这种鸟有着最亮 的羽毛******

　　丘鹬

图片来源 ：《科学》

　　在晴朗的白天，丘鹬并不显眼。它们红棕色的羽毛有助于融入森林的灌木丛躲避掠食者 。但在黎明和黄昏，当雄性丘鹬在暗淡 的光线下疾飞以吸引配偶时，其尾羽却会发光。研究人员表示，它们洁白 的尾羽 是有史以来最亮的鸟类羽毛 。

　　丘鹬 的尾部有高度反光 的白色尖端，只有在飞行时，抑或当雄鸟在地面上扇动尾羽时才能看到 。在近日发表于生物预印本文库bioRxiv的一项研究中，英国伦敦帝国理工学院的Jamie Dunning等报告称，当使用分光计测量这些羽毛能反射 的光线时，发现其尾羽白色尖端反射55%的光线 ，远远超过有记录以来任何其他的羽毛。

　　研究人员建立了一个羽毛微观结构计算机模型，以解释光子 是如何被构成羽毛主体 的纤维蛋白（或角蛋白）反射 的。他们的结论是 ，丘鹬尾羽的光来自像百叶窗一样平行排列的微小倒钩结构，后者增加了羽毛的反光面积。

　　研究人员表示，鸟尾巴反光如何帮助它们吸引潜在配偶还需要进一步研究。（王见卓）

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 。