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。

“民禁挡”禁得了抖音小红书，禁得了民心吗？******

　　台湾行政主管部门26日将讨论抖音等相关议题，发言人罗秉成日前表示，并不限于抖音，还将广泛性讨论大陆制APP，检视相关议题。

　　此言一出，岛内舆论哗然，直指这是台当局企图以“修法”手段进一步管制大陆软件，其实质是“逢陆必反”的政治操弄。岛内有识之士反问，“民禁挡”禁得了抖音小红书，禁得了民心吗？

　　“逢陆必反”是民进党当局的惯用伎俩

　　岛内媒体此前报道，除抖音、小红书外，台湾年轻人爱用的大陆APP还包括新浪微博、微信、淘宝、腾讯、哔哩哔哩、爱奇艺、百度百科和知乎等，通过这些软件获取资讯、交友聊天、丰富生活、购买商品等已成为台湾年轻人习惯的日常生活。

　　此番关于全面禁止使用抖音等大陆APP的讨论并非“创举”。此前，民进党当局已全面封杀淘宝、爱奇艺等APP。近日，民进党当局“数位发展部”将抖音和Tik Tok定义为“危害台湾资通安全”的产品，并下令禁止岛内公务机关使用。

　　针对各界关注管制范围是否会扩及民间，台当局行政主管部门称，禁止某个APP需要所谓“法律”授权，但是否有制定“法律”的必要、是否能达到封锁效果，都需要多方讨论与搜集资料加以研究，现阶段正在搜集各个国家及地区的立法资料。

　　对此，岛内媒体直言，民进党当局企图通过所谓“修法”谋求程序合理，对相关软件进一步加以限制只是时间早晚问题。民进党当局最害怕的就是台湾民众看到真实的大陆环境，看到两岸同胞走亲走近的精彩日常。

　　封杀抖音致岛内民怨沸腾

　　抖音最初是诞生于大陆的一款短视频社交软件，由于新颖活泼的形式和丰富有趣的内容，深受包括台湾民众在内的全球各地年轻人喜爱。

　　Tik Tok从2018年起便在台湾设立运营团队，一上线迅速成为台湾地区下载量第一的短视频APP。台北大学教授郑又平日前在电视节目中介绍，目前抖音在台湾的用户数量至少有500万活跃用户，尤其在台湾初中生和高中生群体中非常受欢迎，抖音、小红书已成为他们日常生活中不可或缺的快乐源泉。

　　不仅如此，在为台湾民众带来欢乐的同时，抖音等软件也为不少乐于分享、创作的视频博主赚取了收益。

　　自新冠肺炎疫情以来，岛内经济愈发下行，通货膨胀愈发严重，失业率亦居高不下。面对民生困境，民进党当局拿不出强有力的政策促进就业，反而企图对如此受欢迎的APP禁用，无异于砍断岛内民众自谋生路的手脚。

　　岛内有识之士直言，民进党当局的相关举动让台湾年轻人真正看穿了意识形态挂帅的结果，只会为台湾年轻世代带来困扰，终将被民众彻底唾弃。

　　两岸民众走近走好势不可挡

　　早在今年3月，针对民进党当局炒作大陆通过抖音、小红书等散布虚假消息操作所谓“认知作战”，国务院台办发言人朱凤莲就曾回应，民进党当局出于一党之私，蓄意阻挠破坏两岸民间交流，说到底是害怕两岸同胞走近走好，害怕台湾民众了解大陆的真实情况。

　　就在本月22日，台湾社交平台PTT掀起了一场年轻人爱用小红书、抖音的延伸话题。一名台湾高中生在接受采访时表示“透过小红书、抖音看到的大陆，跟老人口中的大陆完全不一样”。此番言论引起广泛讨论，网友在数小时内留下了上千条留言。

　　有网友表示“‘仇中’的变老人了”“‘台独’老人是不是已经跟年轻人有代沟、隔阂，甚至是产生矛盾了？”也有人表示“新一代觉青不被绿媒洗脑”“台湾的政治也是，会把大陆丑化吧”……

　　显然，随着网络时代的来临，岛内民众可以愈发便捷地了解到事实真相。同时，当越来越多的诉求被忽视、越来越多的谎言被识破，两岸走近走好、和平稳定发展的民意愈发成为主流。

　　正如台湾《联合报》日前刊发文章指出，两岸民间交流是自然自发形成的生态，不会因为一点小小的政治阻隔而消失，更不是民进党当局通过政治力量想阻隔就能阻挡得了的。

　　(中国新闻社微信公众号 记者 穆朗)