一分彩-一分彩

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。

寻找博物馆里的“兔文化”******

　　走进沈阳博物馆一楼大厅，就能看到“百兔图”。这100幅兔子形象的画，是由100位小朋友在“寻找国宝里的小兔子”文化专场活动中画的。沈阳博物馆社教部主任姜欢表示，博物馆通过举办系列活动，营造浓浓的新春氛围，同时普及生肖文化、传播生肖故事，让孩子们在趣味活动中感受中国传统文化的独特魅力。

　　百名小朋友，共绘“百兔图”

　　“寻找国宝里的小兔子”系列活动，是沈阳博物馆在兔年春节来临之际精心策划的，通过“送福、画兔、寻宝”等丰富多彩、年味十足的文化活动，让观众享受博物馆送去的“文物新春礼”。其中，“沈博邀您画兔”是专门为全市青少年学生打造的文化专场，1月11日至15日每天一场，通过多个活动环节，带孩子们了解家乡沈阳的历史文化，感受城市博物馆的文化魅力。该活动一经推出，便受到观众们的喜爱，报名异常火爆。

　　活动中，中小学生在社教老师的带领下，开启“兔年讲兔、共绘百兔、穿越寻兔”之旅。目前摆放在博物馆一楼的“百兔图”，就是孩子们在活动现场绘制的。“在社教老师发问、孩子们举手参与的过程中，《嫦娥奔月》、兔年生肖等故事都会深入孩子们心中。大家凭借着自己的想象，画出了属于这个春节的兔子。”姜欢说，将这些画放在馆内展示，也是为了激励孩子们积极走进博物馆。

　　穿越千年，寻找文物上的小兔子

　　“寻找国宝里的小兔子”系列活动中的“重头戏”，自然就是“穿越寻兔”了。活动中，孩子们一边听社教老师的讲解，一边认真欣赏每一件文物。

　　“找到了，找到了！”在五场文化专场活动中，姜欢最喜欢听到孩子们找到“小兔子”时欢欣鼓舞的声音。这个兔子的形象，出现在沈阳博物馆的“镇馆之宝”之一——辽代白釉黑彩梅瓶上。据了解，每场活动大约有30组家庭，孩子们找到兔子后，会非常激动地告诉社教老师，其余孩子也会一起围过来仔细欣赏，他们的眼神里充满了求知欲，讲解员也会借机将这件文物的“前世今生”细细讲给孩子们听。“策划这个活动，就是希望在春节前搭建亲子互动平台，让沈阳博物馆能够成为青少年群体的研学阵地。”姜欢说，这个活动得到了家长们的认可，很多家长认为在兔年春节前举办活动很有意义。

　　创新活动形式，让文物活起来

　　白釉黑彩梅瓶出土于沈阳康平张家窑林场长白山4号墓，造型古朴。瓶身通体施白釉，以黑彩绘有包括兔子在内的五只动物，并按照真实比例分布。其中，鹿、羊和两只狗体积较大，均匀绘在梅瓶的四个面，两只狗的位置相对，中间以鹿和羊相隔，在瓶身上形成了狗追鹿、狗追羊的场景。

　　活动中寻找的小兔子，位于梅花鹿下方。梅瓶上的兔子形象灵动，四条腿壮硕有力，好像正要跃起，后方还绘有草叶纹的图案。兔子与其余四只动物以同一方向奔跑的姿态呈现，整个绘画手法写实而生动。

　　这件白釉黑彩梅瓶具有极高的历史价值、艺术价值和文化价值，是沈阳厚重历史与多元文化的重要代表器物之一。“在兔年春节到来之际，我们以这只小兔子为活动策划的灵感，将博物馆的社会教育职能与千年前的文物相结合，守正创新，让文物活起来！”姜欢说。

　　沈阳日报、沈报全媒体记者 刘海搏

　　(《沈阳日报》 2023年01月19日  12版)

　　（文图：赵筱尘 巫邓炎）