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。

通讯：2023美国消费电子展上多国企业家热议“中国创新”******

　　新华社美国拉斯维加斯1月8日电通讯：2023美国消费电子展上多国企业家热议“中国创新”

　　新华社记者黄恒 谭晶晶 兴越

　　“我们说中国市场最重要，不仅因为这是规模最大的市场，也在于其技术发展和创新能力在全球独一无二。”德国宝马集团负责研发的董事弗兰克·韦伯日前在此间举行的2023年美国拉斯维加斯消费电子展上告诉记者。

　　近年来，“中国”一直是这一全球最大电子消费品展会的热门话题之一。今年最明显的变化之一，便是主题由此前的“中国制造”“中国产业链”变成了“中国创新”。包括宝马在内，许多参展企业都在中国设立了研发部门。他们告诉记者，中国的政策支持、研发能力和市场特质，让这种选择成为一种必然，因为如果不这样做，就可能会在全球竞争中落败。

　　美国高通公司产品管理主任、全球车联网生态系统负责人吉姆·米塞纳接受记者采访时说，目前中国在车联网方面走在世界前列，政府引导功不可没。“我们在与美国相关产业决策者沟通时，经常提到中国经验。”

　　他说，中国政府积极推动蜂窝车联网技术（C-V2X）基础设施建设，加快C-V2X标准制定和技术升级，出台一系列规划和政策推动车联网产业发展。中国凭借创新能力、市场以及强有力的政策支持，正引领全球电动车技术和应用的创新发展。

　　据韦伯介绍，宝马已经在中国建立了德国之外最大的研发和创新体系，涉及研发、数字化、电动化等领域。“中国市场对于宝马集团的意义已经不仅仅是创新驱动力这么简单。中国团队是整个团队成功的关键，中国研发团队是全球研发非常重要的有机组成部分。很多中国供应商已经成为行业标杆，不仅是传统汽车零部件，还包括电池、电芯等领域”。

　　来自泰国的D+国际贸易公司在今年展会上有一个18平方米的展位，主推产品是新型手机膜。该公司海外市场负责人游婷婷告诉记者，公司将专门的技术研发部门设在中国东莞的工厂而不是泰国总部，目前有数十名研发人员。

　　游婷婷说，虽然手机膜看起来并非什么高科技产品，但如何做到更不易损、更容易贴和更有利于保护用户视力，这需要集合多学科人才的创新研究和技术攻关。在中国不仅可以找到这样的研究人员，而且中国市场竞争激烈，会推动研发人员不断推陈出新。

　　专注于研发全自主送货机器人的美国科技初创企业Ottonomy公司首席执行官里图卡尔·维贾伊表示，该公司密切关注中国智能机器人企业的创新解决方案，因为中国机器人市场很大，而且竞争激烈，中国公司在解决“最后一公里”配送方案上有很多开创性成果。

　　韦伯特别谈到中国消费者对产品创新的推动力。“现在如果有了一个新想法，从把它画到图纸上变成概念车开始，多长时间就可以量产呢？答案是两年之后。动力从哪里来？就是从中国消费者这样善于且乐于接受新事物的消费群体中来。”

　　中国机电产品进出口商会副会长石永红在接受记者采访时表示，中国将继续支持外资企业在华投资开展研发和创新，促进共创共赢。

　　他说：“近来中国出台了利好外资外贸的一系列政策，包括扩大鼓励外商投资范围，推进重大外资项目建设，增设试验区、示范区，加快出台海外仓支持政策等。相信未来在华外资企业研发和营商环境将更加优越，内外资企业竞争会更加公平，投资收益也将进一步扩大。”