百姓彩票玩法-在线用户注册平台 | 官网APP下载

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。

探寻数字时代“科技之魅”******

　　【乌镇聚焦】

探寻数字时代“科技之魅”

——2022年世界互联网领先科技成果发布

光明网记者 李政葳 李飞

　　11月9日下午，作为2022年世界互联网大会乌镇峰会重要板块之一，世界互联网领先科技成果发布活动在乌镇互联网国际会展中心举行。

　　发布厅内，蓝色弧形大屏幕搭配四周蓝绿交融的灯光，再有激光、3D等技术加持，现场科技感十足。观众席座椅上放置的“科技之魅”手册，介绍了15项世界互联网领先科技成果概况。这批成果重点聚焦全球互联网前沿技术与应用发展，并更加关注互联网基础理论创新和技术应用创新。

　　“以互联网为代表的信息技术日新月异，日益成为创新驱动的先导力量。成果发布活动为全球互联网创新科技成果展示、交流、推广搭建了国际化平台，通过发掘全球科技示范成果，共同探寻网络空间发展的新趋势。”专家推荐委员会中方主任、中国工程院院士邬贺铨说。

　　5G已来，6G不远

　　自从2016年首次举办世界互联网领先科技成果发布活动以来，5G的身影几乎历年都不缺席。近年来，随着5G建设的持续深化、创新应用的不断扩展，业界更多考虑如何充分挖掘5G潜能，为用户提供更为极致的体验。

　　来自高通公司的“全球首个集成5G AI处理器的调制解调器及射频系统”——骁龙X70便入选其中。“它将开启5G智能连接的新时代。”高通公司全球副总裁侯明娟介绍了骁龙X70具备的技术首创、特性丰富、应用广泛等三大领先优势，期待该技术为智能网联带来行业领先的5G连接体验，推动行业变革。

　　爱立信带来了“5G时间关键型通信使能远程操控”成果，重点瞄准以远程操控、XR（增强现实）等为代表的时延敏感类应用。爱立信中国区总裁方迎介绍，通过这项技术可以实时监控网络和终端的状态，预测潜在卡顿，为用户提供流畅的体验。

　　5G已来，6G还有多远？北京邮电大学教授、鹏城实验室研究员陶小峰现场给出答案。鹏城实验室联合北京邮电大学等推出了“EAGLE 6G：面向6G无线高速接入原型系统及测试环境”。他表示，6G新一代无线通信技术已成为全球研究热点，“未来我们将不断提升6G创新生态体系实力”。

　　备受关注的IPv6相关成果也榜上有名。中国联通副总经理梁宝俊在发布“‘IPv6+’标准制定、设备研制、组网设计及规模应用”时表示，在IPv6规模商用的基础上，不断面向5G、工业互联网和算力网络新需求，积极开展“IPv6+”技术和应用创新，不断增强IPv6网络的融合承载能力，在提升用户体验的同时，也可以保障网络安全。

　　走向智能，走向安全

　　近年来，“数字孪生”成为热词。经过4年的研究和创新，微软公司的“微软第一方数字孪生产品”不断走向应用。发布仪式上，微软中国副总经理赵军讲解了微软“数字孪生”：这是一个由点到线构成的知识图谱，不仅具有数字孪生技术服务能力，而且能与不同的数字化平台相结合，进而构成跨行业端到端的解决方案。“开发者可以利用‘数字孪生’定义语言，对物理世界进行定义，跟踪和追测现实与历史的环境数据，并支持多系统的数据投入。”赵军说。

　　辨别一条信息的真伪需要多久？中科院计算所给出的答案是：“动一动手指，只需一秒钟。”近年来，中科院计算所数字内容合成与伪造检测实验室主任、中科睿鉴创始人曹娟的团队一直在与网络谣言斗智斗勇。“面对信息谣言这一风险与挑战，数字内容伪造检测技术便应运而生。”曹娟在发布“睿鉴数字内容虚假伪造检测系统和设备”时表示，该成果集大数据底座、硬件设备、AI平台、应用场景于一体，并在此基础上研制出虚假信息检测系统“睿鉴识谣”。“它可以辨别取证伪造痕迹，让虚假文本、虚假图片、虚假视频无处遁形。”

　　在过去7次世界领先科技成果发布中，来自卡巴斯基的代表3次站上舞台。本次他们发布的科技成果依旧与网络安全密切相关。在介绍“卡巴斯基安全远程工作空间（基于卡巴斯基操作系统）”时，卡巴斯基大中华区总经理郑启良讲述了“网络免疫”的概念。“我们将方法、理念、安全架构融入操作系统中，实现操作系统的‘免疫’。”郑启良介绍，该解决方案的创新性在于不仅将端点安全性提高到了以往难以达到的水平，还改进了IT端点的生命周期。

　　科技强“芯”，数据驱动

　　毋庸置疑，芯片技术是科技领域中最为重要的技术之一。本次成果发布中，龙芯中科的“龙芯3A5000/3C5000处理器芯片”也位列其中。“两个处理器（3A5000/3C5000处理器）的性能逼近或达到市场主流产品的水平，可满足行业信息化及云数据中心等应用需求。”龙芯中科董事长胡伟武说。

　　据了解，该成果已广泛应用于电子政务、能源、金融、电信、教育等领域。比如，在国内，统信、麒麟等操作系统，欧拉、鸿蒙等操作系统社区，办公软件、微信、QQ、钉钉等基础应用，均推出了“龙架构版本”。

　　在本次发布的15项领先科技成果中，有三家国内高校机构代表发布成果，这也彰显了高校在互联网科技研发领域发挥的重要作用。其中，清华大学发布了“大规模知识图表示学习的体系化基础算法及开源工具”，北京大学发布了“基于数字对象架构的数联网及大数据互操作技术”，浙江大学发布了“大规模图神经网络模型端云协同计算平台和应用示范”。

　　在领先科技成果评选过程中，世界互联网大会前期征集到来自中国、俄罗斯、美国、英国、瑞典等国家的近300项优秀成果，近40位来自全球互联网领域的知名专家组成推荐委员会，申报成果也涵盖了5G/6G、基础操作系统、图计算、人工智能等互联网前沿技术领域。

　　“在全球领先科技人才和企业的广泛参与下，一批又一批领先科技成果在互联网技术创新的征程上熠熠生辉，为国际交流互鉴和科技成果转化照亮前行之路。”邬贺铨说。

　　《光明日报》（ 2022年11月10日 10版）

　　（文图：赵筱尘 巫邓炎）