Seeing AI幫助盲人和弱視用戶“看”世界

導(dǎo)盲犬可以很好地幫助盲人或視障人士出行，但是如果想辨別出前面路口的標(biāo)識(shí)，或者想知道錢包里還有多少錢，導(dǎo)盲犬可就辦不到了。

由微軟AI研究小組開(kāi)發(fā)的應(yīng)用程序Seeing AI為這個(gè)問(wèn)題給出了解決方案。該應(yīng)用程序可為盲人和弱視用戶描述這個(gè)世界，使他們可以使用自己的智能手機(jī)來(lái)識(shí)別一切：包括單個(gè)物體、顏色、鈔票、文檔等。

自去年問(wèn)世以來(lái)，這一應(yīng)用程序的下載量已突破15萬(wàn)次，執(zhí)行任務(wù)500萬(wàn)次，其中一些任務(wù)的服務(wù)對(duì)象還是全球知名的盲人。

“Stevie Wonder（美國(guó)知名藝人）每天都會(huì)用，這確實(shí)很令人振奮?！蔽④浉呒?jí)數(shù)據(jù)科學(xué)家Anirudh Koul在3月于圣何塞舉行的GPU技術(shù)大會(huì)上發(fā)表演講時(shí)說(shuō)道。

該應(yīng)用程序的現(xiàn)場(chǎng)演示就已展現(xiàn)出了其強(qiáng)大的功能。和Koul一同上臺(tái)的還有他的一位同事，當(dāng)他在自己的智能手機(jī)上運(yùn)行應(yīng)用程序，并將手機(jī)朝向他的同事時(shí)，應(yīng)用程序描述他看到的是“一位31歲、有著黑頭發(fā)、戴著眼鏡且看起來(lái)很開(kāi)心的男士”。

如果這位同事在他的聯(lián)系人列表中，則有更佳的使用效果，因?yàn)镾eeing AI可以與用戶的聯(lián)系人進(jìn)行整合，并能識(shí)別出朋友的名字。

Koul還分享了幾個(gè)令人嘆服的使用案例：一位盲人教師將運(yùn)行該應(yīng)用的手機(jī)面朝教室門口，這樣孩子們就不會(huì)因她是盲人而趁機(jī)偷偷進(jìn)出教室；另一位用戶在颶風(fēng)肆虐的地區(qū)穿行時(shí)，利用這款應(yīng)用程序避開(kāi)了倒落的電線和其他障礙物。

Seeing AI的開(kāi)發(fā)始于2014年2月，開(kāi)發(fā)人員曾試圖創(chuàng)建一個(gè)能發(fā)現(xiàn)并識(shí)別周圍物體的卷積神經(jīng)網(wǎng)絡(luò)。但是其延遲時(shí)間達(dá)10秒，這樣的速度不能及時(shí)幫助人們快速作出決策。

第二年，微軟贊助了一場(chǎng)為期一周的黑客馬拉松，活動(dòng)共吸引了13000人參與，并由此引發(fā)了第二次嘗試：在用戶的頭上配備手機(jī)。

在使用智能眼鏡進(jìn)行試驗(yàn)后，Koul的團(tuán)隊(duì)開(kāi)始著手于應(yīng)用程序本身的開(kāi)發(fā)工作。網(wǎng)絡(luò)本地訓(xùn)練過(guò)程在NVIDIA GPU上進(jìn)行，而較為繁重的工作則交給了基于NVIDIA Tesla P100 GPU運(yùn)行的Azure云實(shí)例。通過(guò)逐幀分析確定每一部分訓(xùn)練的發(fā)生位置。

AI調(diào)優(yōu)

應(yīng)用程序需要辨別不同圖像，而圖像屬性具有不確定性，所以開(kāi)發(fā)人員針對(duì)此特性對(duì)模型進(jìn)行了訓(xùn)練。例如，如果訓(xùn)練應(yīng)用程序識(shí)別貨幣，則需要向訓(xùn)練網(wǎng)絡(luò)內(nèi)輸入不清晰和無(wú)背景的貨幣圖片，以及貨幣某一極小部分放大后的圖片，再讓其識(shí)別出圖片的真實(shí)內(nèi)容。

該團(tuán)隊(duì)向志愿者征集，最終得到了各種類型的圖片，其中包括一張貓咪玩紙幣的圖片，以及紙幣被封在冰塊中的照片。通過(guò)這些變量對(duì)模型進(jìn)行訓(xùn)練，最終就能夠計(jì)算出識(shí)別圖片所需的最小參數(shù)。

Koul的團(tuán)隊(duì)對(duì)網(wǎng)絡(luò)進(jìn)行了調(diào)整，使其傾向于得出否定性分類或不分類的結(jié)果，而不是猜測(cè)結(jié)果（這樣可能將5元鈔票識(shí)別成10元），因?yàn)椴聹y(cè)很顯然會(huì)給盲人用戶造成麻煩。

隨著用戶人數(shù)的增多，這款應(yīng)用程序也將變得越好、越準(zhǔn)確。AI將會(huì)成為盲人和視障用戶的福音。