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。
东西问丨短评：2023，如何“贞下起元”？******
中新社北京12月31日电 题：2023，如何“贞下起元”？
中新社记者 安英昭
行至岁末，久违的烟火气重回中国大地。回望2022，地球在动荡中运转，人类在负重下前进。365个日夜，历史见证了美丽与神奇，也目睹着危机与转机。《易经》有言，“元亨利贞”，昨日疫情的“至暗时刻”不应遗忘，冬去春来的明天值得期待。
2023，如何“贞下起元”？
一曰美美与共，推动文明交流互鉴。
图为2022年2月4日晚，第二十四届冬季奥林匹克运动会开幕式上的主火炬。中新社记者 李骏 摄文明之美，无问东西。2022年堪称“体育大年”，年初的冬奥会让北京再次惊艳世界，年底的世界杯让世人重新认识了卡塔尔。令人难忘的是，谷爱凌实力圈粉的同时，羽生结弦在遗憾中退隐；球王贝利弥留之际，见证了梅西率队举起大力神杯。这些瞬间，正因全世界观众的共享而定格成经典，人类的共情在体育世界中历久弥新。
透过体育这扇窗，可洞见文明久久不息的火光。鸟巢上空“天下一家”(One World One Family)的焰火，诉说着中华文明的博爱与包容；海湾球场内“此刻即所有”(Now is All)的口号，抒发出阿拉伯文明对人类团结的呼吁。顾拜旦歌颂体育“在各民族间建立愉快的联系”“使全世界的青年学会相互尊重和学习”，在文明冲突论时有所闻的今天，“现代奥林匹克之父”的箴言仍具启示意义。
二曰求同存异，共同应对危机挑战。
图为当地时间2022年3月8日，乌克兰基辅郊区，当地民众撤离伊尔平时，穿过一条在废墟上临时搭建的道路。止战之殇，呼唤和平。2022年的欧洲大陆，随乌克兰危机爆发而笼罩于阴霾之下。但北约东扩的脚步并未停顿，能源问题更雪上加霜。在全球化早已使各国“你打喷嚏我感冒”的今天，欧洲的凛冬已然波及世界。
人类共居小小寰球之上，战争危机、气候变化、粮食安全、难民问题等接踵而至，唯有抛开区分求共对，方能克难前行。世界总人口已逾80亿，为子孙后代计、为永续发展谋，人类文明才能在地球上创造下一个辉煌。
三曰团结合作，集中精力聚焦发展。
未来之路，携手前行。2022年的世界经济，在百年变局叠加世纪疫情的背景下疲态尽显。国际货币基金组织连续4次下调世界经济增速预期，除少数东南亚国家仍有上升外，世界上绝大部分经济体都出现较大幅度回落。
眼下，中国历经一千多个日夜后进入防疫新阶段。许多被迫按下“暂停键”的行业陆续回归，一些濒临破产的企业重拾希望，正如多家机构预测，2023年中国经济发展的底气更足、韧性更强、后劲更大。在以中国式现代化全面推进中华民族伟大复兴的历史进程中，中国将为世界释放更多确定性，注入更多正能量。
过去三年，对于中国和世界都是异常艰难的。经此一“疫”，人们当更坚强。2023，愿人们在交流互鉴中，共享文明多样的芬芳；在求同存异中，共对地球面临的挑战；在团结合作中，共赴人类美好的未来。(完)
| 佰家富app地图 |
