彩神计划群_用户注册 | 官网首页登录平台网址

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。

会跳舞的“茶中金镶玉”是如何炼成的？******

　　坐落于浩瀚缥缈的洞庭湖中的君山，由72座绵延起伏的山峰组成，四面环水，山上林木茂盛，常年云雾缭绕。君山物产万类，其中茶最负盛名。

　　烟波浩渺的洞庭湖畔，君山岛青山如黛，茶园叠翠，一垄垄整齐划一的茶树，犹如绿色的碧浪随风摆舞。岛上肥沃的土壤、湿润的气候与北纬30度的神奇地理位置，造就了中国十大名茶之一、黄茶之冠——君山银针。

　　今年70岁的高孝祖是君山银针茶制作技艺的市级代表性传承人，他的父亲高阳文是君山茶场建立时的第一位制茶师傅。高孝祖从12岁开始便跟随父亲学习君山银针茶的制作技艺，这一做就是一辈子。

　　“对君山银针已经有了一种特殊的情感，感觉它就像是自己的孩子一样。”聊起茶叶，高孝祖一下就打开了话匣子。他介绍，“君山银针成品的茶芽茁壮，大小很均匀，内呈橙黄色，外面包裹一层白毫，所以还有一个雅号叫‘金镶玉’。君山银针还有一大特色就是冲泡的时候会三起三落，也被称为‘会跳舞的茶’。”

　　君山银针的独特除了得益于得天独厚的地理条件，更离不开其独特的“黄茶工艺”。

　　杀青、初烘、初包、复烘、再包、足火……除了与其他茶众多共同点外，黄茶比其他茶类更为独特的是特殊工序“闷黄”。就是这近乎玄妙的“双闷”，才造就了君山银针的独特。

　　“两次闷黄的时间不一致，第一次闷黄需要48小时，第二次根据茶的状态再进行闷黄。何时加压，手法轻重，温度湿度是否合宜，茶发酵时，应该保持多少温度，开多大窗，盖多厚被子。”从事制茶技艺50多年的高孝祖说：“没有什么技巧，全是靠经验。”

　　君山银针的采摘和制作都有严格要求，每年只能在“清明”前后七天到十天采摘。“银针茶只采摘首轮单芽，也就是茶叶最顶端的部分，一个芽制成一片叶，所以很珍贵。”高孝祖介绍。

　　由于一年只采一季，君山银针茶在采摘上有着极高的要求。据高孝祖介绍，黄茶采摘奉行的是“九不采”原则：雨天不采、风霜不采、开口不采、发紫不采、空心不采、弯曲不采、虫伤不采、细瘦不采、不合尺寸不采。在这样严苛的采摘标准下，4万棵鲜嫩芽头才能制成一斤干茶。

　　尽管茶厂已经采用现代化设备，但对自己喜爱了一辈子的茶，高孝祖还是喜欢用手工制作。“我没有其他特长，不会干别的，只会制茶。机械做不出手工的味道，从原材料的选取，到杀青、烘干、摊凉、足火，每一步都是机器无法达到的。”

　　说起这些，高孝祖很是自豪。这些年高孝祖一直致力于君山银针茶手工制作技艺的传承、保护和推广。制茶五十多年，高孝祖被当地人亲切地称为“茶大师”。“我想把君山银针做得更完美，让越来越多爱上这块金字招牌。”高孝祖笑着说。（岳沛 靳铃涵）

　　（文图：赵筱尘 巫邓炎）