welcome购彩大厅赔率_互动百科

2022年世界互联网大会乌镇峰会日程******

　　《光明日报》（ 2022年11月08日 09版）

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）