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 。

都是4000元，飞三亚还是飞普吉岛******

　　距离春节假期还有不到一周时间，国内游和出境游 的热度持续升温 。其中，三亚和泰国这两大旅游热门地的性价比和出行便利性被网友们拿来比较。

　　跨境游 ，泰国成断层第一

　　1月15日，红星资本局发现，多个在线旅游平台已上架泰国旅游相关产品 。在去哪儿平台上 ，泰国6日自由行往返机票在4000元左右。其中，最低 的是上海到清迈3818元起，最高 的 是南京到普吉岛4129元起。

　　飞泰国往返机票约4000元，与成渝 、东北等地到海南 的往返机票均价相差无几。选择到泰国出境游还 是在三亚国内游 ，引起众多网友热议。

　　携程数据显示，2022年12月27日至2023年1月11日，在平台预订春节假期跨境旅行的订单中 ，泰国已成为断层第一(断层第一指第一名与第二名差距很大 ，形成断层) 。尤其在亚洲国家中，泰国订单量超越日韩逾2-3倍。同期 ，泰国赴中国的旅行预订量同比增长101%。

　　中国游客是疫情前泰国旅游市场最大的客源群体 ，泰国对中国旅客期待已久。泰国国家旅游局此前预估 ，2023年泰国接待国际游客 的目标数量为2000万 。而自中国宣布放开入境政策之后，泰国方面迅速将该目标上调至2500万 。

　　会否冲击三亚旅游市场？

　　从出行便利度来看，红星资本局在旅游平台上搜索机票时发现，目前 ，国内飞泰国的直飞航线较少 。以成都飞曼谷 、清迈为例，目前暂未开放直飞航班，均要中转。

　　“从目前看来，去海南 的航班数量比泰国多 ，以成都飞三亚 的航班为例，一天就有15班次 。差不多等于飞泰国 的航班一周的数量 。”飞猪相关负责人告诉红星资本局 。

　　泰国民航局此前透露，已有多家航空公司 的中泰航班获准在第一季度内从原来每周的15班次增加至每日20班次 。外交部发言人汪文斌1月11日也在例行记者会上表示，中方将增加往返泰国等国直航航班 ，为中国游客前往旅游提供更多便利。

　　对于出境游回温 是否会挤占三亚旅游市场一事 ，北京第二外国语学院中国文化和旅游大数据研究院执行院长钟栎娜接受红星资本局采访时认为 ，“出境游 的回温 ，对三亚旅游市场 的影响不大 。”

　　钟栎娜补充说明 ，每逢冬季，到南方避寒的旅客基数大。无论 是三亚还 是整个海南岛 ，都难以完全吸纳所有旅客，肯定会有外溢现象出现 ；其次，出国旅游和国内旅游所对应 的人群不同。到三亚旅游相对便利 ，且以旅居人群较多 ，“两者并不冲突。”

　　成都商报－红星新闻记者 俞瑶 实习记者 卢月佳