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。

学方言、手绘巡线地图 南宁铁警“接地气”保春运安全******

　　莫献忠对欲穿行大桥的村民进行劝导。　吴骆霞　摄

　　中新网南宁1月12日电(胡宏)警察、“水手”“绘图师”都是他的职业，他用自己接地气的做法守护着千年古镇扬美附近的铁路运输安全，今年春运是他坚守的第13个年头。

　　莫献忠是南宁铁路公安局南宁公安处南宁南站派出所的一名线路民警，2010年他来到扬美警务区，这里毗邻扬美古镇，每当高铁驶过古镇，现代与传统便在这里相遇。

　　莫献忠走在扬美古镇街上。　胡宏 摄

　　莫献忠管辖铁路线路43公里，横跨几十个自然村，点多线长并且学校众多，最近的一所学校距离铁路只有40米。特别是27公里长的老南昆线，多为低路基，沿线村民为了方便日常生活劳作，经常会横跨线路。

　　走村串户开展安全宣传自然成为莫献忠工作中的重要内容。作为“外来户”，不懂方言成了莫献忠开展工作的第一个“拦路虎”，于是他就把护路队员当“老师”，一字一句地向护路队员学，从说话开始慢慢融入当地群众当中。

　　“开展群众工作，不能光讲法律，要多站在他们的角度去帮助他们解决实际问题。”莫献忠说。

　　莫献忠到村民农场开展安全宣传。　胡宏 摄

　　2018年，村民反映村口主要铁路交通涵一下大雨就积水，行人车辆都无法通过。莫献忠立即将情况上报并争取相关部门的支持，在涵洞中修建了一条“高基”步道，即便遇到下雨积水也能使村民安全通过。

　　渐渐地，穿着一身警服，操着一口“土话”的莫警官变成了村民口中的“老莫”，几年下来，哪家有几口人、有多少小孩、多少大牲畜、家里田在哪，莫献忠都掌握得清清楚楚。

　　横跨在左江上的三座铁路桥是莫献忠管辖的重点区段，特别是左江大桥，每逢圩日，村民经常会借道大桥，莫献忠也都会早早来到桥头对穿行铁路桥的村民进行劝导。

　　同时，左江作为通航水路，不仅有两岸村民通过船只摆渡，更有大小货船经过，甚至还发生过因操作不当造成船只撞击铁路桥的事故。

　　桥上的情况可以实地踏勘，但是如何掌握桥面下和桥墩的情况曾一度让莫献忠犯难。

　　莫献忠在岸边给渡船固定缆绳。　胡宏 摄

　　在这里工作久了，莫献忠也变得“多才多艺”，不仅做得了“水手”，还当得了“绘图师”。

　　一次，莫献忠前往扬美村开展日常工作，和村民聊到了对大桥安全的担忧。村民杜师傅直接跟他说：“这有啥难，我经常要开船到对岸干活，到时候捎上你逛一圈，都是兄弟，也算是我为铁路安全做贡献了。”

　　自此，杜师傅每次开船渡江前都会给莫献忠打电话邀请他乘船巡线，莫献忠也就多了一层“水手”身份。

　　每天徒步巡线10公里是这些年来莫献忠始终坚持的必修课，他将徒步巡线收集到的资料分别绘制了普铁和高铁线路管辖图。

　　莫献忠在守护的线路图上添加信息。　胡宏 摄

　　“对我们线路民警来说，它必不可少。”莫献忠用笔点了点挂在扬美警务区墙上的手绘地图。

　　“三角形的是重要道口，圆形是交通涵，沿线所有的重点路段我都标注了出来”，指着“地图”上的各种标记，莫献忠如数家珍。

　　微微泛黄的地图上，一道道折痕似乎在诉说着它已经跟随自己的主人走过很多地方。

　　如今的莫献忠早已将线路图刻在了心里，他说：“巡线是个基础工作，底数清才能情况明，只有亲眼看到才能真正了然于胸，一步一个脚印才能走出安心。”

　　今年的春运，莫献忠更忙了，外出打工的青壮年纷纷提前返乡，前来古镇游玩的游客也日益增多，他将用更接地气的做法一直守护着铁路“大动脉”安全。(完)