彩云网计划群|360百科

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。

捐里程做公益，这位卡姐是榜样！******

　　“那个都是兄弟姐妹们一起捐赠的”，当我们联系上货车司机王素苗时，这是她说的第一句话。

　　王素苗，是货车司机群体里少有的女性，同时也是活跃在货车司机专属社区卡友地带的资深卡友，她口中所提到的“捐赠”既不是现金也不是物件，而是和货车司机息息相关的“运输里程”。

　　2022年6月，由卡友地带打造的公益平台“爱心里程捐”正式上线，货车司机在卡友地带APP的每一次签到、实际行车的每一段里程，都会转化成“爱心里程”捐赠给指定的公益项目。素来热心公益的王素苗正是在平台上线初期，就第一时间行动了起来。“第一次在卡友地带社区看到爱心里程捐公益平台上线的帖子的时候，就立马点进去了解情况，想不到平时跑车的里程也能做公益。”

　　从河北到新疆，是王素苗夫妇平时跑车的路线。跨越3000公里的路程，自此成为了夫妻二人的公益之路。

　　“我基本上都是跑几百公里，就会不由自主地打开卡友地带收一下里程，立马就捐出去了，现在就是一个很自然的事情”。截至目前，王素苗已经累计捐赠20多万公里的里程，相当于绕地球5圈的距离。

　　不仅如此，王素苗还积极动员身边的卡友共同参与捐里程、做公益。她告诉我们，自己所在的卡友地带石家庄互助分部，目前已经组建了4支爱心车队，人数超过40人，总捐赠里程近百万公里。

　　赠人玫瑰，手留余香。像王素苗一样热心公益的卡友不在少数，而他们在捐献爱心的同时，也成为了此项公益行动的直接受益者。

　　据悉，爱心里程捐公益平台现已上线多个公益项目，包括由中国妇女发展基金会和康明斯联合发起的货运路·巾帼行关爱货运行业女性项目、卡加养车·公益寻亲计划以及由所托瑞安和中国乡村发展基金会联合发起的“安行”公益计划。其中，卡加养车·寻亲计划已面向卡友发放寻亲车贴14788份，“安行”公益计划将提供年度100万元项目基金，用于精准帮扶商用车货车司机在驾驶过程中因意外、疾病等原因导致交通事故发生致贫的群体。

　　作为女性货车司机，王素苗在关爱货运行业女性公益项目前两期结束后，便收到了项目发放的行车关爱包及免费体检福利包。“关爱包里面有口罩、抗原、烫伤膏，还有一些卫生用品等等，都是我平时跑车能用到的，帮了我不少忙。另外，我们常年在外面跑车，很少有时间关注自己的身体，免费体检能帮我们及时了解身体的状况”。

　　如今，越来越多的"王素苗们"活跃在爱心里程捐公益平台。新的一年里，他们将和卡友地带及爱心企业一起，共同为关爱货车司机行动添砖加瓦。“爱心里程捐公益平台上的这些项目都是和咱们卡友密切相关的，自己参与进来献一份小小的爱心，能帮助更多人的感觉特别好，也希望未来有更多的卡友能参与进来”。

　　王素苗的心愿，也正是卡友地带自成立以来一直在做，也会不遗余力持续做下去的。

　　（文图：赵筱尘 巫邓炎）