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。
“钢轨医生”春运故事：零下2℃为高铁隧道“把脉问诊”******
(新春走基层)“钢轨医生”春运故事：零下2℃为高铁隧道“把脉问诊”
中新网宁波1月16日电(林波 朱小刚)“李康，晚上施工你负责下行侧隧道边墙检查。”“吴海瑞，你和王达负责清运杂草，夜间天气寒冷，大家都注意保暖。”“好的，我们会按标作业，注意保暖。”
窗外，夜色浓烈，凛冽的寒风呼呼地吹着。室内，灯火通明，回荡着阵阵应答声。
近日，在中国铁路上海局集团有限公司宁波工务段椒江桥隧工区会议室里，工区班前点名会正在举行，该工区工长王海松对7位职工的工作进行分工。
当日23时，职工们按照各自分工到工具间准备作业用的机工具。
此时，深夜江边雾气来袭，短时间内能见度不到10米，只有几盏头灯闪烁着微弱的光。幸运的是，不一会儿雾气就有所消散，“钢轨医生”们搭乘工程车，赶赴杭台高铁下北山二号隧道进口，等待进网作业命令。
命令下达后，他们进入隧道，分三组进行作业。
隧道拱顶混凝土结构检查现场。 王威 摄据悉，下北山二号隧道全长429米，虽是一座短隧道，却是华东地区第一座单洞四线隧道，也是台州站进站咽喉口，在杭台高铁全线位置非常重要。
作业现场，他们利用检查锤、照相机、望远镜和限界测量仪等检测工具，对隧道衬砌、基础沉降和限界等技术指标进行检查。
在工友照明灯的配合下，王海松利用60倍变焦望远镜，对隧道拱顶的混凝土结构进行检查。隧道里温度较低，湿度较大，灯光也不够亮，王海松和工友配合着对隧道拱顶混凝土结构进行逐个分段分格检查。
“这次有雾气，所以镜头不太清楚，只有频繁清理镜头，才能看得更清楚、更准确。”每隔一段时间，王海松就停下来对望远镜进行擦拭，确保现场观测的精准度。
在仔细检查隧道衬砌后，他们又打开中心水沟盖板，对水沟进行检查，这时王海松发现水沟里有一处细小的泥土淤积，约一厘米高。
“短隧道火车快速行驶，尘土、铁屑等杂物容易被吹进来，在中心水沟形成淤泥堆积，我们要用铁锹等工具把淤泥处理掉，确保排水通畅。”王海松如是介绍。
与此同时，另外两组人利用检查锤，对隧道上行侧和下行侧的边墙进行敲击，确认墙体是否有空响，并对高铁未开通前整治过的细小问题进行复检。
检查记录现场。 王威 摄“95后”职工李康在该工区从事桥隧检修作业已经有8年，每天0时到4时的四个小时作业里，他做的工作简单又重复，就是用检查锤不断敲击边墙或者拿着本子对数据进行记录。
当日凌晨，隧道里的温度已下降到零下2℃，李康的脸上却冒出了汗。
“我们在敲击过程中，每一步都得仔细、认真，每一块都不能漏下，并把问题全部记录下来，立马去现场整治。对我们而言，这项工作虽然很累，但还是感到很自豪，能为列车运行安全做最好的保障。”李康如是说。
2023年的春运是杭台高铁开通后的第二个春运。其间，这些“钢轨医生”们将对铁路沿线隧道、桥梁等设备进行加密检查，对相关技术指标进行“把脉问诊”，确保高铁旅客安全出行。(完)
| 彩云网地图 |
