大发彩票娱乐 - 360百科

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。

AI生成技术撼动艺术界 “魔法头像”让人欢喜让人忧******

　　【科技创新世界潮】

　　2022年似乎是人工智能(AI)突破性的一年，许多创新的AI产品投入市场。其中最受欢迎的产品之一是照片编辑应用程序Lensa，它能让用户创建类似动漫的数字肖像，该功能被称为“魔法头像”。近一段时间以来，Lensa凭借这些受欢迎的头像已跻身全球应用程序商店榜首，不仅如此，它在艺术界同样也成为了热门话题。

　　是什么让Lensa脱颖而出

　　这款于2018年发布的应用程序提供了一系列照片润色功能，例如，可通过使用滤镜和消除“瑕疵”来使自拍看起来更漂亮。最新版本的应用程序更新了“魔法头像”新功能。

　　用户通过手机上传10—20张脸部照片并支付一定费用，就能“委托”Lensa制作多达200张风格各异的AI肖像。

　　美国创业公司Stability AI今年8月开源了一个名为“稳定扩散”(Stable Diffusion)的AI模型，它可根据用户给定的文本生成对应的图像。根据美国在线科技杂志《How-to-Geek》的一份报告，它能让人们模仿不同的艺术风格，包括漫画、科幻、波普艺术和传统肖像画。而Lensa的这些肖像正是使用“稳定扩散”生成的。

　　澳大利亚《对话》杂志刊文称，如果“稳定扩散”是一个文本到图像的系统，那么Lensa似乎很不同，因为它接受的是图像，而非文字。这是因为Lensa最大的创新之一是简化了文本倒置的过程。

　　Lensa采用用户提供的照片，并将其注入“稳定扩散”的现有知识库，教系统如何“捕捉”用户的特征，以对其进行风格化处理。

　　使用者担忧隐私泄露

　　虽然“魔法头像”是一个有趣且令人印象深刻的功能，但它引发了人们对个人隐私和肖像权的担忧。人们担心该程序可能会在未经自己许可的情况下，通过将自拍作为AI模型的输入来创建个人的面部肖像。

　　此外，一些人质疑这款应用的价格，它要求最低支付6美元，或每年支付53.99美元才能使用个人照片创建AI图像。还有人担心，用户实际上是在花钱训练面部识别AI，并放弃了私人数据。

　　此外，该应用程序的创建者普里斯玛实验室此前曾因意外生成裸露的色情图片而陷入舆论旋涡，尽管该应用程序的政策是“禁止裸体”和“仅限成人”。该公司首席执行官表示，只有在AI被故意引导创建此类内容的情况下，才会发生这种行为，这违反了应用程序的使用条款。然而，正如美国科技类博客TechCrunch的报告中所述，一些人表达了对该应用程序被滥用的可能性以及它可能对用户的自我形象和身体形象产生影响的担忧。

　　除了存在非主动意愿生成色情内容的风险外，还有人担心AI可能被用来制造政治错误信息和扰乱教育。总体而言，Lensa AI应用提醒人们，AI技术仍处于实验阶段，如果监管不当，可能会产生意想不到的后果。

　　艺术家担心版权问题

　　Lensa AI应用程序及其“魔法头像”功能的流行，还引发了艺术家们的担忧，他们担心AI图像生成器的大范围使用会让他们丢掉饭碗。

　　根据美国媒体Futurism的报告，这种机器学习模型是在未经同意的情况下对图像进行训练的，个人或艺术家无法选择退出数据集。

　　然而，《对话》杂志文章表示，Lensa生成的图像借用了其他艺术家作品的创意，但不包含他们作品的任何实际片段。澳大利亚艺术法律中心明确指出，虽然单个艺术品受版权保护，但其背后的风格元素和理念却难以纳入保护范围。

　　西班牙漫画家兼插画家迪亚兹表示，AI只是将现有的东西进行非常空洞的混合。“如果你仔细观察，就会发现它背后没有任何意识。我真的希望人们能够理解我们(艺术家)在创作某些东西时所做的事情……希望人们会期待人类艺术。”

　　迪亚兹说：“我不反对人工智能，如果它是我们可以使用的工具，并且人们学会重视我们在工作中投入的东西，我认为它会很好。”

　　艺术的未来何去何从

　　《对话》杂志文章认为，虽然AI艺术模型在过去5年里取得了巨大进步，但它仍需要面对很多挑战。虽然它们作品中的文字是可识别的，但往往是无意识的。

　　还有一个明显的制约因素，那就是这些模式只能产生数字艺术。AI不能像人类那样用油彩或粉笔工作。就像黑胶唱片卷土重来一样，技术最初可能会创造出一种新的形式，但随着时间的推移，人们似乎总是会回到最高质量的原始形式。

　　最终，正如之前研究发现的那样，目前形式的AI模型更有可能成为艺术家的新工具，而不是创造性人类作品的数字替代品。例如，以AI生成的一系列图像作为起点，然后由人类艺术家进行选择和改进。这结合了AI艺术模型的优势(快速迭代和创建图像)和人类艺术家的优势(对艺术品的愿景，并克服了AI模型的问题)。这在需要特定输出的委托艺术的情况下尤为如此。

　　此外，还需要思考的是，选择不使用AI的艺术家可能无法跟上受AI加持的艺术家的脚步，而被时代抛弃。(科技日报 实习记者张佳欣)

　　（文图：赵筱尘 巫邓炎）