一分pk10 - 一分pk10

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。

海外网评：美国政客的拙劣反华表演违背历史潮流******

　　当地时间1月10日，美国会众议院通过决议成立“中国特设委员会”，以应对中国对美国构成的所谓“多方面威胁”。1月11日，中国外交部发言人汪文斌回应称，希望美方有关人士客观理性看待中国和中美关系，从美国自身利益和中美共同利益出发，同中方相向而行，推动发展相互尊重、和平共处、合作共赢的中美关系。

　　该委员会的成立是第118届美国国会众议院正式开议后通过的第二项决议。如此着急地成立这样一个委员会，暴露了麦卡锡是多么急于稳定和巩固自己的地位。对一个用了4天时间、经历了15轮投票才勉强当选的众议长来说，麦卡锡第一时间展现强硬对华立场，无非是要表现他“兑现”了在中期选举前许下的“承诺”，也是为了安抚共和党内那些一直反对他出任议长的最极端、最激进的议员。从这个角度来说，新国会通过的第二项决议便赤裸裸地针对中国，其中的政治表演成分实在太过明显。

　　值得注意的是，成立该委员会的决议在众议院以压倒性的优势获得通过。在政治极化、两党高度对立的美国，两党竟然只能在对华议题上找到“共识”，足见当下弥漫在华盛顿政治圈的对华焦虑是多么严重。两党政客的这种合流很可能将中美关系推向更危险的激流险滩。彭博社评论说，这反映出美国政客中存在一种普遍情绪，要求采取对抗性策略来遏制世界第二大经济体。全球咨询公司特内尔常务董事加布里埃尔·维尔道撰文说，这个新的特别委员会所带来的政治压力，可能会迫使拜登政府对中国采取更加强硬的立场，影响到那些在中国开展业务的跨国公司。

　　沉迷于政治表演的美国政客们该睁眼看看，持续破坏中美关系的行为，最终也会令美国自身受伤。以特朗普时代实施的至今仍未解除的对华关税措施为例，美国民间反关税组织“关税损害美国”的数据显示，迄今为止，美国政府发动的关税大战已经给美国农业、零售业、制造业、商业及消费者造成了超1340亿美元损失。彼得森国际经济研究所2022年10月发布的报告指出，关税损害了美国的制造业产业、就业和出口，也在一定程度上损害了美国公司在美国和国际市场上的竞争力。在题为《在中国问题上，国会是自己最大敌人》的文章中，彭博社专栏作家米希尔·夏马尔表示，美国（对中国）筑起高墙，导致本国企业损失数十亿美元。世界各国都认识到全球化对提高各国竞争力和繁荣至关重要。不幸的是，美国政界太多人忘记了这一点。

　　美国政客的拙劣反华表演违背和平、发展、合作、共赢的历史潮流。中美关系今天出现的种种困局，与美国政客始终难以摒弃“冷战思维”密切相关，始终沉溺于大国对抗和“冷战胜利者”幻象中的美国，该醒醒了。（聂舒翼）

　　（文图：赵筱尘 巫邓炎）