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。
广州现“不收特斯拉”标语 车商:收一辆平均亏三四万******
原标题:广州一家二手车市场竖起“不收特斯拉”标语 车商:收一辆平均亏三四万
新年伊始,特斯拉“跳水式”降价导致多地车主开始维权,只不过这一波大尺度地降价,受伤的不仅有车主,还有二手车商。近日,在广州番禺公园附近的小锤二手车市场门口竖立的“不收特斯拉”大幅标语,引发舆论普遍关注。1月13日,小锤二手车市场负责人温先生回应上游新闻记者称:“特斯拉性价比并不足以支撑它的价格,我个人认为还有一个很长的下行空间。收特斯拉的同行基本上一辆车平均要亏3万到4万。”
二手车商挂海报拒收特斯拉
1月13日,小锤二手车市场的负责人温先生告诉上游新闻记者:“我主做电车二手车,但去年四五月份就没收特斯拉了,这个标语也是从那个时候竖起来的。”至于原因,温先生称:“二手车商收特斯拉,个人觉得商业风险系数是非常高的,因为特斯拉性价比不足以支撑起来它这个价格。”
电池是电车的心脏,也是买卖二手车关注的点。温先生以特斯拉车载4680电池举例。4680电池即直径46mm、高80mm的圆柱形电池。据记者了解,在2020年9月,特斯拉发布了4680电池并宣称,能量密度提升了5倍,续航里程提升了16%,输出功率提升了6倍,并且成本降低了14%。
长期从事电车二手车生意的温先生认为,这些都是噱头。他表示:“特斯拉很多的技术,比如现在的4680电池在实际使用中,我们发现并没有达到厂商所描述的电池密度方面的高性能。另外,特斯拉本身车的大小、电池续航里程以及车子用料,跟10多万的A级车是差不多的,所以二手车商收特斯拉,个人觉得不值得。在特斯拉新车又降价后,性能方面还是不足以支撑这个价格,所以个人认为特斯拉价格还有一个很长的下行空间。”
Model Y摆3个多月亏四五万
对于如今特斯拉二手车的行情,温先生坦言:“如果有特斯拉的用户找我收,我依然是拒绝的,包括收二手特斯拉车的同行,基本上一台车要亏3万到4万元。在广州最大的宝利捷二手车交易城里,一家比较大的主做特斯拉的二手车商,已经做不下去了,(店铺)牌子已经换了,不少做特斯拉的车商都亏得比较多。”温先生强调,“二手车跟别的商品不一样,它属于流通性强的低毛利低风险商品。现在的广州二手车市场,收一辆特斯拉平均亏3万到4万。对于车商来说亏三四万是很夸张的,因为一台二手车的毛利一般在1万块钱左右,如果一台二手车亏3万到4万,是其他车的两三倍了。 ”
以特斯拉顶配Model Y为例,1月13日下午,上游新闻记者联系上在重庆南岸区从事二手车销售的万经理,他连声表示:“不好做不好做!收车时,特斯拉顶配Model Y新车价还在41.79万元,二手车1年多车龄,能挂到39万元左右。去年10月底官宣降价至39.79万元,二手车价也只能在35万-36万元左右。3个月不到,新车价又跌到35.99万元,其二手价格只能挂到30-32万左右。像这种中型SUV顶配版,流转速度本来就慢,加上不断地价格波动,潜在二手车消费者都不敢买了。这一台顶配车收来3个多月,摆在这里停起,硬亏四五万了。”
保值率继续下滑波及国产电车
一款车的保值率,主要取决于其保有量,以及新车价格的稳定性。对于特斯拉而言,新年伊始的大幅降价打破了新车价格稳定性,造成二手车市场出现震动。
近日,中国汽车流通协会发布了《2022年12月中国汽车保值率研究报告》数据显示,Model Y和Model 3保值率(一年车龄,下同)分别为81.0%、77.9%,分列第9和14名,而在2022年上半年,Model Y还以88.76%、Model 3以83.03%的成绩,各自在中型SUV和中型车中排列第1位。
广州二手车商温先生表示:“在经历2022年10月份的大幅官降后,特斯拉新车指导价回落,导致二手车行情受到较大影响,其贬值速度之快、市场波动之大,成为二手车商眼中的‘烫手山芋’。如果再考虑到2023年1月初特斯拉再度官降的因素,今年1月份Model Y和Model 3的保值率大概率将不容乐观。”
在温先生看来,作为新能源电车的龙头企业,特斯拉大幅降价有其明显的市场意图。他认为:“特斯拉利用其超级工厂的规模,此番降价把整车毛利的天花板再次往下压,导致整车生产销售链条上的相关企业都很难赚钱。对国产二手电车来说,客户对国产电车预期也要降一两万元,这样一来,我们二手车生意也难做了不少。”
上游新闻记者 冯盛雍
(文图:赵筱尘 巫邓炎)