彩神ap计划-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。

我国数字经济发展进入数据驱动新阶段******

　　1月4日，中国信息通信研究院在“第五届数据资产管理大会”发布的《大数据白皮书》(以下简称《白皮书》)显示，我国大数据技术产业整体水平大幅提升，已形成数据存储与计算、数据管理、数据流通、数据应用、数据安全五大核心领域。

　　从《白皮书》披露的数据看，我国大数据发展环境持续向好，创新能力不断增强，生态体系持续优化，市场前景广受认可。

　　从创新能力看，2021年我国发表大数据领域论文量占全球31%，大数据相关专利受理总数占全球超50%，均位居第一；从生态体系看，2021年我国大数据市场主体总量超18万家，形成了大企业引领、中小企业协同、创新企业不断涌现的发展格局；从市场前景看，2021年我国大数据相关企业获投总金额超过800亿元，创历史新高。

　　“2022年，我国在政策、人才、资金等方面持续加码，为大数据后续发展注入强劲动力。”中国信息通信研究院院长余晓晖特别指出，《关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称《数据二十条》)的印发，是我国探索数据要素价值释放、做强做优做大数字经济迈出重要一步。

　　尽管我国数据生产要素制度建设再获关键政策支撑，但未来发展，还要看大数据技术产业，即五大核心领域如何应对挑战。

　　针对《白皮书》罗列的各项挑战，中国信息通信研究院云计算与大数据研究所所长何宝宏以数据流通领域为例指出，数据流通技术提供了“数据可用不可见”“数据可控可计量”的数据服务新范式，数据流通市场逐渐从“以数据产品为主”向市场驱动的“以数据需求为主”转变，挑战也越发凸显，比如，数据权属界定的场景与问题复杂，对参与数据流通的主体权利关系，理论、制度和产业实践层面均尚未形成共识；数据的估值定价尚缺乏科学、标准的评价方法；数据流通的准入、竞争等行为约束没有清晰的法律界定，配套规则不完善；隐私计算等数据流通关键技术应用不成熟。

　　谈及被列为首位挑战的数据权属界定，北京大成律师事务所合伙人张建民说：“从土地到石油，生产要素的产权界定是牵一发而动全身的大事，数据确权也是数据基础制度体系最为核心的问题，是数据要素市场化的逻辑起点和法律前提。《数据二十条》将弥合此前关于数据确权的各种分歧，引导各方将力量集中到更为细致的制度研究和设计上。”

　　数据流通的重要前提是数据开放，它所带来的安全挑战来自何处首先需要廓清，《白皮书》给予明确：数据安全责任体系构建尚不成熟，数据安全的主体责任边界模糊；具体业务场景下的技术落地仍然缺乏实践指引，数据安全管理与技术易脱钩；传统网络安全防护思路与措施无法满足当下的数据安全防护需求。

　　“对数据开放中的安全性、合规性、权益分配等方面的考量，在一定程度上阻碍了数据的互联互通与价值实现，市场因而呈现‘数据需要开放，却又难以开放’的困境。”中国电子数据治理工程指挥部技术部主任国丽认为，解决这一矛盾需要扎实的安全技术支撑，需建立覆盖产权、流通、分配、治理的一体化的数据安全与数据要素化工程体系。

　　以《数据二十条》出台为标志，我国数字经济发展从技术引领进入到数据驱动的新阶段，中国电子信息行业联合会秘书长高素梅强调，目前我国数据管理的水平仍然处于初步发展阶段，数据管理的科学性、规范性、实用性仍然影响数据要素市场的进一步培育与开拓。（刘艳）

　　（文图：赵筱尘 巫邓炎）