视频转声音技术可帮助盲人识别人脸

视频转声音技术可帮助盲人识别人脸有趣的是，2009年的一项研究还发现，即使人们看到的东西看起来有点像人脸，FFA也会被激活--因此它参与了"幻视"现象，即我们在无生命的物体上看到人脸。当人们开始发展某一特定领域的专业知识时，同一区域也会开始激活，例如，这显然有助于汽车疯子通过视觉区分不同的车型，或帮助国际象棋专家识别棋盘上熟悉的构型。2020年，麻省理工学院的研究将盲人置于fMRI扫描仪中，让他们感受各种3D打印的形状，包括脸、手、椅子和迷宫，结果发现，触摸这些小脸也会以类似的方式激活FFA。观看示意性面孔的受试者纺锤形面区的视觉激活图/乔治敦大学因此，从某种意义上说，FFA似乎并不在乎是哪个感觉系统向它提供了与脸部有关的信息--乔治敦大学医学中心神经科学小组的最新研究为这一假设提供了证据。该团队招募了6名盲人和10名视力正常的受试者，并开始使用"感觉替代装置"对他们进行训练。该装置包括一个头戴式摄像机、蒙眼目镜、一副耳机和一台处理计算机，处理计算机将摄像机的输入转换成音频，将视野分割成一个64像素的网格，并赋予每个像素各自的听觉音调。研究论文描述，如果图像只是位于摄像机视野右上角的一个点，相关的声音将是高频率的，主要通过右耳机传递。如果点位于视野的中上部，声音将是高频音，但通过左右耳机发出的音量相同。如果图像是左下角的一条线，相关的声音将是低频的混合物，主要通过左耳机发出。受试者用这些设备进行了10次每次一小时的训练，学习用耳朵"看"，同时左右移动头部。卡片上会出现一些简单的图形；水平线和垂直线、不同形状的房子、几何图形以及基本的表情符号式喜怒哀乐表情。这是一个相当困难的训练过程，但在训练结束时，所有受试者识别简单形状的准确率都超过了85%。感官替代装置的分辨率仅为64像素。右下方是向受试者展示的一些形状。在fMRI仪器上进行形状识别测试时，当出现基本的脸部形状时，视力正常的受试者和失明的受试者都显示出FFA的激活。一些盲人受试者还能正确识别出人脸是喜脸还是愁脸--您可以从研究中一段45秒的音频片段中听到这一点，您也可以从这段片段中了解到该设备的声音。这项研究的资深作者、神经科学教授JosefRauschecker博士在一份新闻稿中说："我们从盲人身上获得的结果表明，纺锤形脸部区域的发育并不取决于对实际视觉脸部的体验，而是取决于对脸部几何构型的接触，这种几何构型可以通过其他感官模式传达。"研究小组还发现，视力正常的受试者主要在右侧纺锤形面区出现激活，而失明的受试者则在左侧FFA区出现激活。Rauschecker说："我们认为，盲人和非盲人之间的左右差异可能与左右两侧的纺锤形区域如何处理人脸有关--要么作为连接的模式，要么作为独立的部分，这可能是帮助我们完善感官替代装置的重要线索。"研究小组希望继续进行实验，有可能开发出分辨率更高的感官替代装置，最终让训练有素的受试者能够识别真实的人脸。需要提醒的是，像这样的图像声音转换设备在实际应用中可能不会有太大帮助--部分原因是它们需要大量的训练，部分原因是盲人已经非常依赖听力，不太可能希望额外的哔哔声和噗噗声扰乱他们对世界的感知。更不用说，随着深度学习多模态人工智能的兴起，已经有一些系统可以让GPT风格的语言模型查看图像或视频，并以人们喜欢的任何详细程度描述正在发生的事情。事实证明，这种自然语言解说比直接从视频到音频的馈送更容易实现、使用和满足个人需求。尽管如此，这仍然是非常吸引人的东西，它显示了两眼一嘴的老形状在我们的硬件中埋藏得有多深，以及这些形状对我们这种社会动物的重要性。这项研究已在《公共科学图书馆》（PLOS）杂志上公开发表。...PC版：https://www.cnbeta.com.tw/articles/soft/1400353.htm手机版：https://m.cnbeta.com.tw/view/1400353.htm

