大发彩票投注 - 在线用户注册平台 | 官网APP下载

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。

新春走基层丨厦门北站的巾帼“水总管”******

　　新华社厦门1月10日电题：厦门北站的巾帼“水总管”

　　新华社记者颜之宏

　　1月9日凌晨4点多，天还没亮，厦门的微风带着阵阵寒意，尚有倦意的汪美端已经起床。她给一家人做好早饭，就匆匆赶往厦门北站的工作岗位上。除了照顾家庭，汪美端还有另一重身份，那就是这座繁忙高铁站的“水总管”。

　　什么是“水总管”？通俗地说，无论是普速列车还是高铁动车，在行驶途中都需要向旅客提供饮用和洗漱用水，这些水由给水员在列车停站期间注入列车自带的水箱中。由于给水员要在列车停站的极短时间内人工完成注水操作，同时还要确保自身在股道上的作业安全，因此铁路职工亲切地称他们为“水总管”。

　　1月9日，注水完成后，汪美端确认列车水箱水位。新华社记者颜之宏 摄

　　“G2380列车进站，给水员请加水。”9日5时30分，对讲机里传来指令，厦门北站的首班列车即将发车，汪美端和同事开始在铁路股道上前后忙碌。两个给水员要在15分钟内完成8节车厢的注水任务。汪美端熟练地整理着数十斤重的水管，随后快速插入列车水箱，拧开龙头，随着“哗”的一声响动，自来水喷涌而入，水箱的数显水位表读数开始跃动。

　　“G2380加水完毕，水管脱离！”在完成8节车厢的注水任务后，汪美端和同事还要再仔细确认水管是否均已脱离列车。在一阵鸣笛声后，列车缓缓出站。

　　1月9日，完成注水操作后，汪美端目送列车驶离。新华社记者颜之宏 摄

　　春运期间的厦门北站异常繁忙，需要加水的列车数量从此前的一天四五十趟增加至当前的六七十趟。高铁列车一般是8节车厢，重联动车组是16节，而普速列车有18节车厢，这意味着给水员们的工作量将在这几天翻番。“忙点儿好，忙就是我们铁路人的‘年味儿’。”汪美端说，今年是“新十条”实施后的第一个春运，也是她担任给水员以来的第一个春运。

　　2022年9月，年近四十的汪美端入职成为一名给水员，而她从事这个工作的原因之一就是要给孩子“树榜样”。原来，汪美端的大女儿去年9月步入高三，作为一名艺考生，每天都要早起练习绘画。对于新的作息规律，处在青春懵懂期的孩子对此有些抵触情绪。“咱们打个赌，你能做到的，妈妈也能做到！”就这样，母女俩定下了一年之约，汪美端也从一名家庭主妇变成“水总管”。

　　1月9日，列车停站后，汪美端将水管插入列车水箱内完成注水作业。新华社记者 颜之宏 摄

　　厦门北站的26名给水员，一半由女性组成，今年已经53岁的王彩龙也是其中的一员。“有退休工资、有房租收入，还乐于做又苦又累的给水员。”这是同事们对王彩龙的评价。

　　四年前，已经做奶奶的王彩龙毅然报名成为一名铁路给水员。“男人们能干的活，我们女人一样能干，而且干得比他们好！”

　　1月9日，厦门北站的给水员班组在交接班前点名。新华社记者颜之宏 摄

　　对给水员来说，晴天时，列车扬起的灰尘让人“灰头土脸”；而在雨天中作业，不一会儿就会浑身湿透。9日下午，王彩龙和她的同事们在大雨中给列车补水，列车开行刮起的风快速带走股道上的热量，寒意袭来，王彩龙和她的同事们身体都在微微颤抖……

　　在今年的返乡途中，当您在列车上斟满一杯热茶或泡上一碗泡面时，看看窗外，或许能看到“水总管”们在春运大幕后的辛勤付出。

　　（文图：赵筱尘 巫邓炎）