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。

光明文化周末：梧林密码******

　　【诗意中国】 

　　作者：许谋清

　　到五店市，让人想起故乡。

　　到梧林，想到的却是他乡。

　　五店市——出砖入石的红砖厝。

　　梧林——罗马式哥特式的小洋楼。

　　到五店市想起过去。我们祖辈从哪里来？

　　到梧林想起南洋。我们的亲人又到哪里去？

　　这也许就是为什么晋江有了一个五店市传统街区，还要有一个梧林古村落。

　　一样的是，它们都坐落在故乡的土地上，红土地。这土地，没盖房时寸草不长，叫赤土埔。房子盖起来了，便留下了红色的村道，赤土路。

　　梧林社区现在也只有1800多人，在晋江，不算大。一百年前，应该更小。梧林人早年就下南洋，19世纪末起，海外游子纷纷回乡盖房，新盖的传统红砖厝和村子里原来的房子汇合在一起，新盖的小楼则改变了村子的面貌，让外村人侧目。

　　小楼第一批建于19世纪末到抗日战争前夕，第二批建于20世纪五六十年代，成为沿海侨乡的一道亮丽风景。他们用这样的方式把外边世界的讯息带给故乡。这些洋楼，有的外墙斑驳，那是因为他们把准备装修的资金捐助给祖国的抗日战争，那是他们的拳拳之心。

　　这些楼房又分成两种，用本地红砖建的，女墙上常有民间工艺装饰，有双凤比翼、孔雀双飞及各种花鸟，这种中西合璧的称为番仔楼。还有一种楼，材料是水泥钢筋——当时水泥叫红毛灰，都得从海外运回来。楼房的样式也不一样，比如哥特式罗马式，这一类称洋楼。

　　番仔楼大部分用主人的名字命名。还有“容膝居”，“容膝”取自陶渊明的《归去来兮辞》。有“梦菜家声楼”，取自传说。上世纪五六十年代建的则用了当时的新名词，也留下那个时代的印记，如“胸怀祖国楼”“放眼世界楼”“东风万里楼”。番仔楼12栋，洋楼11栋，合23栋。在这片古老的土地上，若再加点霞光云气，你不觉得它是一片海市蜃楼？

　　梧林古村落不同于五店市，它没有围墙，仍然和原来的梧林村贴在一起。当年，23栋番仔楼、洋楼，打开了23扇窗户，让人脚踏故土，望向世界。

　　遥想一百多年前，当几栋小洋楼出现在原来只有平层的红砖厝的村子里时，村民只当它们是西洋景吗？不，它们实实在在地从他们脚下的赤土埔上拔地而起，就立在他们面前。它们是真实的，看得见，摸得着，生根钉地，搬不走。从那个时候开始，梧林人有了诗和远方。

　　德鑨老先生1924年回乡建了一栋红砖厝，1936年又回乡建了一栋洋楼，现称“五层厝”。不可思议的是，百年古大厝墙砖上的花纹和“福”字依然清晰、红艳、有棱有角。这片宅地里，有两棵引人注目的老榕树。其中一棵乍一看，树头在楼上，紧紧地拥抱着，也可以说是包住梁柱，根须下垂，扎入地里，上边枝干张扬，撑起庞大的墨绿色树冠。另一棵空间受限，四面是墙壁，满地树根，这是令人过目难忘的梧林一景。我注目那些交错虬曲的树根，它们仿佛编织成一个迷宫，能感觉到它们的努力和挣扎。它们是故乡的老榕树，生长在最贫瘠的赤土埔上。它们的枝干上还飘着一束束柔软的根须，那些根须一旦到达地面，就会紧紧抓住，让自己变成新的树干，但依然和老树连接在一起。世界上，只有这种树可以独木成林。这也是梧林人的性格。

　　我们的土地不是故步自封而是兼收并蓄，这些西式小洋楼已经在这片土地上转化成故乡的一种元素，给古老的乡村抹上一笔海洋文化色彩。这是一种开放的色彩、生命的色彩，更是一种先行者的姿态。

　　余光中写李白：“凡你醉处，你说过，皆非他乡。”

　　不管到哪里，都能落地生根，成就事业。不管到哪里，都惦念家乡。

　　远行博大了胸怀，用他乡丰富了故乡。

　　梧林的23栋番仔楼、洋楼是一组密码。我们走进梧林，用这些密码，探寻那一部部仍然保持温度、蕴藏着海上丝路文化的创业史。

　　《光明日报》（ 2023年01月06日 15版）