政协委员两会发声取消过度人脸识别 胡锡进力挺

政协委员两会发声取消过度人脸识别胡锡进力挺01“刷脸入住该终止了”据了解，戴斌，出生于1967年，毕业于安徽财经大学，现任中国旅游研究院院长，是行业享有盛名的大咖。戴斌调研发现，几乎所有省市的宾馆、酒店、民宿等旅游住宿机构都设置了人脸识别系统，“刷脸”才能入住。他认为，该措施不仅降低了服务效率，容易引起游客的不满和投诉，而且增加了企业的经营成本。更重要的是，刷脸入住，无凭无据：既没有明确的法律和行政法规规定，也没有正式成文的部门规章规定。针对此，戴斌建议，公安部应对强制酒店、度假村、民宿等旅游住宿机构购买和使用人脸识别终端的情况，进行全面摸底排查，及时指导各地公安部门取消游客入住宾馆酒店必须“刷脸”的规定，并召回相关的软硬件设备。同时，中央网信办应尽快实施《人脸识别技术应用安全管理规定》，并加强对旅游场景中过度使用“人脸识别”的监督检查。此外，全国人大法工委应对旅游者在旅行、游览、观光、住宿、购物、餐饮等过程中，政府部门和市场主体“强制刷脸”行为进行专项检查，对有关制度、规定和标准进行合法性审查。02胡锡进发博力挺戴斌的提案得到了著名媒体人胡锡进的力挺。胡锡进认为，人脸识别技术已经被社会一些领域过度使用，之所以出现这样的情况，是因为各地在治安方面“层层加码”，宁可严一些，也不想松懈。这就导致虽然法律没有要求酒店入住的时候必须刷脸，但在某些地方，却是争相效仿、攀比，在互相观望中那样做了。胡锡进指出，如果能按照戴斌委员的提案解决刷脸问题，将之调整回法律所要求的样子，对社会进步将具有重要示范意义。“应当说，我们的社会已经相当安全了，全面促进旅游和消费是当务之急。各地要对此有信心，切实把握好发展与安全的辩证关系，把过度投向安全的精力和资源转用于鼓励创造性。要让大多数人在绝大多数时间和场景中想的都是我们能干些什么创造价值的事情，而不是念兹在兹地担心万一出了问题怎么办。把握好这种统筹和平衡至关重要。”胡锡进称。除此之外，有旅游爱好者指出，本来已经向酒店出示了身份证件，上面有如假包换的照片，辨认起来并不是多难的事情。但却非要让人站在摄像头面前，让机器比对一下。平时还好，要是旅游途中，带着一大堆行李，本就疲劳不已，还得硬撑着身体等着“刷脸”合格通关。有人则认为，虽然人脸识别技术在某些情况下可以提高安全性和便利性，但过度使用或滥用这种技术可能会对个人隐私构成威胁。03安防行业上市公司目前，中国涉足人脸识别领域的主流公司，可以分为两类：1.以人工智能算法为看家本领的科技型公司，如旷世科技、商汤科技、云从科技等2.以安防设备为主业，因为安防产业对于人脸识别的需求，或以自研，或以收购的方式涉足人脸识别技术的公司。目前，中国安防设备行业两大龙头企业分别是海康威视、大华股份。2020年，在中国范围来看，海康威视的市场份额达36%，大华股份的市场份额达28%；在全球范围来看，海康威视的市场份额达29.8%，位列全球第一，大华股份的市场份额达14.7%，位列全球第二。截至3月5日收盘，海康威视、大华股份股价分别为35.52元和20.98元，市值3314.23亿和691.18亿元，在人脸识别领域，以及安防上市公司中排名第一与第二。来源：同花顺根据两家公司2023年半年报，海康威视实现营收375.7亿元，其中主业产品及服务占比超76%。大华股份实现营收146.34亿元，其中，智慧物联产品及方案占比超80%。可以看出，两家公司安防产品贡献的营收都不低。04结语一个提案从提出到落地，要经过许多环节，“取消人脸识别”这一提案，并不是一定会被通过的。从二级市场表现来看，截至今日收盘，海康威视和大华股份股价分别上涨1.49%和10.02%。目前，市场似乎并未对该提案的消息，过多在意。但可以预料的是，如果该提案通过，或许会对这些公司造成较大影响。最后，也想说一句。高科技的出现，是为了更便捷，如果大家的生活为此变得麻烦，那它意义何在呢？...PC版：https://www.cnbeta.com.tw/articles/soft/1423022.htm手机版：https://m.cnbeta.com.tw/view/1423022.htm

