点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:天天发娱乐手机版|天天发娱乐计划
首页>文化频道>要闻>正文

天天发娱乐手机版|天天发娱乐计划

来源:天天发娱乐注册网2024-11-24 17:48

  

天天发娱乐手机版

来华留学生“兔年说心愿”:成为说汉语的老挝铁路人******

  中新网兰州1月31日电 (记者 丁思)今年是21岁的兰州交通大学老挝籍留学生PICKDA SOUKHASEUM(中文名:宋莲)在中国度过的第四个春节。谈及兔年心愿,就读于该校物流管理专业的她近日接受中新社、中新网记者专访说:“希望能够将所学专业知识运用于实践,毕业后能够在老中铁路物流公司就业,成为说汉语的老挝铁路人。”

  2022年12月,中老铁路通车运营一周年。一年来,累计发送旅客850万人次,累计运输货物超千万吨,跨境货物超190万吨,国际货运总值突破百亿元人民币。

  兰州交通大学是中国西北地区唯一的铁路高校,地处丝绸之路甘肃黄金段,立足区域培养大交通建设急需的国际化人才。该校也持续为中老铁路提供人才和技术支撑,许多该校培养的老挝籍留学生正在为中老铁路贡献力量。

  宋莲2019年“慕名而来”甘肃省会兰州。“中国的高铁建设、交通发展很快速,来中国前就听说要建设中老铁路,这样会给我们带来很多的工作机会。”她说,现在的留学生来中国,不仅要学习汉语,更要学习技术。

截至目前,兰州交通大学已累计培养来自67个国家1738名国际人才。图为留学生正在写春联、福字。 李亚龙 摄截至目前,兰州交通大学已累计培养来自67个国家1738名国际人才。图为留学生正在写春联、福字。 李亚龙 摄

  在学校今年组织的春节联欢会上,宋莲用流利的汉语和老师交谈,还会熟练用毛笔书写春联、福字。

  “我对中文很感兴趣,课后多和中国学生聊天,汉语也就慢慢好起来了。”她说,中国的发展速度越来越快,城市交通建设、电子商务等有很多变化,希望能将在中国所学的知识带回国,促进多领域交流合作。

  截至目前,兰州交通大学已累计培养来自67个国家1738名国际人才,其中“一带一路”沿线国家学历生1200余人。留学生校友分布在五大洲60余个国家,从事中文教育、中外贸易等工作,还有的在政府机关工作任职。

  “轨道交通、交通运输、土木工程等专业,受到来华留学生欢迎。”兰州交通大学国际教育学院副院长李欣介绍说,该校老挝籍校友达70余人,在中老铁路线上工作的校友有30余人,他们深入铁路一线建设、从事车站运营与管理,还有为中老铁路输送人才的铁路园丁,他们为中老铁路建设和服务倾情奉献,成为彼此交流合作的桥梁。(完)

                                                                                                                                                                                                                                • 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)

                                                                                                                                                                                                                                  [责编:天天中]
                                                                                                                                                                                                                                  阅读剩余全文(

                                                                                                                                                                                                                                  相关阅读

                                                                                                                                                                                                                                  推荐阅读
                                                                                                                                                                                                                                  天天发娱乐下载app出门问问 TicWatch C2 体验:实用又有高颜值
                                                                                                                                                                                                                                  2024-04-20
                                                                                                                                                                                                                                  天天发娱乐网址 深度:波波维奇的神奇魔方
                                                                                                                                                                                                                                  2024-05-31
                                                                                                                                                                                                                                  天天发娱乐下载白宫“带孩子上班日”
                                                                                                                                                                                                                                  2024-01-31
                                                                                                                                                                                                                                  天天发娱乐骗局日本史上最长10连休 六成民众将宅在家
                                                                                                                                                                                                                                  2024-03-07
                                                                                                                                                                                                                                  天天发娱乐平台格林:3年前降薪就在等KD
                                                                                                                                                                                                                                  2024-03-21
                                                                                                                                                                                                                                  天天发娱乐网投死党移居国外买壕气别墅 客厅可赏180°无敌美景
                                                                                                                                                                                                                                  2024-12-04
                                                                                                                                                                                                                                  天天发娱乐注册日本土豪晒游艇豪宅 家里全是名表1张床单要12万
                                                                                                                                                                                                                                  2024-06-10
                                                                                                                                                                                                                                  天天发娱乐手机版APP正视频直播KPL春季赛:GK(0-0)WE
                                                                                                                                                                                                                                  2024-05-24
                                                                                                                                                                                                                                  天天发娱乐开奖结果 加拿大女子等两年已成癌症晚期
                                                                                                                                                                                                                                  2024-02-24
                                                                                                                                                                                                                                  天天发娱乐客户端 中国首个星际2世界冠军因病去世,他曾一人力压韩美,黄旭东悼念!
                                                                                                                                                                                                                                  2024-08-12
                                                                                                                                                                                                                                  天天发娱乐登录王健林宣布万达重返足球圈 立足青训振兴中国足球
                                                                                                                                                                                                                                  2024-06-22
                                                                                                                                                                                                                                  天天发娱乐计划群巡市| 昔日“股神”上海莱士发誓不再炒股 仍面临四大风险
                                                                                                                                                                                                                                  2024-08-13
                                                                                                                                                                                                                                  天天发娱乐玩法魔域“太和”四季 域你共享
                                                                                                                                                                                                                                  2024-01-30
                                                                                                                                                                                                                                  天天发娱乐规则巴黎迪士尼Major战队巡礼
                                                                                                                                                                                                                                  2024-02-24
                                                                                                                                                                                                                                  天天发娱乐软件甘肃肃南发现5处岩画 文物局正在核实具体信息
                                                                                                                                                                                                                                  2024-08-05
                                                                                                                                                                                                                                  天天发娱乐充值北京台主持人自曝减肥法
                                                                                                                                                                                                                                  2024-03-10
                                                                                                                                                                                                                                  天天发娱乐走势图专访|洛凡:对喜欢自己的人负责
                                                                                                                                                                                                                                  2024-08-03
                                                                                                                                                                                                                                  天天发娱乐投注谈恋爱第一印象很重要? "先入为主"或让你错失良缘
                                                                                                                                                                                                                                  2024-08-27
                                                                                                                                                                                                                                  天天发娱乐代理积极调适身心,塑造勤勉奋进的青春样貌
                                                                                                                                                                                                                                  2024-05-02
                                                                                                                                                                                                                                  天天发娱乐必赚方案货通天下 产地数字化加速进行时
                                                                                                                                                                                                                                  2024-02-07
                                                                                                                                                                                                                                  天天发娱乐赔率特斯拉蔚来"着火" 对新能源汽车消费影响几何
                                                                                                                                                                                                                                  2024-05-17
                                                                                                                                                                                                                                  天天发娱乐登录2019年中国新能源汽车产销量将达150万辆
                                                                                                                                                                                                                                  2024-08-27
                                                                                                                                                                                                                                  天天发娱乐技巧为中国7000万同志正名和服务
                                                                                                                                                                                                                                  2024-05-22
                                                                                                                                                                                                                                  天天发娱乐开户北宋隐居大儒影响中国千年
                                                                                                                                                                                                                                  2024-01-18
                                                                                                                                                                                                                                  加载更多
                                                                                                                                                                                                                                  天天发娱乐地图