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 。

江西省上高县敖山镇副镇长唐国徽——扎根乡村接续奋斗******

　　大棚里 ，几十株果树枝繁叶茂 ，黄澄澄 的果实点缀其间 。12月1日 ，党 的二十大代表、江西省上高县敖山镇副镇长兼洋林归侨少数民族聚居村党支部纪检委员唐国徽，一大早便和县农业农村局农业推广研究员赵险锋 ，钻进了村里的大棚 。

　　“国徽 ，今年的果子口感不错 。”村民们笑着打招呼。

　　“市场销售也很好。我调研了一下，在南昌每斤平均可以卖到10元，品相好，售价更高 。”唐国徽笑着说 ，“今天咱们请来技术专家 ，给大家讲讲果树保养。”

　　怎么修枝去果，如何保留养分，赵险锋讲得认真，大家听得仔细 ，不时提出问题 。连下几场小雨 ，气温明显下降 ，大棚内却是热火朝天。大棚外还有连片的泰国红心柚园 、火龙果园 、蓝莓园 。

　　今年34岁的唐国徽是洋林村土生土长的瑶族小伙。大学毕业后，曾在深圳创业 。就在生意红火之时，他应邀回乡发展 。10年来，唐国徽带领乡亲们通过发展水果 、乡村旅游等特色产业走上增收致富之路 ，村民人均收入从8000多元增至2.8万余元。

　　出席党 的二十大后回到村里，唐国徽积极宣讲党 的二十大精神 。“党的二十大报告对全面推进乡村振兴作出重要部署 ，强调‘坚持农业农村优先发展’‘加快建设农业强国’ 。”唐国徽对乡亲们说 ，“全面推进乡村振兴，我们不能有‘等靠要’ 的想法 ，要撸起袖子加油干。咱们洋林村最大的特色就 是多民族聚居，发展乡村旅游还有很大潜力可挖 。”

　　村民们听得带劲，也提出一些建议 ，唐国徽一一认真记录。随后 ，唐国徽拿出一份方案，与洋林村党支部书记张胜德一起到县水利局争取项目资金，计划打通洋林村边与泗溪镇漕港村边水塘 ，打造景观湖泊。

　　“在这之前 ，我们已经和泗溪镇进行了协商，一起发展全域旅游 。”唐国徽介绍 ，目前洋林村水系治理项目已经立项。

　　对接电商平台 ，打造“多彩洋林”农产品销售平台 ；联系专业公司 ，制订洋林村特色旅游小镇规划……“国徽一直没闲着 ，带着我们拓宽增收致富路。”张胜德拿出工作日志 ，其中记录了最近的工作日程 。

　　“来看看我这刺绣怎么样 ？”走进村民陈胜梅家 ，她手里正针线飞舞 。唐国徽拿起一份刺绣作品 ，只见“多彩洋林”几个彩字下，绣着一幅山水田园图。

　　“您 的手艺快赶上老师喽 ！”唐国徽点赞 。上月底 ，唐国徽请来上高县特殊学校的刺绣老师，为全村妇女开展了两天培训 。

　　洋林村的妇女有民族刺绣手艺基础 ，如今在老师 的带动下得到提升。村里 的美术老师叶其秀 ，以洋林村风光画出10余幅“多彩洋林”美图 ，作为刺绣创作的底板。“大家不用担心销路，刺绣老师帮咱们卖 ，乡村旅游也能带动销售。”唐国徽给大家鼓劲。

　　“发展好洋林村，要只争朝夕 。”掏出一张手绘的地图，唐国徽比画着说，“露营地 、童乐园 、滑草场、民族创业园……完成一项，就在旁边标注一项。”

　　“习近平总书记在党的二十大报告中指出 ，当代中国青年生逢其时 ，施展才干的舞台无比广阔，实现梦想的前景无比光明。”唐国徽说，“作为一名新时代青年，我愿扎根乡村接续奋斗 ，让乡亲们的日子越过越红火 。”（朱磊）