IBM模拟AI芯片登Nature：能效提升14倍 语音识别速度提升7倍

IBM模拟AI芯片登Nature：能效提升14倍语音识别速度提升7倍一、利用PCM存储数据，模拟芯片解决AI技术高能耗问题AI相关技术在飞速发展的同时，也面临着能源消耗的问题。为了提升能源效率，IBM来自世界各地实验室的研究人员共同研发了这款模拟AI芯片。据称，在两个AI推理实验中，该芯片都像同类数字芯片一样可靠地执行任务，但其完成任务的速度更快，能耗更低。IBM称，其研究人员一直都在深耕模拟AI芯片领域。2021年，其团队就发布了一款名为Fusion的模拟芯片，利用PCM设备的存储能力和物理属性，更高效地实现人工神经网络。传统计算机基于冯·诺依曼结构——一种将程序指令存储器和数据存储器合并在一起的电脑设计概念结构，每次计算都将数据从DRAM（动态随机存取存储器）内存传输到CPU，导致工作速度受到实际限制，永远无法实现CPU的真正计算能力，这被称为“冯·诺依曼瓶颈”。▲当每次计算将数据从DRAM内存传输到CPU时，传统计算机就会出现瓶颈（图源：IBM官网）通过利用PCM设备的物理特性，模拟芯片可以克服冯·诺依曼瓶颈，在存储数据的同一位置执行计算。由于没有数据移动，它可以在很短的时间内执行任务，并且消耗的能源更少。▲模拟芯片通过在存储数据的地方执行计算来克服瓶颈（图源：IBM官网）例如，将64位数据从DRAM移动到CPU会消耗1-2nJ（纳焦）能量，而在PCM设备上执行只需消耗1-100fJ（飞焦），是前者的1万至200万分之一。当扩展到数十亿次操作时，所节省的能源是巨大的。此外，当设备不活动时，PCM不会消耗电力，即使断电数据也将保留10年。二、采用全新设计方式，14nm芯片可编码3500万个PCM虽然IBM早在两年前便以研发出了模拟芯片，并尝试将其用于提升AI计算性能，但Fusion芯片一次只能访问一个PCM设备，对速度和能效的提升并不显著。IBM本次发布的这款芯片采用了新的设计方式，利用34个大型PCM阵列，结合了数模转换输入、模拟外围电路、模数转换输出和大规模并行二维网格路由。每个14nm芯片上可编码3500万个PCM，在每权重对应2-PCMs的方案中，可容纳1700万个参数。将这些芯片组合在一起，便能够像数字芯片一样有效地处理真实AI用例的实验。▲IBM模拟AI芯片的显微照片（图源：论文插图）上图中，图a显示了芯片的显微照片，突出显示了34个PCM阵列模块的2D网格，每个模块都有自己的512×2,048PCM交叉阵列。PCM器件集成在14nm前端电路上方的后端布线中（图b），可通过电脉冲调整窄底电极上晶体相（高导电性）和非晶相（高电阻性）材料的相对体积来编码模拟电导状态。对PCM器件进行编程时采用并行编程方案（图c），这样同一行中的所有512个权值都会同时更新。该研发团队采用的方法是优化主导深度学习计算的MAC（乘积累加运算）。通过读取电阻式NVM（非易失性存储器）设备阵列的行，然后沿列收集电流，团队证明可以在存储器内执行MAC，无需在芯片的存储器和计算区域之间或跨芯片移动权重。三、精确度不减，语音识别速度提升7倍、大模型运行能效提升14倍为了验证芯片的有效性，该团队设计了两个实验对其进行测试。他们从MLPerf中选择了两个神经网络模型，分别是语音唤醒和语音转文本模型。MLPerf由斯坦福、哈佛等顶尖学术机构发起成立的，权威性最大、影响力最广的国际AI性能基准测试。第一个实验围绕关键词语音检测展开。该团队提出了一种卷积神经网络架构，并在包含12个关键字的谷歌语音命令数据集上进行训练。团队采用了架构更简单的FC（全连接）网络结构，最终达到了86.14%的识别精度，且提交速度比MLPerf目前最佳情况快7倍。该模型使用硬件感知训练在GPU上进行训练，然后部署在团队的模拟AI芯片上。▲端到端语音唤醒任务相关图表（图源：论文插图）第二个实验围绕语音转文本展开，规模更大。团队使用5个模拟AI芯片组合在一起，运行RNN-T（循环神经网络转换器）模型，以逐个字母地转录语音内容。该系统包含5个芯片上1.4亿个PCM设备的4500万个权重，能够采集人们说话的音频并以非常接近数字硬件设置的精度进行转录。该实验最终达到9.258%的单词错误率，能量效率达6.704TOPS/W（万亿次操作每秒/瓦），比MLPerf目前最佳能效提高了14倍。▲模拟AI芯片在RNN-T模型上表现出的性能相关图表（图源：论文插图）与第一个实验不同，这个实验并不完全是端到端的，这意味着它确实需要一些片外数字计算。IBM称，这里涉及的额外计算很少，如果在芯片上实现，最终的能效仍然高于当今市场上的产品。结语：模拟AI芯片能否成为下一个趋势继2021年推出第一款模拟芯片Fusion后，IBM于近日发布了专攻AI的模拟芯片，速度、能效均比传统数字芯片大幅提升，准确率也保持高水准。传统芯片受制于“冯·诺依曼瓶颈”，而模拟芯片可以打破这一桎梏，为AI技术带来新的生命力。未来，模拟芯片市场能否得到进一步发展，我们会持续关注。来源：Nature、IBM官网...PC版：https://www.cnbeta.com.tw/articles/soft/1379447.htm手机版：https://m.cnbeta.com.tw/view/1379447.htm