從自動駕駛、無人機，到監(jiān)控安防，視覺 AI 技術的突破為人們生活帶來了巨大改變，在許多領域迎來爆發(fā)式發(fā)展，僅在國內(nèi)就涌現(xiàn)商湯、云從、曠視和依圖等四大視覺 AI 獨角獸。但若真要論能為使用者帶來多大改變，恐怕很少有比得上這一項，那就是用視覺 AI 來打造盲人的眼睛。

無障礙人工智能成顯學，各大科技巨頭亦相繼致力投入

AI for Accessibility、無障礙人工智能近來已在國際間成為一項顯學。如何將發(fā)展迅速的人工智能技術，用來改善全世界約 10 億殘疾人士的生活，也是各大科技巨頭致力投入的方向之一。

以視障者來說，近日 Instagram 就新增一項輔助功能，用 AI 自動辨識照片內(nèi)容并以語音告知用戶。臉書 Messenger 也有無障礙機器人（Accessibility Bot），協(xié)助盲人辨識臉書朋友，甚至是朋友的臉部表情。華為 Mate 20 Pro 也有一個應用程序 Facing Emotions，可以將七種最普遍的情緒轉化為相應的聲音，可以大幅提升盲人與其他人的實時互動交流。

影像視覺 AI 并不是新的概念，其背后技術主要包含機器學習、深度學習，再加上 3D 臉部辨識等。尤其是深度學習算法運用在訓練 AI來協(xié)助盲人辨識物體，可以發(fā)揮非常大的用處。

比方說，如果我們想要設計一個 AI 協(xié)助盲人分辨不同面額的紙鈔。做法就是將一張 10 元紙鈔，通過各種不同角度，包含正面、反面、整張、邊角、其中每一小片圖案，都展示給 AI 看，讓它學習什么是一張 10 元紙鈔。通過大量反覆學習后，視障者只要能讓手機鏡頭看到 10 元紙鈔的一小角，AI 就能將它分辨出來。

“這些小事，會讓你很確實地感覺到自己的獨立性。希望隨著人工智能的進展，可以讓我們更容易感受環(huán)境，協(xié)助我們完成更多日常事務”，微軟視覺輔助應用程序 Seeing AI 的項目主管、同時自身也是視障者的 Saqib Shaikh，近日接受專訪時這樣對 DT 君說。

圖｜微軟技術負責人（Tech Lead）Saqib Shaikh （來源：微軟）

Saqib Shaikh 在 7 歲時失去視力，此前不久，他才剛剛得到人生中的第一臺電腦。

所幸這并不是他與計算機科學之間的句點。

而后他就讀視障學生小學，一位老師看出了他的潛力，鼓勵他開始學習打字。此后他一路進入大學，主修計算機科學，以班上頂尖的成績畢業(yè)，并取得人工智能碩士學位。而后，他又加入微軟的人工智能團隊，并在大約 3 年前通過微軟內(nèi)部的黑客松競賽，以Seeing AI這個項目脫穎而出，獲得資源將之打造為實際產(chǎn)品，現(xiàn)在已可在美國地區(qū)免費下載。

Seeing AI 用視覺 AI 幫助視障者“聽懂”世界

Seeing AI 這個是一款結合圖像辨識、語音說明及人性化使用介面的應用程序，可以用手機上的攝像頭識別所有圖像，包含通過掃描條形碼來識別產(chǎn)品、辨識身旁其他人的年齡，性別和面部表情，還可以描述它在圖片中看到的內(nèi)容，并閱讀出菜單和文件。

同時，這款應用程序也可以結合智能眼鏡，更好地協(xié)助用戶了解所處的周遭環(huán)境。

圖｜Seeing AI 是一款結合圖像辨識、語音說明及人性化使用介面的應用程序（來源：微軟）

Saqib Shaikh 指出，近年深度學習技術的成熟，是 Seeing AI 可以真正發(fā)揮用處的主要關鍵。通過深度學習訓練，向系統(tǒng)展示大量照片，并教導它們照片中的內(nèi)容，AI 可以真正有效辨識出現(xiàn)實生活環(huán)境中的各種物體與人物。

