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。

打造数字生活“新入口”，数字社区加速推动数实融合******

　　你的数字生活有哪些“打开方式”？邮箱、浏览器还是app？随着信息技术快速迭代，“入网上云”的方式也更加多元，沉浸式的数字社区成为越来越多网民的选择。

　　工信部下属中国信息通信研究院近日发布《数字社区研究报告（2022年）》指出，伴随着数字经济的发展，数字社区这一新型网民生态圈正成为数字生活的“新入口”与数字经济的载体。

　　2023年1月5日，在辽宁省凌源市一家文化传媒公司，工作人员用直播方式推介凌源百合。新华社记者 王乙杰 摄

　　报告指出，数字社区是以新一代信息技术为基础，以海量数据为流通要素，以先进的数字化交互手段为主要表现形式，通过打造高互动的数字生活场景，建立人与人、人与物、人与社会之间的信任连接，从而实现线上线下高效融合的新型互联网社区。

　　中国信息通信研究院总工程师敖立说，当前，数字社区的主要表现形式从图文和语音转向以短视频、直播等为主，交互更实时、场景更丰富等特点，催生了消费、生产新业态、新模式。

　　让消费更“可感知”。什么样的羊绒最亲肤，羊绒毛衣如何洗护？通过在直播间进行内容输出，服装品牌“三只小山羊”2022年“双11”成交额创新高。“三只小山羊”创始人杨玉勇告诉记者，通过短视频内容分享，可以将消费者带入穿、洗、护等多种与服装相关的生活场景。消费者的感知更多元，对品牌的信任就更多，连接就更紧密。这就是数字社区推动消费的实践。

　　2022年8月9日，在福建省福安市赛岐镇象环村的葡萄种植园，工作人员直播推销葡萄。新华社记者 姜克红 摄

　　新年伊始，快手发布“村播计划”，通过幸福乡村带头人评选等多种方式，扶持农村优质主播成长，推动农产品销售。过去三年，快手幸福乡村带头人项目在全国发掘和扶持超过100名乡村创业者，通过数字社区模式累计带动1万多户百姓增收。快手科技副总裁宋婷婷表示，下一步将借助数字社区做好主播培育，助力乡村振兴。

　　让产业运行更高效。面对生产周期较长的家具供应链，如何精准锁定产能、筛选合适供应商、洞察用户需求是林氏木业要解决的重要问题。企业负责人告诉记者，借助钉钉平台打造产业链数字社区，企业将供应链质检、装车运输等20多款应用与生产连接。“运营人员可通过实时报表调整采购计划，生产供应商可及时备货，实现上下游的协同。”

　　《数字社区研究报告（2022年）》指出，数字社区具有普惠、连接、效率和信任四大特征，将生产要素在数字世界连接成多个内容模块，形成内容生态，催生更多数字化服务。

　　“数字社区的每个内容板块背后都连接着多条产业链，各条产业链覆盖产品或服务供给的全链路。”敖立说，数字社区不断扩展、丰富人们的交互空间与生活生产消费方式，其间孵化、催生的大量技术场景赋能到实体产业，成为服务现代化产业体系建设的新型移动互联网产品形态。

　　“大力发展数字社区，打造具有高互动特点的数字生活场景、产业场景，将推动数字技术更好赋能千行百业，助力实体企业在产业互联网的竞争中赢得先机。”中国信息通信研究院有关负责人说。（新华社记者 张辛欣）