点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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。
意大利航天员引用的《兰亭集序》，竟有这么多故事！******
中新网北京10月14日电(记者 王诗尧)“仰观宇宙之大，俯察品类之盛，所以游目骋怀，足以极视听之娱，信可乐也”。中国著名书法家王羲之所著《兰亭集序》中一句描绘宇宙景观的古文，近日出现在意大利女航天员萨曼萨·克里斯托福雷蒂的社交媒体上，她在发布一组太空摄影作品时配上了上述文字。
没想到这篇帖文一经发布便受到国内外网友热议，并获中国外交部发言人点赞。跨越千年，《兰亭集序》的影响力丝毫未减，再度成为时下文化热点。
这位意大利女航天员此前接受采访的视频截图“天下第一行书”
《兰亭序》又名《兰亭集序》，是晋代书法家王羲之在会稽(今绍兴)撰写，全文28行，共计324字，被誉为“天下第一行书”。
东晋穆帝永和九年(公元353年)三月三日，会稽内史王羲之邀约谢安、孙绰等41名文人雅士和家族子弟相聚山阴之兰亭，大家一起饮酒赋诗、畅叙幽情。会上26人赋诗41首，并聚诗成集，为《兰亭集》，王羲之乘兴为他们书写序文手稿，曰《兰亭集序》。
资料图为唐·冯承素(传)摹兰亭序帖卷。向一鹏 摄据说次日王羲之酒醒之后发现自己写得甚好，只是有几个字不满意，又复书序文十余遍，始终不得其妙。于是他涂改了几字，留下这篇被历代书界奉为极品的《兰亭集序》。
《兰亭集序》全文没有一个字写法相同，仅一个“之”字就有二十余种写法。明代书画家董其昌曾在《画禅室随笔》中写道：“右军《兰亭序》，章法为古今第一，其字皆为映带而生，或小或大，随手所如，皆入法则，所以为神品也。”
资料图：位于绍兴的兰亭书法博物馆 项菁 摄真迹下落不明 曾被唐太宗重金悬赏
然而，就是这件被誉为“贵越群品，古今莫二”的书法极品，真迹至今下落不明，流传作品皆为临摹之作。
其实，王羲之成为千古留名的“书圣”，与历代帝王对他的推崇离不开关系。而他的头号粉丝，就是唐太宗李世民。
唐代《徐氏法书记》记载：“太宗於右军之书，特留睿赏，贞观初下诏购求，殆尽遗逸”。彼时刚当上皇帝的唐太宗，就已经急不可待地筹划要把王羲之的全部作品买回来，可是最为著名的《兰亭集序》却怎么都找不到，于是命人到处搜集，并重金悬赏。
资料图：王羲之墓 项菁 摄早在《兰亭集序》写成之后，王羲之就把它视作传家宝，坚持不肯卖给别人，并命令子孙将其代代相传。令人惋惜的是，《兰亭集序》传到第七代的时候，王家的世孙智永出家为僧，没有后代，最后只好将《兰亭集序》的真迹传给了他的弟子辩才。
唐太宗获悉《兰亭集序》在辨才和尚手里，就命令监察御史萧翼去“智取”。萧翼到寺庙以后，和辩才和尚谈天论地，二人十分投机。辩才以为遇上知音，有一天“碰巧”谈论到王羲之的书法作品时，他难掩激动之情就把藏于屋梁洞内的真迹拿了出来，萧翼趁其不备偷走了它，转呈给唐太宗。
曾被众多名家临摹仿写入选教材背诵推荐篇目
据史料记载，唐太宗死后，根据他的遗愿，《兰亭集序》也随他一起下葬。不过，对于《兰亭集序》的真实下落史学界仍说法不一，千百年来谁也不知道它最终去向何方。
现在人们可以欣赏到的《兰亭集序》，都是唐代以后的摹本，其中“神龙本”《兰亭集序》是最著名的版本之一。该版本因卷首有唐中宗李显神龙年号小印，故而得名，学界一度认为是唐代书法家冯承素临摹，也有人认为是褚遂良所摹，一直争议不断。
宋拓神龙兰亭序。图片来源：故宫博物院官网古往今来，《兰亭集序》曾被众多名家临摹、仿写，故宫博物院就有数十个版本的藏品，供世人参观、欣赏。普通高中课程标准实验教科书中，《兰亭集序》入选为“古诗文背诵推荐篇目”，相信许多人的学生时代都背诵过这篇旷世杰作。
面对浩瀚宇宙与时间长河时，人类或许只是渺小的一粒尘埃。但优秀文化的魅力却可以跨越时空限制，让不同年代、不同地域、不同背景的人，从中感受到属于自己的思想脉动。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩神注册地图 |
)