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。

“反向春运”：阖家团圆就是幸福年******

　　【春运进行时】

　　“明天开始我就不点外卖了。这张小餐桌终于能放一些父母做的美食了！”今年春节前夕，已经在北京工作6年的王冰柯终于如愿让父母答应从老家云南大理来北京过年。帮父母买完机票后，王冰柯就开始打电话约保洁，“平时工作比较忙，没好好收拾过家，过年前要来一次大扫除，干干净净迎接父母到来”。

　　提到春运，在许多人的习惯认知里就是节前集中回乡、节后扎堆返城的人口“大迁徙”。但如今，随着人们思想观念的转变，像王冰柯父母这样的“反向春运”旅客越来越多。“反向春运”也被称为“反向团圆”，是指年轻人将老家的父母和孩子接来自己工作的城市过年，节后再返乡。这一新潮的过年方式，子女可以不用顾忌放假时间、高速拥堵、票价高昂等因素，既可以尽到孝心，又能一家人团圆。

　　王冰柯告诉记者，作为常年在北京工作的外地人，过年的首选肯定还是回老家。但他家离北京比较远，春节假期掐头去尾在家也待不了几天，回大理的经济成本、时间成本都较高，所以今年王冰柯决定让父母来北京一起过年，顺便也可以带父母去北京周边的景点转转。

　　“就拿机票来说吧，如果我大年二十九或除夕从北京回大理，机票加税费需要2600元，但同时间段从大理飞北京的航班一张票只要不到600元，这样算起来父母两人往返机票加起来还不如我自己的一张单程票贵。”王冰柯表示，另外，春节期间大理的游客非常多，物价也随之上涨，在老家过年真不如在北京过年划算。

　　某旅行网站发布的2023春运出行预测报告显示，北京、上海、广州、深圳、杭州等大城市是今年“春运”的热门目的地，和常规意义下的热门航线相比，“反向春运”热点航线票价折扣力度非常大，票源也十分充足。与此同时，铁路部门也扩大了非高峰方向票价折扣优惠列车范围，为“反向春运”旅客提供了价格更加低廉的选择。

　　北京交通大学教授张晓东指出，“反向春运”这种现象的出现是多方面因素共同作用而成的。在客观上有春运运输资源倒挂的因素，一票难求的情况下，一些人开始反其道而行之，换一种过年团聚的方式。在主观上也折射出公众理念的转变，随着社会的发展，故土难离的观念逐渐淡化，越来越多的人开始认同，只要家人聚在一起，在哪里过都是团圆年。

　　此外，“反向春运”客流的增长，除了观念上的转变外，也和人口构成不无关联。中国城市规划设计研究院城市交通研究分院院长赵一新表示，春节的意义在于一家人团圆，上代父母往往养育了多个孩子，所以这些孩子们共同回到父母身边是团圆的基本模式。但如今独生子女比例很高，这类家庭中不论是孩子回到父母身边，还是父母来到孩子身边，对于团圆本身来说意义相同，所以许多这类家庭对于“回家过年”和“反向春运”都抱着开放的态度。

　　就交通运输的特性而言，南来北往、满载而归应该是其运力均衡配置和利益最大化的理想境界。交通运输部运输服务司相关负责人表示，交通运输部门对“反向春运”机票车票的打折优惠，就是其对乘客积极填补这种运力空档的一种经济引领，假如“反向春运”成为更多旅客的过年选择，受益的将不只是交通运输企业，更可不同程度地提升乘车者出行舒适度。

　　“平常因为工作忙，和父母的沟通就是打打电话、发发视频，对于父母而言，过年期间的团聚可能是他们一年中最大的期待。”王冰柯说，不论是正向还是反向，也不论是在老家还是大城市，只要能够阖家团圆，就是一个幸福年。

　　(本报记者 訾谦)