起过重要的作用。
例如,强迫行为的主要表现清洗、清洁、检查等在过去都可能是生活的策略,是早期人类或是更古老时期的哺乳动物赖以生存的自我保护习惯。
再如,梳洗行为可以巩固群体内部的联系,防止疾病;对后代、配偶、领地和储备加以检查则能保障安全。
简单的说,“为了心理的宁静”是这种调侃发生的背后动因。
医学范畴的“强迫症”是怎样的?
跟社交媒体所说的调侃式的“强迫症”不同,精神医学范畴中的“强迫症”,是指以强迫观念、强迫冲动或强迫行为等强迫症状为主要临床相的一类神经症性障碍。
包祖晓简单概括了它的特点,即有意识的自我强迫和反强迫并存,两者强烈冲突使病人感到焦虑和痛苦。
此外,病人体验到观念和冲动来源于自我,但违反自己的意愿,需极力抵抗,又无法控制;病人也意识到强迫症状的异常性,但无法摆脱。
它的常见的表现形式有:怕脏和怕被污染强迫、责任和检查强迫、完美强迫、顾虑强迫、过度关注强迫、囤积强迫等等。
从行为主义角度说,强迫症是一种对特定情境的习惯性反应。强迫行为和强迫性仪式动作被认为是减轻焦虑的手段,但仅能暂时减轻焦虑,从而导致仪式行为的重复发生。
依照精神分析理论的提示,强迫症的形成与成长过程中的不良教养方式有关,正所谓“习惯的锁链一直难以察觉,直到它变得难以打破”。
对生活的影响有哪些?
顽固的“强迫症”会对生活有哪些影响?
包祖晓说,医学上所说的强迫症对患者的生活和社会功能影响较大。如果有人把强迫比作“心魔”,或许并不是夸大其辞。
这是因为强迫症患者在深受侵入性思维折磨的同时,还由于害怕自己身上被贴上种种负面标签而选择守口如瓶,独自咀嚼着无边的苦涩。
也就是说,他们很容易一而再、再而三地陷入强迫思维-强迫行为恶性循环的沼泽,始终难以走出焦虑、恐惧、挫败的境地。
《平息战斗:心理医生教你摆脱强迫的折磨》。受访者供图包祖晓曾经遇到过一个比较典型的例子,“有一位强迫症患者,自知种种重复行为没必要,但控制不了。家人的责骂让他更家烦躁,学习成绩下降,经常头晕、心慌。近日脾气越来越暴躁,无故踢家中东西、扔物品,大声吼叫”。
如果发现孩子有“强迫症”倾向,父母首先需要做的是带孩子去就医。要知道,强迫思维不能用讲道理和意志力去对抗。父母平时要避免说类似“叫你别多想,你还要想”等等,往往会适得其反。
“强迫症就像一种虚假的火警。当强迫症患者有一种强迫行为或可怕的想法时,就像有人在他脑袋里拉了一下警报器。然而,周围并没有危险的东西。”包祖晓认为,父母应该在心理治疗师的指导下协助孩子进行对强迫行为的矫正。
职场也有“强迫症”?
“强迫症”仅仅存在于家庭生活中吗?其实也不是。
包祖晓介绍,职场上的“强迫症”主要表现为对关系方面的过度关注。例如,对任何与关系有关的事物进行心理回顾等等。
简单来说,就是过度在意人与人之间的关系。比如当两个人交往谈话时,担心自己是否说错话了,事后会反复回忆说过的每一句话。
对此,采取唱歌等娱乐活动来宣泄情绪不是良好的处理方法,也不能从根本上解决问题。从长远看,反而可能会加重症状。
《平息战斗:心理医生教你摆脱强迫的折磨》一书中提出,接纳、停顿和专注、旁观和标示等正念技术适合强迫症患者的自我疗愈。
“简单的正念操作方法,第一步是接纳,正常看待当下出现的所有感受和现象;第二步是重新聚集,主动地把注意力放在一个专注对象上。”包祖晓称,第三步则是持续地以旁观者的身份观照身体行为和心理感受,但不要过度用力。(完)
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |