点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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。
跨越千年的传承与创新：浙江辑里湖丝“复活记”******
中新网湖州1月11日电(施紫楠 姚玲利)走进浙江省湖州市南浔区南浔镇辑里村，一间木屋内，年过七旬的顾明琪坐在老式木质缫丝车前，有节奏地踩踏踏板，放置在盆里的蚕丝被缓缓拉出。
蚕茧拉出的蚕丝(资料图) 沈勇强 摄“温度调至90摄氏度开始煮茧，用稻草芯粘起蚕丝，先绕再钩，再绕到丝车上，按照车的惯性拿脚踏着，可以拉到1400米。”作为国家非物质文化遗产代表项目蚕丝织造技艺(辑里湖丝手工制作技艺)代表性传承人，顾明琪对缫丝技艺如数家珍。
在顾明琪的记忆里，小时候村里家家户户都养蚕抽丝。8岁时，他就跟着父母学习辑里湖丝手工制作技艺，一坐就是大半天，后来更是经常花上一整夜钻研一个细节，直至熟悉掌握传统缫丝的全部技艺。
作为名副其实的“丝绸之府”，湖州丝绸市镇的形成始于宋代，盛于明清。辑里湖丝因产于辑里村而得名，具有“细、圆、匀、坚、白、净、柔、韧”八大特点，一根湖丝能穿起8枚铜钱。
中小学生参加蚕桑主题系列研学(资料图) 沈勇强 摄明朝中期，“辑里丝”被指定为皇帝龙袍用料，从此声名鹊起；1851年，“辑里丝”在英国伦敦举办的首届世博会上一举夺得金、银大奖，更让“辑里湖丝甲天下”的美誉闻名国际。
近年来，随着机械化缫丝技术的发展，大批手工技艺被埋没甚至遗失。为了更好保留缫丝传统技艺，顾明琪“抢救”下要被丢弃的老缫丝车，如今仍使用它制作湖丝。
堆放在一起的蚕茧(资料图) 沈勇强 摄“我们这一代不保留的话，就没人保留了。不光是我学，我还让儿子、儿媳妇和孙子都学。”2014年，顾明琪还对《辑里湖丝手工制作技艺》进行编纂，到多地进行考察、调研，收集大量图片和历史资料，共计5万余字。
让顾明琪感到欣慰的是，湖州各方也在努力传承这项非遗文化，如开展面向中小学生的蚕桑主题系列研学体验，开设蚕丝绸文化科学研究，聘请非遗传承人担当学生选修课和劳动实践课校外导师等。
时间的齿轮不断向前，丝绸的故事仍在继续书写。如今，非遗不仅“活”了起来，更“亮”了起来。
蚕丝织造技艺(辑里湖丝手工制作技艺)创新应用人、中国科学院上海微系统与信息技术研究所副所长陶虎早就带领团队开始尝试辑里湖丝的创新。由于蚕丝光学性能较好，他们提取出蚕丝蛋白制成存储硬盘。
“蚕丝制成的硬盘不但可以在很高密度下储存数字信息，还可以和血液DNA(脱氧核糖核酸)药物、抗生素、疫苗很好地兼容在一起。”陶虎介绍，这款蚕丝硬盘也成为一款生命信息和数字信息可同步存储的硬盘。
一根蚕丝链接大千世界，一根蚕丝将科技引向未来。当下，陶虎团队正在做视觉恢复探索，利用蚕丝天然抗菌、可降解的优势，首创蚕丝脑机接口，从而降低大脑损伤，且排异反应小。
“镶嵌在头上，像小犄角一样。我们用外面的传感器获取这些图像，通过脑接口绕过视觉系统，目前已在大动物和癫痫病人身上做了试验。”陶虎说。
传统的非遗文化与现代科技结合，闪现出更耀眼的光芒。正如中国民间文艺家协会主席潘鲁生所言，“曾经蚕丝制作的绢本，记载文明的历史；如今蚕丝制成硬盘，实现了技术的永生。”(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
大发平台地图 |
)