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。

科技是第一生产力******

　　作者：吴善超

　　复兴号以时速420公里交会和重联运行，智能型动车组实现时速350公里自动驾驶，都是世界首次；时速400公里可变轨距高速动车组下线，可实现跨国互联互通……中国高铁享誉世界，展现着科技创新的强大力量。

　　党的二十大报告提出：“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势。”这深刻体现了我们党对科技推动生产力发展的规律性认识，进一步丰富发展了马克思主义生产力理论，为新征程上推进科技创新、实现创新发展提供了科学指引。

　　习近平总书记指出：“科技创新，就像撬动地球的杠杆，总能创造令人意想不到的奇迹。”科技是第一生产力，是先进生产力的集中体现和主要标志。人类历史上每一次重大科技进步都改进了劳动工具，提高了劳动者素质，带来劳动生产率极大提高、产业结构快速优化升级，给经济社会发展增添强大驱动力。当今时代，科技创新极大拓展人类认知的广度、深度、精度，是经济社会发展的重要引擎，也是应对许多全球性挑战的有力武器，日益成为影响世界现代化进程的关键变量。

　　以习近平同志为核心的党中央把握世界发展大势，立足当前、着眼长远，把科技自立自强作为国家发展的战略支撑，推动实施科教兴国战略、人才强国战略、创新驱动发展战略，坚定不移走中国特色自主创新道路，我国科技事业发生了历史性、整体性、格局性重大变化。“蛟龙”深潜、“嫦娥”揽月、“羲和”探日，云计算、人工智能、大数据等数字技术发挥积极作用，C919大型客机交付用户，载人航天创造多个“首次”……一系列重大创新成果竞相涌现，一些前沿领域开始进入并跑、领跑阶段，中国科技实力正在从量的积累迈向质的飞跃、从点的突破迈向系统能力提升。我国全球创新指数排名从2012年的第三十四位跃升至2022年的第十一位，科技进步贡献率从52.2%提升到超过60%，迈进创新型国家行列。

　　也要看到，我国科技创新能力还不够强，仍有不少“卡脖子”难题亟待解决，迫切需要更好发挥科技第一生产力的关键作用。进入新发展阶段，我国经济社会发展和民生改善更加需要科学技术解决方案，占领全球新一轮科技竞争制高点也更加需要完善科技创新体系，加快实施创新驱动发展战略，努力实现高水平科技自立自强。必须坚持创新在我国现代化建设全局中的核心地位，健全新型举国体制，强化国家战略科技力量，提升国家创新体系整体效能。集聚力量开展原创性引领性科技攻关，塑造新引擎、培育新动能，推动中国式现代化行稳致远。

　　习近平总书记指出：“科技创新活动不断突破地域、组织、技术的界限，演化为创新体系的竞争”。适应新形势新任务，要大力增强科技创新协同性，促进科技第一生产力优化布局。要聚焦协同之“的”，提升系统集成效率、效益、效能；明晰协同之“责”，明确功能定位，推动创新各主体、诸要素互动互促互补；架设协同之“桥”，发挥科技群团、社会组织等桥梁纽带作用，拓展创新合作网络。促进跨界协同，加强企业主导的产学研深度融合，推动创新链产业链资金链人才链深度融合。扩大国际科技交流合作，加强国际化科研环境建设，形成具有全球竞争力的开放创新生态。（吴善超）