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。

北美票房：《阿凡达：水之道》续领风骚******

　　中新社洛杉矶1月8日电 (记者 张朔)刚刚过去的这个周末，北美票房依旧 是《阿凡达 ：水之道》(Avatar: The Way of Water) 的江湖。

　　据票房统计网站boxofficemojo1月8日发布 的电影市场数据，23部影片北美周末票房(1月6日至8日)约得1.04亿美元，环比增长约1% 。

　　《阿凡达：水之道》在放映影厅有所增加 的情况下 ，此番周末票房环比下跌约33% ，以约4500万美元连续第四次登顶北美周末票房排行榜榜首，在该统计周期总票房中占比逾四成 。目前，这部奇幻动作片的北美累计票房接近5.2亿美元 。加上海外市场 ，该片迄今总票房已突破17亿美元 ，一周之内增收约3亿 。

　　1月6日上映的《梅根 》(M3gan)以约3020万美元首映周末票房摘得榜单亚军，成为最新一期北美周末票房排行榜十强中唯一的新片。这部科幻惊悚片由好莱坞华裔电影人温子仁参与编剧和制作 。目前主要电影网站对其评价为IMDb评分6.7 、MTC评分72、烂番茄新鲜度93% ，CinemaScore打分为B 。有评论称，该片将恐怖和喜剧元素融为一体，黑色幽默为影片添彩。

　　《穿靴子 的猫2》(Puss in Boots: The Last Wish)紧随其后，以约1312万美元周末票房 、22%环比跌幅 ，从上期榜单亚军退居本轮排名第三位 。目前这部动画片 的北美累计票房约8771万美元 ，加上海外市场 ，迄今总票房接近两亿美元 。

　　随着放映影厅数量从个位数增至三位数 ，由汤姆·汉克斯主演、改编自畅销小说的《生无可恋 的奥托》(A Man Called Otto)此番周末票房环比大涨7366%，以约420万美元从上期榜单第18名跃升至本轮排名第4位。目前这部喜剧剧情片的总票房约为1269万美元 。

　　漫威超级英雄电影《黑豹2》(Black Panther: Wakanda Forever)则以逾34%环比跌幅、约340万美元周末票房 ，从上期榜单季军下滑至本轮排名第5位 。目前这部科幻动作片的北美累计票房超过4.4亿美元，加上海外市场 ，迄今总票房接近8.3亿美元 。

　　本期北美周末票房十强其他席位也略有调整 ，依次为传记歌舞剧情片《与爱共舞》(Whitney Houston: I Wanna Dance with Somebody)、剧情片《鲸》(The Whale)、历史剧情喜剧片《巴比伦》(Babylon) 、动作喜剧片《暴力之夜》(Violent Night)和恐怖喜剧片《菜单》(The Menu) 。

　　新 的一周 ，惊悚恐怖片《恶魔阴谋》(The Devil Conspiracy)和惊悚动作片《飞机陷落》(Plane)等均将于1月13日上映。(完)