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。

“洋面孔”赶场国家非遗马街书会：“这真是难忘的经历”******

　　(新春见闻)“洋面孔”赶场国家非遗马街书会：“这真是难忘的经历”

　　中新社河南宝丰2月3日电 (记者 韩章云)“一日能看千台戏、三天胜读万卷书。”中国首批国家级非物质文化遗产代表性项目马街书会3日在河南宝丰鸣锣开唱。这项传承七百余年的民间曲艺盛会今年吸引多位外国观众前来赶会，切身感受中国曲艺的魅力。

　　马街书会位于河南宝丰县城南7公里的马街村，是中国民间规模宏大、形式独特、内涵丰富的说书(表演)大会。

　　2月3日是中国农历正月十三，马街书会的正会日子。当日，来自全国各地的曲艺人负鼓携琴汇聚于马街村开阔的麦田里，以天作幕，以地为台，打起简板，拉起琴弦，说书亮艺。听书爱好者扶老携幼，从四面八方赶来。

　　赶会者中，金发碧眼的克莱夫十分引人注目。一向喜爱中华传统文化的他在朋友的带领下第一次赶场马街书会。他不时按下相机快门，记录曲艺人生动的演出形象。

　　“我来自英国，目前是河南洛阳一所高中的英语教师，也是洛阳女婿。”克莱夫说，在中国居住的十多年，他喜欢用摄影的方式记录各地独特的人文风貌，这次参加马街书会，让他倍感震撼。

　　“难以想象艺人们用简单的乐器就能凑出欢快的曲调，虽然我听不懂他们在唱什么，但是那种快乐的氛围感染着我。”克莱夫告诉中新社记者，为了真实感受曲艺人在马街书会期间的生活状态，2日晚间，他和各地的曲艺人一起住在“艺人之家”，“这真是难忘的经历。”

　　当日，来自非洲津巴布韦的姑娘裴心，在朋友的陪伴下一早就从临县赶到马街书会。会场百花齐放的曲艺展演、喧闹的锣鼓队、精彩的舞龙舞狮表演，令她目不暇接。

　　已在河南生活多年的裴心表示，马街书会就是她心中的“中国狂欢节”，这场曲艺盛会将原本就热闹的中国春节推向了高潮。“马街书会场面宏大，我在这里听到不同的乐曲，非常开心。”

　　河南中医药大学德国留学生无名则是有备而来。2日，他专程赶到被誉为马街书会“活化石”、103岁的曲艺人余书习家，听老人弹三弦，请教马街书会历史。此经历被无名拍成短视频呈现在网络平台上，受到众多网友点赞。

　　3日，无名在马街书会现场观看了历届“书状元”展演、两个剧团“对戏”，还见到中国著名评书艺术家刘兰芳现场说《岳飞传》。在无名看来，麦田上的马街书会热闹又接地气，他期待以后能更多地参与其中，学习中国曲艺，“毕竟现在学习中华传统文化就是最大的‘潮’”。(完)