凤凰快三|-(中国)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。

“找课本茬”背后是平等的学习姿态******

　　用一副三角板能画出多少度数的角？“除了30度、45度、60度、75度……应该还有165度！”据极目新闻报道，四川成都两名四年级学生米之贤、廖钧宇发现课本上一道数学题参考答案“有问题”，自己找到的一个答案不在参考答案中，他们给教材编写组发去了邮件。编写组回信肯定了两名小学生的探究精神和严谨态度，表示要在教材修订中采纳他们的建议。

　　类似“找茬”“挑刺”且成功的例子，并不鲜见。2021年秋，沈阳七年级学生崔宸溪指出英语课本上蜜蜂配图配成了食蚜蝇，出版社编辑为他点赞；当年10月，上海小学生吴叶凡发现美术课本上的“树叶”应该是数亿年前的古生物“海百合”，出版社第一时间将错误进行溯源并上报修订……

　　出版社虚心接纳意见的坦诚固然值得肯定，但这些中小学生敏于思考、敢于质疑的探究精神更难能可贵。面对权威的课本，这些学生不盲从，不盲信，是其所是，非其所非，坚定地表达己见，展现出新时代中小学生积极主动求知求真的价值认定。

　　尽信书不如无书。中小学课本“千锤百炼”，经过诸多专家之手，当然经得起各种推敲，也比其他读物更精准、更标准，但这并不意味着课本就完美无缺、无可挑剔了。中小学生每天与课本生活在一起，当然最熟知课本的角角落落。很多时候，即便发现问题，一些学生也没有选择发出质疑，这恐怕仍与当下部分中小学过于格式化的教育方式有关。

　　我早年曾经做过三年中学语文老师，每每困惑于如何协调学生鲜活的认知与课本刻板答案之间的关系。我并非不知道，学生多一些深入思考，多一些触类旁通，多一些路径方法，更能打开他们的思维，但在应试考试的“硬杠杠面前”，很多时候只能收敛起来、压制回去。表现在行动上，就是把学生们的注意力聚拢到记诵上来，“背会就行了”“答案要标准”，久而久之，这种做法就会变得模式化，最终浓缩为成绩单上的数字。

　　这当然是一种让步，乃至退步，其后果，往往会在学生未来的生涯中一点点呈现。当一茬茬学生走出校门，进入更高的学府，乃至走上社会，不少人都表现出一个共同的特点，就是不会提问，只会照办。尽管我们不能、也不应该把这个结果完全归因于当初的压制质疑，但至少，当下的教育中，应该容得下孩子们表达自己的质疑。

　　此外，学生不去质疑，或者很少质疑，也与传统社会强大的因循习惯有关系。课本代表着权威，课本就是标准，这类意识往往会持续削弱大家的质疑精神。敬惜字纸也好，尊重老师也好，在很多地方、很多时候，这些观念都在无形中过滤着不同的声音。如果学生总想着从课本的纸缝中找出一些问题，难免不会被视为是“有意找茬”。

　　必须认识到，“找课本的茬”，就是一种在问题意识中学习知识的绝好路径。凡事破中有立，问题意识多了，必然会逼迫你去寻求答案，探索路径。这种钻研、探究、严谨的精神，就是创新创造的开始。

　　一方面，这会打破制式化标准模式，让学生从固化思维的桎梏中解脱出来，尝试去寻求不一样的路径和办法，看到不一样的风景。比如，从产生问题意识开始，发展发散思维，找到学习的方法，融会贯通、上下求索，一步步把课本读“薄”读透；又如，大家都来提问题，也会形成一种智力上的砥砺和激荡，这本身就是思想火花得以发生的基础。

　　另一方面，这也会产生某种超越的心理体验，由知识超越抵达价值超越，而这种超越，对于一个崭新的灵魂而言，至关重要。毕竟，课本只是一座知识的桥梁，大家可以凭借它摆渡，但却不必过度依赖它，更不能迷信崇拜它。如此，才能形成一种科学的求知精神。

　　无论如何，学习的过程，可能需要一定程度的知识灌输，以吸纳更多新知，但这不意味着学生要全盘接受。在这个过程中，学习者从姿态上是平等的，唯有时时保持求真的敏感，才能真正窥见通往新知的门径。

　　龙之朱 来源：中国青年报

　　（文图：赵筱尘 巫邓炎）