MIT发布了一款革命性的人工智能工具：通过为所有用户提供适应性且丰富详细的标题，提升图表解读和可访问性
麻省理工学院的研究人员团队创建了一个名为VisText的创新数据集，这是在提高复杂图表和图形的可访问性和理解力方面迈出的重要一步。该数据集旨在通过训练机器学习模型生成精确和语义丰富的标题，准确描述数据趋势和复杂模式，从而彻底改变自动图表标题系统。
有效地为图表加上标题是一个劳动密集型的过程，通常需要在提供额外的背景信息方面进行改进。自动标题技术在融入增强理解的认知特征方面一直存在困难。然而，麻省理工学院的研究人员发现，他们使用VisText数据集训练的机器学习模型 consistently 生成的标题超越了其他自动标题系统的标题。生成的标题准确且内容复杂，适应了不同用户的多样化需求。
VisText的灵感来源于麻省理工学院可视化组的先前工作，该组研究了良好图表标题的关键要素。他们的研究揭示了有视觉障碍或低视力的用户对标题的语义内容复杂性表现出不同的偏好。基于这种以人为中心的分析，研究人员构建了VisText数据集，其中包含超过12,000个图表，以数据表、图像、场景图和相应的标题来表示。
开发有效的自动标题系统面临许多挑战。现有的机器学习方法在处理图表标题时采用了类似于图像标题的方式，但是自然图像的解释与阅读图表的方式存在显著差异。另一种替代技术完全忽略了视觉内容，仅依赖底层数据表，但这些数据表通常在图表发布后无法获取。为了克服这些限制，研究人员利用从图表图像中提取的场景图作为一种表示方法。场景图具有包含全面信息的优势，同时更易访问且与现代大型语言模型兼容。
研究人员使用VisText训练了五个自动标题的机器学习模型，探索了不同的表示方法，包括图像、数据表和场景图。他们发现，使用场景图训练的模型表现与使用数据表训练的模型一样好，甚至更好，这表明了场景图作为一种更现实的表示方法的潜力。此外，通过分别使用低级和高级标题训练模型，研究人员使模型能够适应生成标题的复杂性。
为了确保模型的准确性和可靠性，研究人员进行了详细的定性分析，对表现最佳的方法进行了常见错误的分类。这种分析对于理解模型的微妙差异和限制至关重要，同时也揭示了围绕自动标题系统开发的伦理考虑。虽然生成式机器学习模型为自动标题提供了有效的工具，但如果生成的标题不正确，否则可能会传播错误信息。为了解决这个问题，研究人员提出将自动标题系统提供为作者工具，使用户能够编辑和验证标题，从而减轻潜在的错误和伦理问题。
未来，该团队致力于改进他们的模型以减少常见错误。他们的目标是通过包括更多多样化和复杂的图表（例如堆叠条形图或多条线图）来扩展VisText数据集。此外，他们还希望深入了解自动标题模型的学习过程，以加深对图表数据的理解。
VisText数据集的开发代表了自动图表标题方面的重大突破。随着不断的进展和研究，由机器学习驱动的自动标题系统有望彻底改变图表的可访问性和理解性，使重要信息对视觉障碍者更具包容性和可访问性。
