乐发彩票注册网 - 乐发彩票官方网站

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。

系统布局国际竞争新赛道******

　　作者：朱克力（国研新经济研究院院长）

　　制胜新赛道，需要更为系统的方法论。结合各地已有的创新实践，其基本路径是，在看准方向、锚定价值的基础上提前布局，在推进过程中突出创新驱动，持续激活人和场景的力量。

　　近期召开的中央经济工作会议强调，抓住全球产业结构和布局调整过程中孕育的新机遇，勇于开辟新领域、制胜新赛道。党的二十大报告指出，要开辟发展新领域新赛道，不断塑造发展新动能新优势。可以说，制胜新赛道正成为我国深度参与和引领新一轮产业变革、重塑国际竞争优势的重要战略目标。

　　纵观全球历史，看准方向并领跑新赛道是制胜之道。看企业发展，三星电子因看准方向，大量投入研发存储器和液晶面板，如今全球市场占有率稳居前列，已成为国际电子产业头部企业；诺基亚虽然抓住通信产业发展机遇在上世纪取得巨大成功，却与触屏手机失之交臂。看国家进步，英国曾因蒸汽技术而崛起，美国凭借信息技术而强大，无不是抓住新赛道机遇而成为时代的弄潮儿。

　　当前，大数据、云计算、人工智能等关键技术赋能各个领域，新产业、新业态、新模式加速迭代。新赛道主要以新技术或新模式为核心竞争力，是分工更细、技术更高、迭代更快、更利于形成优势的新兴产业或细分领域，具有引领性发展、颠覆性创新、爆发式成长等特性。如果说科技创新是推进竞争力提升和现代化先行的关键变量，那么制胜新赛道就是产业迭代升级与换道超车的必由之路。

　　放眼国内，各地在竞逐新赛道方面不遗余力。有的推动发展集成电路、人工智能、生物医药、新能源等先导产业，有的前瞻布局工业互联网、卫星互联网、机器人等新兴产业，有的超前谋划区块链、太赫兹、量子通信等未来产业。应当注意的是，制胜新赛道既要抢占新技术前沿，也要努力在不确定性中锚定其中的确定性。比如，数字化和低碳化，是引领未来产业发展、贯穿全球产业链供应链价值链的重要力量，可作为各地培育差异化新赛道的共性基座。

　　制胜新赛道，无疑需要更为系统的方法论。结合各地已有的一些创新实践，基于从科技到产业的转化规律和推进方式，其基本路径是，在看准方向、锚定价值的基础上提前布局，在推进过程中持续激活人和场景的力量。具体而言，可重点从三方面协同发力。

　　突出创新驱动，布局新赛道。注重从新赛道的起点出发，以推动重点产业链与未来产业发展为主攻方向，打造具有国际竞争力的产业集群。运用产业生态圈理念，将创新与产业化紧密结合起来，构建以企业为主体，涵盖基础研究、技术创新、成果产业化、科技金融全链条的创新生态链，吸引各类创新资源要素高效配置和集聚协作。与此同时，应实施一系列创新驱动政策，梳理完善相应法律，营造有利于各种超前的高科技和新应用竞相涌现的良好氛围与法治环境。

　　坚持以人为本，培育新赛手。人才资源是第一资源，制胜新赛道的一个关键在于“赛手”，以及激励其跑出好成绩的新机制。应着眼于新赛手成长，加快培育一批平台型龙头企业、区域性科技服务机构和更多“专精特新”企业，围绕紧缺人才制定针对性政策，根据新赛道产业人力资本需求规模与层次，搭建高素质、高质量人才引育管理体系。既要提高人才自主培养质量和能力，也要加快引进高端人才，为各类人才发展提供更优质保障。

　　深化场景供给，建设新赛场。想要真正跑通新赛道，必须尊重产业规律，遵循需求导向和场景驱动。新赛道依托的新赛场，由大量可验证需求和可落地场景构成。应通过搭建产业新生态载体，优化场景供给流程，形成产品接入、场景实测、推广示范的全流程场景生长链条，加速技术转变为现实生产力。在挖掘国内市场的同时，应着眼全球，在全球范围开掘制胜新赛道的更大需求和更多场景，瞄准世界一流创新资源开展合作，深度融入全球分工体系并增强国际影响力，实现从跟跑、并跑到领跑的跃升。

　　（文图：赵筱尘 巫邓炎）