彩云网官方网站-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。

中央网信办通报涉疫谣言溯源及处置典型案例******

　　中新网1月10日电 据国家互联网信息办公室官方微信消息，一段时间以来，各类涉疫网络谣言不断出现、持续发酵，歪曲国家防疫政策，消解群众抗疫信心，严重危害社会稳定，人民群众对此深恶痛绝。对此，中央网信办深入推进“清朗·打击网络谣言和虚假信息”专项行动，督促指导网站平台全面排查整治涉疫谣言。截至目前，微博、腾讯、抖音、快手、百度、哔哩哔哩、小红书、知乎、豆瓣等重点网站平台共处置传播涉疫谣言账号2700余个，第一时间溯源并关闭首发账号，坚决打击造谣传谣行为。现通报涉疫首发谣言典型案例如下：

　　1.关于“德尔塔奥密克戎共循环”的网络谣言。今日头条首发账号为“阿陶156”，发布时间为2022年12月2日23时8分。中国疾控中心病毒所负责人表示，2022年12月1日以来，全国已完成1142例病例的全基因组测序，结果显示奥密克戎仍是目前国内主要流行毒株，网传德尔塔和奥密克戎共循环或者说有重组是谣言。

　　2.关于“国务院联防联控小组正式摘牌”的网络谣言。抖音首发账号为“照不亮的地方”，发布时间为2022年12月8日1时6分。经核实，网上流传的图片实为国家卫健委2020年将其新闻发布会背景改成国务院联防联控机制发布会背景的照片，多家媒体已对此进行辟谣。

　　3.关于“北京地坛医院封了”的网络谣言。雪球首发账号为“格雷厄姆斯基”，发布时间为2022年12月26日21时22分。北京地坛医院已声明此信息不实，作为北京市市级定点收治医院，正常、有序开展新型冠状病毒感染患者的收治任务，全力做好患者的医疗救治工作。

　　4.关于“北京自来水阳了”的网络谣言。快手首发账号为“奢睿雅～周梓煊”，发布时间为2022年12月20日21时44分。北京市自来水集团已声明此信息不实，自来水、可乐、橙汁等其他液体与人体样本完全不同，将其倒入测试液中，会破坏抗原提取管里的测试液成分，再加入测试孔进行反应后所产生的任何颜色变化，其结果不具备参考性。

　　5.关于“上海浦东某小区有人焚尸”的网络谣言。微信首发账号为“丘榆霞律师在加拿大”，发布时间为2022年12月23日19时34分。经核实，相关视频内容实际是亲人为逝者举行的祭奠仪式，焚烧的是逝者衣物，并非遗体。

　　6.关于“由于疫情原因，国家要求快递业1月8日停业”的网络谣言。微博首发账号为“芳茗含露1990”，发布时间为2022年12月16日21时12分。经核实，中通、圆通、顺丰等多家快递企业没有接到相关通知，也没有停业和提前放假的打算。国家相关部门最新发布的通知不是“陆续停业”，而是“进一步畅通”。

　　7.关于“乌鲁木齐方舱会展中心方舱有人卖淫嫖娼”的网络谣言。微信首发账号为“yy5200831”，发布时间为2022年10月24日23时00分。经查，相关网传内容纯属个人编造，当地公安机关已立案侦查。

　　8.关于“大庆市孕妇就医被拒流产”的网络谣言。微信首发账号为“AAA_代办驾驶证，买卖二手车服务.”，发布时间为2022年9月2日16时10分。经查，当事人因健康码转码问题对社区工作人员产生不满，发帖谎称在医院就诊被拒导致流产。当地公安机关已立案侦查。

　　上述谣言首发账号均已关闭。中央网信办相关负责人表示，将持续坚决打击造谣传谣行为，从严查处发布谣言的账号主体，形成有力震慑。同时欢迎有关部门和网民积极参与举报，提供有关线索，合力铲除网络谣言生存土壤，共同打造清朗网络空间。

　　（文图：赵筱尘 巫邓炎）