5分pk10_5分pk10

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。

我是新时代的兵|为导弹“筑巢”的工程兵******

　　解说：沙子呷：我是沙子呷，“筑巢”是我们新时代导弹工程兵的神圣使命，在我20年的军旅人生中“掘进”就是关键词。“我们虽然不上发射场，不能亲手送导弹飞天，但每一次掘进，都是为火箭军夯实战斗力基石，同样是在托举大国长剑腾飞。”

　　构筑‘藏得住、打不着、抗得了、摧不毁’的导弹阵地，按时交出优质工程，是我们导弹工程兵担负国防工程建设的重要任务。我们长年奋战在大山深处，跋山涉水，穿岩凿壁，在地下建设导弹家园。因此，我们也被誉为“为导弹筑巢的人”。

　　入伍20余年来，我和我的部队，遇到过无数艰难险阻，但每一次都被我们化险为夷。

　　有一次，作业面已经完成爆破，我们回到施工现场。忽然我听到山体传出滴水声，感觉情况不妙，连忙大喊，快撤。这时，只见作业面拱顶上方出现一道裂缝，细沙碎石开始往下掉落。刚下连的新兵刘晓波第一次遇到这种情形，被吓蒙了。我赶紧快步上前，一把抱上他就往外跑。结果，我刚带着官兵撤到安全地带，就听到一声巨响，作业面被塌方埋得严严实实。

　　还有一次，一处阵地施工遇到罕见的不良地质，塌方断面形成大窟窿，像是张开了的“老虎口”挡在前面。我立刻带领党员突击队，爬上高空作业架，一边研究处理方案，一边和官兵一起抢险，我们硬是凭借着钢铁般的意志，连续鏖战3个昼夜，成功降服塌方。

　　当然，“铁”，只是我们导弹工程兵的基本素质，除此之外，我们还是新时代的匠人，更据有创新精神。如今，新装备、新技术、新工艺、新材料等蕴含的科技神力，在岩层深处裂变出巨大效能，为建设优质高效的国防工程提供了强大的技术支撑。导弹工程兵已实现了施工主体由传统工兵向科技工兵、作业模式由人力密集型向科技技能型、指挥手段由单向指令向信息集成的根本转变。

　　同时，大批优秀的科研人才正在不断加入我们的队伍，“95后”战士已经慢慢成为施工中的主体力量。我们作为新时代的导弹工程兵，扎根深山，沐浴党恩，一路成长。在强军兴军的伟大征程中，我们有坚如磐石的信念，一定会把一项项国防精品工程留在祖国版图上。

　　科学顾问：费伯禹

　　制片顾问：范文军

　　编 导：金 赫

　　动 画：卞文斌

　　鸣 谢：北京市人民政府征兵办公室

　　出 品：中国科协科普部 光明网

　　（文图：赵筱尘 巫邓炎）