2023美国少数族裔伤痛继续:安全感成奢侈品 犯罪和疫情面前“更受伤”******
海外网1月12日电《纽约时报》1月10日发文,讲述了一名亚裔女性在美国生活的恐惧,“出门扔垃圾被人吐口水,感到前所未有的不安全。”盘点美媒2022年的报道就会发现,这名女性的遭遇,正是少数族裔在美国糟糕境况的一个缩影:更容易成为仇恨犯罪的受害者、更频繁遭遇警察暴力执法,在新冠、猴痘疫情中受影响更严重……展望2023年,种族歧视的痼疾仍将持续困扰美国社会,少数族裔的伤痛难以愈合。
警察暴力执法频发 非裔更易被杀害
虽然非裔男子弗洛伊德遭警察跪杀案已过去两年多,但相关统计显示,美国少数族裔群体依然面临着警察暴力执法的威胁,相关致死致伤事件频频发生。
非营利组织“警察暴力执法地图”1月3日公布的数据显示,2022年,美国1176人死于警察执法,创下2013年有记录以来新高。平均每天3.2人死于警察执法。其中,非裔死亡人数占比高达24%,远超非裔占美国总人口13%的比重。
2022年6月27日,美国俄亥俄州阿克伦一名非裔男子违反交规后逃逸,被警方连开90多枪,在身中60枪后死亡。事件引发轩然大波,数千民众连日抗议游行,美国全国有色人种协进会主席斥责警方实施“针对非裔的谋杀”;7月16日,在田纳西州奥克兰,数名警察追赶一名非裔男子进入民宅后,对其殴打,还采取锁肩、踩头、电击等暴力手段;11月14日,美国有线电视新闻网曝光的监控视频显示,5名狱警在牢房内猛烈殴打一名非裔嫌犯,不仅拳击其头部,还将他拖到走廊里继续打,其中4名狱警都是白人。
尽管弗洛伊德案在美国引发大规模的“黑人的命也是命”抗议浪潮,但美国系统性的警察暴力和种族歧视问题并未得到解决。根据“警察暴力执法地图”统计,2013年至2022年间发生的警察致人死亡事件中,涉案人员没有被判罪的事件占总数的98.1%。司法机构频频亮起的“绿灯”,也使得美国警察在暴力执法和种族歧视问题上愈加有恃无恐。
仇恨犯罪层出不穷 少数族裔很受伤
美国社会的种族歧视,不仅存在于频发的暴力执法中,也体现在针对少数族裔的歧视、骚扰和暴力事件不断激增,包括非裔、犹太裔和亚裔在内的群体,都屡屡沦为“牺牲品”。
2022年5月14日,在纽约州布法罗市一家超市,86岁的非裔女子露丝·惠特菲尔德正在采购杂货,没想到在“屠杀”中遇难。一名18岁的白人男子进入超市开枪扫射,导致10人丧生,死者均为非裔。枪手专门奔赴非裔社区作案,案前还在网上大肆宣扬白人至上主义思想。
遇难者露丝的儿子加内尔说,他感到愤怒和痛苦,美国仇恨犯罪不断蔓延,施害者甚至不加掩饰。另一名受害人的母亲出席国会听证会时痛斥,“美国在本质上就是个暴力的国家,它建立在暴力、仇恨和种族主义之上,它所标榜的自由和平等只是自欺欺人。”
2022年12月12日,美国联邦调查局(FBI)公布2021年仇恨犯罪报告。尽管该报告的数据并不完整,但记录的仇恨犯罪数量依旧高的惊人。报告显示,2021年美国共有7262起仇恨犯罪事件被记录在案,是过去十年第三高的数据。加州大学圣贝纳迪诺分校“仇恨与极端主义研究中心”主任布莱恩·莱文进行的调查则显示,2021年美国针对亚裔的犯罪激增224%,针对犹太裔、拉丁裔和黑人群体的偏见性犯罪也大幅增加。
疫情暴露医疗不公 少数族裔首当其冲
2022年,面对新冠疫情和猴痘疫情的双重冲击,美国少数族裔遭受系统性种族歧视的痼疾愈发凸显,这一群体的生命权和健康权遭受不公待遇,甚至被无情剥夺。
2022年8月24日,美国凯撒家庭基金会发布报告称,美国猴痘疫情的种族差异显著且呈现扩大趋势,少数族裔面临更严重的公共卫生威胁。美国疾控中心数据也显示,拉美裔和非裔仅占美国总人口约30%,但在猴痘确诊病例中占比超过60%。然而,只有10%的猴痘疫苗被分配给了非裔病例。
美国还有研究显示,在新冠疫情期间,拉美裔和非裔美国人感染新冠概率约为白人3倍,感染后死亡率约为白人2倍。美国拉丁裔、非裔和原住民儿童因为新冠疫情成为孤儿的可能性,分别是白人儿童的1.8倍、2.4倍和4.5倍。
面对突发公共卫生事件,美国少数族裔屡次首当其冲,成为陷入困境最严重的群体。美国全国拉美裔医学协会执行委员会成员朱迪思·弗洛雷斯在美媒的采访中表示,从艾滋病到新冠再到猴痘,少数族裔一直无法获得公平的医疗服务,在疫情中总是处于劣势。(海外网刘强)
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)