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。

【新闻随笔】春节广受关注，“中国风”带暖世界******

　　作者：董川(北京语言大学联合国研究中心兼职研究员)

　　中国农历新年是中华民族最隆重、最热闹、最喜庆的节日，承载着中华民族几千年的历史和文化传统。从非洲埃及到南美洲巴西，从纽约帝国大厦到悉尼歌剧院……刚刚过去的中国农历新年在世界各地掀起了“中国风”，世界各地的人们纷纷加入欢庆中国农历新年的行列，享受春节文化，表达对美好生活的期盼。

　　中国农历新年之所以引起世界广泛关注，首先要归结于中国经济发展和国际影响力的提升。据统计，2013至2021年，中国对世界经济增长的平均贡献率达到38.6%，超过G7国家贡献率的总和，是推动世界经济增长的第一动力。联合国近日发布的《2023年世界经济形势与展望》报告预测，受多重因素交汇影响，2023年世界经济增速将从2022年的约3%降至1.9%；但中国经济增长将会加速，预计达到4.8%，成为带动区域经济增长的龙头。

　　中国农历新年之所以引起世界广泛关注，离不开海外华侨华人的贡献。国家有需要时，华侨华人总是第一时间驰援。华侨华人对中国的贡献贯穿了从辛亥革命、抗日战争、解放战争、社会主义建设、改革开放，一直到中国特色社会主义新时代的全过程。海外华侨华人是中华文明和中国文化最重要、最直接的传播者和展示者。每逢中国农历新年之际，海外华侨华人都会举行巡游、展览、音乐会、庙会等形式多样的庆祝活动，向世界展示博大精深的中华传统文化。目前，中国农历新年相关民俗活动已走进全球近200个国家和地区，有约20个国家将春节列入该国整体或部分城市的法定节假日。如今中国农历新年已成为世界性的节日符号，成为各国人民了解和感知中国的一扇窗口。

　　中国农历新年备受世界关注是一件好事，有助于让世界各国人民更多了解中国文化，更加清晰地感知可信、可爱、可敬的中国形象。但是在庆祝过程中，也要注意以下几点：

　　一是要精心挑选和准备庆祝形式和内容。我们很高兴地看到中国书法、民乐、绘画、剪纸、武术、茶艺等优秀传统文化，通过中国农历新年呈现给世界各国人民。但我们也看到有的地方在庆祝活动中出现了一些封建迷信的内容，由此给海外观众带来的感官效果值得反思。

　　二是在庆祝活动中要更加注重内涵挖掘和文化诠释。中国传统节日如春节、清明节、端午节、中秋节等，是中国人民生活情感的共同表达，承载着中华民族共同的文化记忆，其中蕴含的天人合一、慎终追远等人文精神厚重绵长。除了在形式上展示，还需深入挖掘传统节日的文化内涵，向海外民众多渠道诠释中国传统节日厚重的历史感和文化价值。

　　三是加强文化的双向交流。既要大力弘扬农历新年等本民族节日文化，也要积极学习吸收其他民族和国家的节日文化，推动文明互鉴。文化交流是国家间交往的桥梁，只有双向互动、双向流通，才能实现各美其美，美人之美，美美与共，天下大同。

　　《光明日报》( 2023年01月31日 02版）