一分彩 - 一分彩

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。

上海政协委员呼吁发挥新阶层力量讲好中国故事******

　　中新网上海1月13日电(记者 范宇斌)上海市政协委员、上海市新的社会阶层人士联谊会轮值副会长、上海协和教育中心总校长卢慧文12日接受中新网记者采访时表示，“要积极发挥新的社会阶层人士的力量，加强对外交流，讲好中国故事。”

　　卢慧文向中新网记者讲述了两则让她印象深刻的交流往事。

　　“2018年夏，我随一个新阶层代表人士的考察团前往香港、澳门进行考察，考察团成员在和律师、会计师、审计师等行业人员进行同行交流时，香港的接待方感慨，这些年内地来的考察团中体制外的专业人士代表团非常少。”卢慧文说，那次考察中，专业人员之间的同行对话，话题特别多，共鸣特别强，当天会议结束后，大家又自发进行分小组讨论，意犹未尽。

　　“2022年秋，我受邀参加由上海市政协和上海市欧美同学会共同举办的在沪外籍人士‘走进政协’活动，多名本职工作为国际教育、法律咨询、文化艺术的政协委员用英语向外国友人介绍自己的履职工作，引发了外国友人浓厚的兴趣，双方开展了深入的对话。”卢慧文说。

　　两次难忘的经历让卢慧文意识到，要更好地发挥新的社会阶层人士的力量。这一群体由民营企业和外资企业的管理技术人员、中介组织和社会组织从业人员、自由职业人员、新媒体从业人员组成。

　　在她看来，新的社会阶层人士专业化程度高、中外话语系统通畅、跨文化经验丰富、对外交流意愿强烈。“他们身上通常有两个很明显的标签，一是国际化，二是互联网化。在多元环境中能够用对方听得懂、愿接受的方式进行沟通，有机会讲好接地气的、真诚的中国故事，展示可信、可爱、可敬的中国形象。”

　　卢慧文表示，由于新冠疫情等多方面原因，新的社会阶层所在的不少行业当前需要尽快恢复活力，并承担起对外交流的功能。对此，她建议，“要以各种方式支持民间智库、行业协会、行业研究院开展国际交流。”

　　“一次亲身体验胜过百次纸上交锋。”卢慧文建议，要支持各行业的民间组织通过信息交流、友好互访、项目合作、联合研究等方式，尤其是参与或承办有行业影响力的国际化研讨会、论坛等，与国际同行进行公开交流，并邀请其实地参访。通过对话交流和现实接触，交流各方可增进相互理解与互信，并适机开展合作互助。

　　以其从事的民办国际化教育领域为例，卢慧文谈及，世界各地的教育所面临的挑战、正在做的专业工作有很多共通之处，话语系统相对更为接近，可以开展合作的机会很多。“我们应当多鼓励校长、教师在国际教育组织中担任项目协调员、在国际教育论坛中担任主旨演讲嘉宾、鼓励中国学校承办教师专业发展论坛和工作坊。”

　　同时，卢慧文建议，可以用各种方式帮助文化艺术领域“走出去”“请进来”，重启高水平的国际交流。上海应当尽快重启高水平的文化展演、体育赛事，让上海的剧院和场馆重现国际交流的盛况。

　　例如，她谈及，联合国教科文组织认定了一批国际民间节庆活动，如街头体育艺术节、街舞艺术节等，应当鼓励上海的独立艺术家走出去表演和交流，展现中华文化的精彩，还可以通过联合同为新阶层力量的专业艺术制作公司以及咨询、法律、会计、金融等专业服务机构，协助进行文化创意项目的投资、合作和版权交易。

　　文化艺术是新的社会阶层人士集聚的领域之一，卢慧文表示，通过文化艺术的国际交流开展民间外交，可以在潜移默化中起到“四两拨千斤”的作用。“接下来，要全方位立体发力，特别是民间力量应当发挥、活力应当被激发。”(完)

　　（文图：赵筱尘 巫邓炎）