大发平台登录|大发平台邀请码

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。

“三位一体”推进高水平大学建设******

　　作者：王建平（长江大学党委书记）

　　党的二十大报告指出，实施科教兴国战略，强化现代化建设人才支撑。可以说，党的二十大将教育、科技、人才“三位一体”统筹安排、一体部署。2022年4月，中共湖北省委、湖北省人民政府出台《关于全面推进高等教育强省建设的意见》，支持长江大学等四所高校打造省属高水平大学。作为一所石油、农业、教育、医疗特色和优势鲜明的综合性大学，长江大学要完整、准确、全面领会和落实党的二十大精神，乘科教兴国、科教强省的东风，全面提高人才自主培养质量，不断增强科技自主创新能力，加快建设高素质人才队伍，“三位一体”推进高水平大学建设。

　　第一，要在落实立德树人根本任务中，着力教育和医疗“两个民生”。习近平总书记在党的二十大报告中强调，全面贯彻党的教育方针，落实立德树人根本任务，培养德智体美劳全面发展的社会主义建设者和接班人。作为地方综合性大学，长江大学要坚持“四个面向”，把立德树人成效作为检验学校一切工作的根本标准，把扎根基层、艰苦奋斗作为人才培养的鲜明特色，站在人与自然和谐发展的高度，为能源安全和粮食安全培养高素质人才，主动适应人民群众对教育、医疗等多方面的需求，坚持德智体美劳“五育并举”，强化学生动手能力和生命健康教育“两线贯通”，不断完善优化“育在长大”人才培养体系，努力培养奋斗在社会主义建设主战场上的主力军，为国家输送石油、农业、教育、医疗等各类高素质优秀人才。

　　第二，要在提升科技自主创新能力中，聚焦能源和粮食“两个安全”。要以国家战略需求为导向，集聚力量进行原创性引领性科技攻关，全方位夯实粮食安全根基，深入推进能源革命，确保能源安全。长江大学要紧紧围绕能源和粮食“两个安全”，以国家重点实验室重组为契机，以非常规油气省部共建协同创新中心、主要粮食作物产业化湖北省协同创新中心、长江中游作物绿色高效生产部省共建重点实验室等平台为依托，扎根荆楚大地，主动服务湖北建设全国构建新格局先行区和荆州建设江汉平原高质量发展示范区，推进创新链产业链资金链人才链深度融合，联合石油、农业企业，开出问题清单，弘扬“带着干粮搞科研”的优秀传统，突破生产技术壁垒，布局科研大平台，培育大团队、大项目、大成果，促进多学科交叉融合发展，率先在能源革命、粮食生产领域取得标志性创新成果，为打赢关键核心技术攻坚战提供强有力的智力支撑。

　　第三，要在打造高素质教师队伍中，融入“长江大保护”和“双碳”两个战略。百年大计，教育为本；教育大计，教师为本。作为以母亲河长江命名的大学，长江大学要以推动绿色发展为主线，紧紧围绕长江大保护、碳达峰和碳中和“两个战略”，深入实施“长江人才计划”，把师德师风作为评价教师的第一标准，推进教师队伍的优化转型，在能源安全、粮食安全领域培育引进院士等高层次人才，做好战略性人才储备；在教育和医疗领域打造一批名师、大师，保障人民对优质高等教育的需求；在长江大保护和碳达峰、碳中和方面锻造一批高水平人才，形成一支规模合适、结构合理、素质优良的教师队伍，为服务国家重大战略和地方经济社会发展提供强有力的人才支撑，努力把高校打造成各类人才的聚集地。

　　党的二十大报告指出，教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。“两个民生”着力人才培养，“两个安全”聚焦科技创新，“两个战略”引领教师队伍建设，三者有机联系、各有侧重、本质一致、目标一体，是教育、科技、人才“三位一体”在长江大学的生动实践，形成了推动高水平建设的强大合力。

　　立足新时代，奋进新征程。长江大学要坚持以习近平新时代中国特色社会主义思想为指导，坚持凡事有章可循、凡事有人负责、凡事有序推进，构建起人才培养、科学研究和教师队伍建设“三位一体”的现代大学治理体系，以特色发展和融合发展推动内涵式发展，不断提升治理水平和办学效益，推进省属高水平大学建设，努力建成国内一流综合性大学，为实现第二个百年奋斗目标作出无愧于新时代的新贡献。

　　（文图：赵筱尘 巫邓炎）