作为风云四号气象卫星总设计师 ,董瑶海从1986年起就一直从事“风云”卫星 的研制工作 。从“风云一号”到“风云四号”,从原来 的科研星到业务星 ,从默默无闻到成为国际气象组织值班卫星 ,他见证了我国“风云”卫星事业的发展。
对他来说 ,气象卫星不 是为了做而做,更是要有用,能够解决问题 。他比任何人都更在乎“今天天气怎么样”这件事 ,而他最大的快乐则 是卫星能够一次次精确地预报了台风、发现火灾,甚至是局部的暴雨 ,帮助国家减少损失 。
2016年12月 ,随着风云四号顺利升空。董瑶海团队成功突破了高精度图像定位与配准、微振动测量与抑制等20余项关键技术 ,填补了多项国内技术空白 ,使我国静止轨道定量遥感卫星达到世界先进水平 。
如今 ,在众多重要领域 ,风云家族成员个个身手不凡,业务覆盖近百个行业 ,持续为全球100余个国家和地区提供数据产品和服务。大千世界,气象万千 ,且看“风云”变幻 !
出品人
杨 谷
总监制
宋乐永
总策划
战 钊 宋雅娟
编 导
蔡 琳
制 作
光明网科普事业部
联合出品
中国科协科普部 光明网
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 。
(文图 :赵筱尘 巫邓炎)