但是，要落實到讓 AI 有效協(xié)助視障者在生活中能真正用上，還必須歸功于近年硬件技術的發(fā)展，在軟、硬件配合之下，讓視覺 AI 技術實用價值大大提升。尤其是邊緣運算風潮興起，視覺信息可以在裝置終端就能完成運算，才能對使用者提供實時反饋，讓盲人能夠即時對互動對象做出適合的反應。

實時反饋絕對是關鍵。Saqib Shaikh 說，想像一個情境，當你在一個會議上進行簡報。因為這是一個正式場合，因此所有人，包含旁邊的同事、上級主管，都只是安靜聽你說話，不會任意發(fā)出聲音。所以在你說話的同時，若無法用眼睛去觀察聽眾，你對于他們的反應是毫無頭緒的，你甚至不知道應不應該繼續(xù)說下去，還是暫停下來詢問聽眾的想法。

這時候，如果有一個 AI 可以幫你辨識聽眾的反應，實時反饋你他們是不是看起來滿意、尤其是還能辨認出特定人士，比方說直屬主管的表情和動作如何，這樣一個人工智能，將能夠大大地讓盲人突破限制，改善他們在日常工作中表現(xiàn)。

非監(jiān)督學習是視覺 AI 下一步突破關鍵

今日我們所談的視覺 AI ，其實多半仍局限于靜態(tài)圖像、單一圖像，但 Saqib Shaikh 想像中的 Seeing AI 2.0，將可以解讀一系列的圖像、可以掌握使用者的偏好。

“就像當我與妻子一起在街上走路時，她會告訴我有什么我沒看過的新東西、有什么有趣的事物。比方說，她會告訴我我們很喜歡的一間咖啡店關門了?！盨aqib Shaikh 說，“一個真正的人可以了解什么是你會感興趣、什么是你會覺得重要的事物?！?/p>

而 AI 若要能夠做到這一點，就不能只是一次辨識單一圖像，而是還要能綜合理解背后的情境，甚至是接續(xù)出現(xiàn)的新的信息。Saqib Shaikh 分析，這意味著后續(xù) Seeing AI 必須運用更多非監(jiān)督學習的技術來訓練 AI，進一步拓展 AI 對多變場景復雜信息的處理能力。

其實，Saqib Shaikh 早在求學期間意識到，為了讓身為盲人的自己表現(xiàn)更好，他必須做很多額外的努力來改變他所處的生活環(huán)境，包括不只是自己看書、而是要雇請其他人為他朗讀教科書的內(nèi)容等，才能讓自己與其他正常人站在更接近一點的比較基準上。

當時就有個朋友建議過他，與其只用嘴巴說要改變生活環(huán)境，不如實際做點什么真正的改變。這讓他早就思考過，從某種角度來講，殘疾者本人其實就是最好的創(chuàng)新者。因為，他們比任何人都了解殘疾者最迫切的需求是什么？愿意做什么嘗試？可以如何改變？

然而，在 Saqib Shaikh 進入微軟工作的近乎前 10 年，他并未在工作上試圖突出任何作為一個盲人的特殊能力。相反的，他讓自己就像一名正常的工程師一樣，絕大多數(shù)時間都投入內(nèi)部的主流專案，如 Cortana 等。

“我想，起初我是想證明自己可以成為一個主流的工程師”，Saqib Shaikh 說，而轉捩點是出現(xiàn)在他于微軟工作的第10年?！肮ぷ鳚M 10 年后，我覺得我已經(jīng)達到了目標，證明了自己的能力，所以我可以開始運用自己的專業(yè)去幫助其他人?！?/p>

現(xiàn)在，他終于決定投入自己真正想做的事情，也就是用 AI 來改善殘疾人士的生活環(huán)境。就像他所說的，“我可以選擇用這一種與我自己最相關的方式，從個人經(jīng)驗來理解許多盲人的問題，并且用自己的專業(yè)來提供協(xié)助?！?/p>