筑牢八千里边关钢铁防线******
“10年前,我们边境巡逻靠的是铁脚板,如今‘电子眼’沿线建设,信息化管边控边能力得到明显提升。党的二十大提出,加强国防动员和后备力量建设,推进现代边海空防建设。我认为,建设现代化边防需要现代化民兵……”初冬傍晚,滇西边陲,位于半山腰的中缅边境某联防所,民兵赵国峰和联防队员们围坐在篝火旁,讨论近年来边防发生的巨大变化,气氛热烈。
对于云南省军区官兵和民兵来说,守卫八千里边防线是莫大荣光,也是如山责任。近年来,广大官兵和民兵携手戍边,用热血书写忠诚,守卫边境安宁。
“如果我们连前方的小家都守护不了,那就更没法守护后面的大家了!”赵国峰是临沧市镇康县南伞镇30号卡点负责人,也是一名退役军人。去年4月入驻卡点后,他一直坚守在这里。镇康是一座岸城一体化“边地新城”,国境线长96.358公里。全县4个民兵执勤连在133个公路口、15条重要通(便)道等点位设置了150个卡点,24小时值守。赵国峰所在的30号卡点四面环山、沟壑纵横、地势险要,除了日常巡逻外,他们还在重点部位设卡设伏,有力地打击了走私和偷越边境行为。
相比30号卡点的艰险,11号卡点的防控任务复杂多元。由于地处县城附近,加之没有天然屏障,这里偷越边境现象突出,执勤民兵时刻准备与跨境犯罪分子斗智斗勇。卡点的负责人曹正荣告诉记者,正因为如此,虽然家就在不远处,民兵们都选择吃住在点位上,这几个月共抓获百余名偷渡人员。
“党的二十大提出,全面推进乡村振兴。现在云南沿边的25个边境县基础设施不断改善,878个抵边村从边陲一线变身发展前沿,200余万边民脱贫致富奔小康,许多人自觉加入戍边守防队伍中来。”云南省军区领导介绍。
“守边护哨必须强化全时备战状态。”在金平县金水河镇某民兵哨所,为了便于观察,民兵高海在申请并获得有关部门批准后,移走了挡住视线的一棵大树,并在二层阳台架起高倍望远镜,一天不落地将监测记录写进执勤日志。他说:“守边护防责任重大,要像守家护院那样在哨所扎根。”
作为英模民兵连队的传人,云南“筒裙民兵”几十年义务巡边近10万公里。在学习党的二十大精神时,大家谈道:“要发扬甘于奉献、爱边护边的精神,接力履行好戍边使命。”12月1日下午,在民兵班长陆子黎的带领下,5名女民兵再次踏上巡逻路,察看管辖的4块界碑。她们熟悉20多公里边境线上的一草一木。2年多,该民兵班为一线官兵提供了10余条重要的边情信息。
从繁华喧嚣的边贸口岸,到人迹罕至的原始森林;从白雪皑皑的高黎贡山,到烈日当空的热带雨林……行走边境一线,“镇守边关视死如归”这8个大字气势如虹。这是烙印在边境一线官兵和民兵心底的誓言。(柯穴)
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)