大发平台返点_大发平台官网平台

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。

让真正的科学火起来******

　　【科学随笔】

　　作者：崔兴毅、张辰龙（均系南京航空航天大学博士）

　　当下，科普很热，伪科普也很热。

　　一面是追着新冠跑、比疫情更难防的伪科学。诸如“吃大蒜可治新冠”“我家自来水阳了”等视频流传网络；诸如可抵御病毒、预防新冠的花式商品在网店热卖。它们中，有的打着“高科技”旗号，有的则是人们熟悉的“老面孔”。

　　一面是科普盛宴“出圈”，“好玩”的科学“圈粉”无数。在中科院联合抖音举办的2023跨年科学演讲中，诺贝尔奖得主、院士学者分享了大脑信号、航空航天、黑土地保护、电磁学等前沿科技，抖音直播间观看人次突破2500万。

　　科学热中真与假的对撞，反映的正是公众对科学知识的渴望。当人们信息获取的需求通过移动终端被大量释放后，科普方式就应及时“换挡升级”。在公众科普的语境中，更加立体、全面的体系正在被构建，更新潮、更便利的方式极大缓解了科普“不平衡、不充分”的矛盾。还有在跨年晚会云集的平台中突围出的一场跨年科学演讲，以知识的普及辞旧迎新，显然是令人欣喜的现象。

　　不可否认，当下有效知识的供给依旧不足，这直接影响着人们对知识的获取。由于科学暂时无法满足人们的所有需要，伪科学便可乘虚而入。一些网络博主，为博眼球聘请所谓“专家”，编造“科学流言”，迎合公众猎奇心理；有的蓄意炒作，制造“健康焦虑”，让产品营销披上健康科普的外衣。这些依靠情感赢得信赖的虚假信息，又借助社交媒体的熟人效应，在公众舆论场如石子投湖般一圈一圈传播开去，让公众感觉更加混乱——即便同一个主题和话题，也可能看到各种不同甚至有些彼此矛盾的解读。

　　事实上，科学本身就是一种进程。在对物质世界的探索中，科学家们往往会得到很多不同的结论，有些甚至是对立的。这些并不是“伪科学”，而是需要在不断地研究中去伪存真。这种学术观点之争并不是我们本篇文章讨论的内容。

　　很多虚假信息的传播，是大量依靠“俘获”受众情感，而并非以事实为基础。当然，在科学传播中，事实与情感并非截然对立，或者说不需要情感的力量。现在，半数以上的移动端用户具备一定教育背景，科普的受众呈现出年轻化、高学历的特点，覆盖人群也已拓展到白领、大学生、企业管理者、人文学者等。他们排斥枯燥无味的灌输式科普、说教式科普，对有趣有料的科普，更加喜闻乐见。这种受众多元化、异质性的特点，决定着科普必须与时俱进，一方面专家得“懂行”，另一方面内容得“好玩”。

　　那么，作为非科技工作者该如何分辨这种信息呢？这很难，需要学校和社会同时发力，提升全民科学素养需要一个比较长的时间尺度，并非一日之功。

　　在现阶段，科普首先能做的是丰富内涵——不仅仅是科学知识，还应该包括科学精神、科学思想和科学方法等。现在社会上伪科学传播很快，恰恰表明当下公众的科学方法、思维、知识还没有那么高、那么好。以此次新冠疫情为镜，折射出的正是一些公众科学素养亟待提升的现实。包括“冷核聚变”“基因编辑婴儿”等事件，一定程度上没能让公众更加理解科学，反而会让他们更加质疑科学。所以，如果希望通过科普培养公众的科学理性，让人们掌握科学方法，理解科学精神，那么就需要把科普从“解释科学是什么”转向“科学为什么”上。因为“科学的精髓是其方法”，如果只向公众讲解科学的成果和发现，而不讲解严格的科学方法，那么人们何以区分什么是科学，什么是伪科学。

　　科学实验中的曲折有时比科学成果本身更吸引公众。科学就是在试错的过程中发展起来的。科学往往是先设立假说，然后针对这些假说进行试验。科学在探寻真相的征途上探索着，踉踉跄跄地蹒跚前行。当一种假说被证伪时，假说的提出者当然会很沮丧，但是，这种证伪恰被认为是科学事业的精髓所在。

　　广大科技工作者在进行科普时，不妨用一种引人入胜的方式来讲述他们走过的路，陈述成果，也呈现探索曲折的过程；点明结论，也聊聊千百次试验运用的方法。只有在真诚沟通中传递科学精神的内核，提高人们对科学类流言的“免疫力”，才能让公众拥抱一个温暖而不是冷冰冰的科学。

　　《光明日报》（ 2023年01月12日 16版）

　　（文图：赵筱尘 巫邓炎）