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。
数字普惠，让数字文明人人共享******
【乌镇实践】
光明日报见习记者 刘习
世界互联网大会乌镇峰会“长三角一体化数字文明共建研讨会”11月9日在乌镇互联网国际会展中心举行。与会嘉宾、专家学者及代表企业负责人聚焦长三角一体化发展、共话数字文明，多位专家针对数字普惠议题建言献策。
浙江省委常委、常务副省长徐文光表示，紧扣“一体化”和“高质量”两个关键词，长三角地区正合力打造民生一体化应用场景。目前，长三角“民生一卡通”已加载公共交通等21项服务功能；138项政务服务事项实现长三角一网通办；异地门诊直接结算已覆盖长三角41个城市。“共建共享、开放融合、互助共进、多跨协同”的“数字长三角”合作平台的打造，激发了长三角地区数字协同创新活力。
嘉兴位于长三角中心腹地，乘着长三角一体化发展的东风，以数字化统筹城乡发展。“去年，所有村集体年经常性收入都超过120万元，城乡收入比达到1.60:1。”浙江省嘉兴市委书记陈伟介绍，“在嘉兴，家庭千兆光网覆盖率达95%以上，数字基建为数字化改革和数字文明建设提供了底座支撑。同时，人才引进和智力成果的产出不仅让人民享受数字文明成果，也让更多人体验参与数字文明建设的成就感。”
“数字赋能长三角经济一体化发展有着现实的禀赋支撑，也有新的路径和突破。”浙江大学副校长、长三角一体化发展研究中心主任黄先海在主旨演讲中从产业发展建设的角度出发，提出打通消费互联网与产业互联网；打通中国市场与世界市场；打通数字创新与产业发展；打通实体经济与数字经济；打通区域数据指标，让数字普惠不同链条、不同行业、不同主体，在推进建设长三角数字经济一体化的同时，构筑网络空间命运共同体。
数字安全保障有力是全球数字发展的必由之路。中国工程院院士、国家数字交换系统工程技术研究中心主任邬江兴从技术的角度出发，提出以内生安全赋能数字基础设施网络弹性。他介绍道：“目前已经开发的20多类40多种产品，基本满足现有数字基础设施的升级改造问题。构建于南京紫金山实验室的网络内生安全实验场向全球开放，为各主体以数字赋能发展提供了安全环境。”
浙江清华长三角研究院智库中心主任李继春从中国传统哲学的思维视角阐释数字文明，提出自然之力应当是数字文明发展的遵循，技术向善是以数字化改革推动数字文明建设进程中的重要伦理遵循，要在建设数字文明的进程中尊重人、发展人。
数字文明建设的普惠和关怀不仅成于理念，还体现在行业内的各项实践。“我国有许多残障人士，他们的数字生活值得关注，支付宝就把残障人士的使用作为技术开发强制标准。”蚂蚁集团党委副书记、首席合规官李臣在研讨会上如是说。
在数字化治理的同时提供数字化服务和关怀，是企业参与数字文明建设、让建设成果惠及更多人的生动体现。南京图灵人工智能研究院首席执行官李强介绍，在一次计算、数据安全、图像诊疗技术的支持下，图灵联合北京协和医院和南京妇幼保健院，针对33个国家级贫困县的妇产医院提供了远程诊疗系统，为贫困地区人民提供更美好的生活和医疗保障。科大讯飞则立足智能语音、计算机视觉上的技术优势，优化产业布局。据科大讯飞副总裁孙东平介绍：“科大讯飞教育为教师减少30%的备课时间，语文和英语作文的批改时间减少70%，学生更精准学、练，课后作业时间减少50%。”
上海社会科学院副院长、长三角与长江经济带研究中心常务副主任王振指出，技术迭代、使用场景丰富、操作方式简洁化，体现的是数字文明建设过程中的人文关怀。对此，嘉兴学院经济学院院长、嘉兴学院中国共同富裕研究院执行院长文雁兵表示认同，在他看来，以人民为中心的发展理念和马克思所提出的人的全面发展目标能够通过数字文明的新思想、新进程、新路径得以实现。
据悉，本次研讨会上，沪苏浙皖长三角联席办和上海青浦、上海松江、杭州、宁波、嘉兴、湖州、南京、苏州、合肥、芜湖等10个城市人民政府还共同倡议发起组建了“数字长三角共建联盟”，并发布《携手迈向长三角数字文明新未来——乌镇宣言》。会议同时采用网易瑶台元宇宙会议系统搭建了元宇宙虚拟会场，打破了空间限制，为参会人士提供了更真切的现场感受。
《光明日报》（ 2022年11月10日 12版）
