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。
慢火车上“赶大集”******
2023年春运第一天，从上海回家过年的刘贵宾在返乡列车上赶了趟大集。在这趟行驶在祖国最北端的4045/4046次慢火车上，刘贵宾看中了零食大礼包和冻货，“没想到有冻大鹅，很新鲜”。今年过年，他正为网购的年货尚未发货发愁，就在返乡的车上买到了年货，“下车就回家，什么也不耽误”。
同样开心的还有家住杨木山村的张大海，今年赶集，他不用去邻镇，也不用担心赶不上回家的车。村附近的这趟慢火车，由黑龙江省齐齐哈尔市一路向北，开往加格达奇，全程431公里，是40多年来连接村民与外界的唯一通道。火车途经32个车站，其中有14个站每天只有这一趟列车经过。“以往出门赶集、外出购物时间稍长，就只能在外面留宿，第二天再回家。”
1月7日，为期40天的2023年春运开启，中国铁路哈尔滨局集团有限公司齐齐哈尔客运段把集市搬进了列车车厢。接下来10天，车上旅客尤其是沿线林区村民，在家门口的火车上就能“赶大集”，把年货带回家。
这也是疫情防控政策优化以来的首个春运。4045次列车长何斌感受到车厢里久违的热闹，“去年春运，我们列车车厢才十多个人”。经交通运输部估算，2023年春运期间客流总量约为20.95亿人次，比去年同期增长99.5%，恢复到2019年同期的70.3%。
人气高了，年味就有了。7日早上8时08分，从加格达奇开往齐齐哈尔的4046次列车准时发车，桌上摆着白菜、土豆、大葱、糖果、小鸡、蘑菇等货品的3号车厢，被分为蔬菜区、特产区、零食区、民俗区、旧物展销区，正慢慢迎来光顾“摊位”的旅客。
“今天上车主要是看看有没有猪肉，带点肥膘的那种。”10点多从杨木山站上车后，张大海就开始找车厢集市上的“好吃的”，他的女儿刚从北京回来，“我闺女就喜欢吃咱家乡的猪肉，用她的话说这是有‘烟火气’的。”
包括张大海在内，这趟车上的很多熟客都提前从旅客微信群里得知“车上要开办集市”。嫩江市伊拉哈镇伊拉哈中学支教老师李鹏就在群信息里留意到了“旧物展销区”。等到集市“开张”这一天，他如愿看到了玩偶、书籍等，“成色非常好，价格也合理，想给学生们带回去”。他“淘”到的书里有《闪耀的科学奖项》《开发你的大脑》等。
在民俗区，车厢里挂着福字、对联，摆着剪纸、玩偶，车厢外是雪地，两只红色的兔年玩偶靠在火车车窗上。一位母亲带着5岁的孩子在逛，“这不仅是孩子第一次乘坐火车，也是他第一次在火车上赶集。”这位母亲说。
“最受欢迎的还是零食区，特产区与民俗区也人气较高。老人基本会砍砍价，但我们这里按进货价卖，如果买得多或需要送礼，还免费提供产品包装。”董亲彭是这次列车集市上卖年货的乘务人员之一。这一路，慢火车缓缓穿行于兴安林海之间，“窗外一片白雪皑皑”，但董亲彭没时间看，他得称重、介绍货品，“人多的时候还要大声吆喝，忙得很”。
在亲切的东北话中，熟悉的赶集画面回来了，旅客们的手推车也从轻到重。90后志愿者刘亚南是列车大集的导购员，她注意到，这天中午12时33分，一些赶集的旅客在嫩江站下车，准备搭乘齐齐哈尔至加格达奇的4045次列车回家，“由于忙着采购，好多人没来得及吃午饭，他们在大集上买了烧饼、黄瓜，打算上了火车后再把午饭补上。”
“记忆中的赶集非常热闹，说话得喊着说，赶完集基本上嗓子也哑了。”齐齐哈尔富裕县忠厚乡春生村支部书记李辉特意在列车大集的特产区转了转，他说，传统集市上，独有的冻梨、冻柿子、冻黄桃是抢手货，其中一些货品也出现车厢里。
“3个月前，我们通过常旅客微信群征集大家对于春运集市的需求与意见，最终确定6个品类，进行市场比价、选品。”何斌介绍，这是该客运段3年来头一次在列车车厢内摆起摊位，包括冻梨、溜达鸡等热销货品在内，所有年货的价格由齐齐哈尔客运段经营科统一定价，与市场价基本相同，“采购多少钱就卖多少钱”。
从打通扶贫路，到开办列车集市，“公益服务”一直是这趟慢火车不变的底色。在古老又年轻的列车集市上，李辉给孩子们挑了几个兔年玩偶，他还找何斌聊了聊，“现在做生意难，我们村都是采山货的农民”。让他惊喜的是，列车长也很欢迎卖货的村民走进列车，拓宽增收的路。
李辉说，如果明年还有列车大集，一定要让村里卖土特产的村民也来卖卖，“让乘客看看我们东北的榛蘑、木耳等特产”。
通讯员 徐率 中青报·中青网见习记者 朱彩云 来源：中国青年报
