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 。

【乌镇声音】思科巢巍忠 ：共享创新技术 助力中国数字化转型******

　　光明网讯（记者 丛芳瑶 梁天天）11月9日至11日 ，2022年世界互联网大会乌镇峰会在浙江乌镇举行。思科大中华区副总裁巢巍忠就“助力中国数字化转型 ，与世界分享数字经济的机遇与红利”等问题接受记者采访。

　　记者 ：参加9届世界互联网大会 ，您有何感受？

　　巢巍忠 ：9年来，思科参与世界互联网大会，既 是来倾听、学习，也 是来分享 的。

　　从2014年举办至今 ，世界互联网大会毫无疑问是中国互联网行业 的顶级盛会。我认为这 是一个非常好 的平台 ，可以方便国内外互联网大厂相互交流 、和政府保持沟通、了解政府政策法规 、互联网新技术 ，有利于让互联网企业建立一个服务各行各业未来发展 的目标和共识 。

　　记者：您认为目前中国互联网发展状况如何？

　　巢巍忠 ：中国互联网发展的质量和速度全世界有目共睹。中国许多互联网公司在全球都有巨大 的影响力。

　　中国互联网发展多年 ，在互联网的众多领域为全球贡献了许多创新的技术和思路。中国产业的转型升级和数字经济 的蓬勃发展也为互联网和数字技术 的进一步发展提供了巨大助推力。共享经济、教育普及、生产力服务等新技术的应用改变着企业、政府和个人的同时，也让他们真正受惠于经济数字化转型所取得的成果 。我相信在接下来 的发展中 ，这也是我们整个互联网行业需要去努力 的方向 。

　　记者 ：今年大会的主题 是“共建网络世界 共创数字未来——携手构建网络空间命运共同体” ，您认为互联网企业如何助力中国数字化转型 ，与世界分享数字经济的机遇与红利 ？

　　巢巍忠：思科进入中国近30年，见证了中国互联网发展以及数字经济 的腾飞。作为互联网企业，思科一直致力于将最先进的技术、产品和理念带入中国，并深耕本地，与思科合作伙伴密切合作 ，服务中国客户。同时，积极响应国家政策 ，如“一带一路”倡议、“粤港澳大湾区”规划等 。我们还专门组建企业出海团队加强粤港澳团队的协同合作。

　　此外，我们还与教育部开展合作，在2017年至2020年的3年内为中国教育投入价值约5亿元人民币等值 的课程 、师资培训 、教学软件 、教学平台和硬件实验室等 ，培养了约40万人次的数字化创新人才。

　　所以，作为互联网企业，积极为中国引入先进技术 、产品和理念 ，培养人才 ，深耕本地 ，都是可以助力中国进行数字化转型 的有效措施 。

　　记者：在帮助中小企业发展方面，您认为互联网企业应该怎么做 ？

　　巢巍忠：从思科角度来说 ，我们认为中小企业是一个潜力无穷 的市场，我们也会在这个市场投入更多产品，帮助中小企业找到适合本身发展的解决方案。同时我们还会积极培养人才，帮助中小企业去加快数字化转型，提高数字化能力 。这 是我们一直在做的事情 。

　　记者 ：您认为这次互联网大会对中国未来互联网发展会带来怎样 的影响 ？对世界又有何意义 ？

　　巢巍忠：我觉得世界互联网大会 的举办对于中国和世界来说都有积极 的意义 。这次大会 的主题是“共建网络世界 共创数字未来——携手构建网络空间命运共同体”，其实已经非常明确阐述了中国在未来数字化建设方面 的目标。

　　作为互联网企业 ，我们非常高兴能够看到国家将数字化建设作为国家层面的战略之一，未来我们也将帮助更多中国企业加速、加快完成数字化转型 ，引进更先进 的技术 、培养优秀 的人才 ，共同推动中国企业 的数字化进程 ，助力打造一个更具包容性的未来。