11月6日,乌镇西栅景区景色迷人。光明网记者 潘迪摄/光明图片
非凡八年,成就斐然。作为全球互联网行业交流互鉴的年度盛会,世界互联网大会持续扩宽互联网新技术应用场景,有力推动我国传统产业的数字化、网络化、智能化转型,不断创造全球网络空间合作的利益契合点、合作增长点、共赢新亮点,彰显着新时期我国以新一代信息技术引领经济高质量发展的信心决心。
世界互联网大会锚定了信息技术创新发展的最新方向。八年来,世界互联网大会积极探索前沿技术、重点孵育未来产业,见证着新一轮科技革命和产业变革的蝶变。从移动支付、大数据、智慧医疗,到5G/6G技术、人工智能、区块链+元宇宙,展示着当前世界最顶尖的互联网技术创新成果,为全球网络信息领域发展树立“风向标”;“互联网之光”博览会,邀请全球知名企业开设主题展览展示、举办新产品发布会、人才相亲会,充分集聚人才、助力产业发展;“直通乌镇”全球互联网大赛,广泛征集数字经济领域项目,激发科技创新的蓬勃力量。目前,世界互联网大赛已经成为全球互联网行业加强协同创新、促进行业发展的推进器,成为引领互联网产业发展方向的未来之光。
世界互联网大会搭建了网络领域深化合作的重要平台。志合者,不以山海为远。互联网领域的长远发展事关人们生产生活的方方面面,必须以共商共进、共治共享为原则。八年来,世界互联网大会着力搭建互联网高端对话合作平台,邀请来自世界各个国家与地区的政府代表、国际组织负责人、互联网领军企业代表、学界精英参会,围绕当前互联网产业发展的核心议题共商全球互联网发展大计。今年7月,世界互联网大会国际组织成立,进一步推动了参与主体间的深度交流与务实合作,有效助力全球互联网产业平衡发展、优势互补。
11月6日,乌镇互联网国际会展中心乌镇厅正在彩排。光明网记者 潘迪摄/光明图片
世界互联网大会为实现网络空间命运共同体擘画蓝图。海纳百川,有容乃大。八年来,世界互联网大会始终贯彻共商共建共享的全球治理观,秉持“发展共同推进、安全共同维护、治理共同参与、成果共同分享”的核心理念,着力将网络空间建设成为全人类的发展共同体、安全共同体、责任共同体、利益共同体。近年来,历届全球互联网大会发布《互联网发展蓝皮书》《网络主权:理论与实践》《携手构建网络空间命运共同体行动倡议》等概念文件、行动倡议,对国际复杂环境下全球互联网治理体系的改革建设进行了深入探讨,不断铸牢网络空间命运共同体意识,为构建网络空间国际新秩序贡献中国方案、中国智慧。
随时以举事,因资而立功。八年来,世界互联网大会不断凝聚各方智慧共识,“乌镇之约”已成为全球互联网共享共治、数字经济交流合作的鲜明标识。当前正值世界百年未有之大变局,在逆全球化思潮和新冠肺炎疫情的交织叠加下,全球网络发展面临前所未有的困难挑战。唯有顺势而为、因势而动,秉持共商共建共享的全球治理观,推动构建网络空间命运共同体,构建多边、民主、透明的国际互联网治理体系,方能推动全球互联网产业发展行稳致远。
乌篷点篙,轻舟飞渡。相信在未来,世界互联网大会将继续深化各方合作、扩大战略共识,以为人类谋进步、为世界谋大同的情怀担当,铸牢网络空间命运共同体意识、共建国际网络空间新秩序,共同推动全球网络空间更加和平开放、发展繁荣,携手绘就人类文明更美好的明天!
《光明日报》( 2022年11月08日 09版)
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)