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 。

打卡“文明风景线” 北京地铁“文明列车”让人眼前一亮******

　　“创建文明城市共筑首善北京”“让城市更文明，让生活更美好”……近日，市民走进北京市地铁1号线八通线、6号线、10号线地铁车厢，可以看到四周醒目 的创城公益广告和文明宣传语 ，展示首都文明风貌 的“文明列车”让人眼前一亮 。

　　三辆“文明专列”由首都文明办打造 ，手绘风格的海报带给乘客沉浸式 的文明体验 。文明驾车 、文明养犬、文明旅游 、清理堆物堆料、门前三包 、垃圾分类等内容 ，引导市民群众积极践行文明行为，共创首善北京。

　　“文明城市大家创 文明成果大家享”、“当好主人翁 共创文明城” 、“助力创建有你有我”等标语 ，能够醒目的提示每一位乘坐“文明专列” 的乘客，践行文明行为。

　　车厢扶手内嵌入“创建文明城市共筑首善北京”的文明标语以及对“全国文明城市”的阐释 ，鼓励市民发挥每个人 的文明力量，共同打造信仰坚定、崇德向善、文化厚重、和谐宜居 、人民满意 的城市。

　　车门处张贴着“文明是城市最亮丽的名片”卡通海报，志愿者、公共文明引导员等一同点赞文明行为 ，让身处车厢的乘客感受市民群众齐心践行文明条例 、共同建设首善北京的浓厚氛围 。

　　每天乘坐地铁通勤 的姜先生表示 ：“文明专列 是一种时尚潮流 ，吸引更多的年轻人关注，在潜移默化中让文明思想浸润人心。”在地铁站区执勤的公共文明引导员赵大姐不禁赞叹 ：“作为‘文明行为’ 的倡导者，为文明宣传点赞 ，为‘文明专列’点赞。如今看到首都市民文明素质明显提升，人与人之间更多了和谐友好与相互包容。”

　　据了解 ，“文明专列”作为首都文明办持续打造的流动风景线，未来还将推出北京榜样 、新时代文明实践 、志愿服务 、公共文明引导等主题专列，助力北京建设成为世界一流的和谐宜居之都 。