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。

城市书屋，市民的“另一个家”******

　　【新春走基层】

　　光明日报记者 丁艳 王胜昔

　　“我很喜欢这个书屋！每次，我都会喊上几个同学一起来读书，累了就透过落地窗看看架子山的风景，或在外面的圆桌上一起讨论读书收获。有了书屋，我们的假期更充实了！”河南省信阳市羊山外国语小学六年级学生陈玥岐说。

　　记者看到，临近春节，城市书屋里坐满了前来阅读、休闲的市民。大家在这里体验到了不一样的获得感、幸福感，亲切地称它为“另一个家”。

　　陈玥岐神采飞扬地说：“我在这里已经把四大名著读了个遍。观三国烽烟，识梁山好汉，叹取经艰险，惜红楼梦断。书里神机妙算的诸葛亮、威风凛凛的武松、性格迥异的唐僧师徒等都让我难以忘怀。这个书屋环境舒适，藏书也很丰富。我和同学们都被中华传统文化的博大精深吸引。”

　　城市书屋不仅是孩子们的乐园，而且改变了周围市民的生活方式。自从有了城市书屋，大家的生活就添了一缕书香。时尚阅读室里，大爷们翻阅报纸查看各地新闻；儿童阅读室中，孩子依偎在妈妈身旁，眨巴着眼睛，听妈妈轻声讲着绘本故事……

　　书屋管理人尹秀秀经常被市民们的读书热情打动。“晚上9点，还有很多小朋友在这里阅读，看到认真的他们，我很感动，更加深刻地体会到‘美好生活看信阳’。”

　　“最是书香能致远，一屋芬芳润万家。”信阳市政协副主席、羊山新区党委书记刘璇坦言，建设城市书屋，是回应群众关切，健全公共文化服务体系，创造美好生活的生动实践。

　　据了解，除了读书品茗，城市书屋还有许多功能。书屋的社区课堂可以通过“两个更好”小程序预约，发起读书沙龙、文化交流和社区活动。书屋的商店，可以通过“两个更好”小程序链接信阳特色商家，扫码下单文创产品和本地助农产品，送货到家。

　　当地以书屋为圆心，连接更多的文化空间和群众文化活动。书屋东边的小广场是城市公共非遗空间。每个节气，都会举办热闹的市集活动，让更多人对非遗承载的中华优秀传统文化有感性的认识，让非遗融入都市人的生活。室外的儿童游乐场、休闲跑道则是小朋友放飞童心的快乐天地。

　　“有一片绿绿的大树,怀抱着小小的暖屋，屋顶有美丽的小花,站在金色阳光下。有许多暖暖的故事,都住在小小的暖屋,只要你静静去聆听,它能教会你幸福……”如歌曲《小暖屋》歌词中描绘的那般，城市书屋干净而优雅，美丽而朴实，智慧而温馨，用书香浸润着整个城市，引领着新年的新风尚。

　　《光明日报》（ 2023年01月09日 03版）