佰家富app计划群-用户注册 | 官网首页登录平台网址

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。

让秦腔艺术绽放时代光彩******

　　党的二十大报告提出，“推进文化自信自强，铸就社会主义文化新辉煌。”西安易俗社是鼻祖剧社、文化剧社、革命剧社，也是国家级重点文物保护单位、国家级非物质文化遗产重点保护单位。在推进文化自信自强上，西安易俗社有着自身的担当和使命。

　　新时代以来，我继续秉承西安易俗社“移风易俗、启迪民智、辅助教育、推陈出新”的办社宗旨，强化精神传承、剧种传承、剧目传承、人才传承，倾力打造西安易俗社文化研究院，收集整理百余年来西安易俗社珍贵文献资料，对老字号品牌文物保护单位的剧本、场馆、剧目、历史资料等实施全方位保护。

　　传承经典，保护非遗。我与同仁们一起抢救复排易俗社原创经典传统剧目《三滴血》《双锦衣》《软玉屏》《貂蝉》《夺锦楼》等本戏、折子戏本（折）80多部，同时不断打造精品剧目，创排大型秦腔剧目《柳河湾的新娘》《秦腔》《易俗社》，推出《百年易俗社》纪录片，并将《三滴血》《柳河湾的新娘》拍摄成秦腔3D电影。《三滴血》还被拍成动画片在巴基斯坦等国家的电视台播放。

　　易俗社不断挖掘整理百余年来博大精深的戏曲文本，同时结合时代发展需求，创排了大量现实题材作品，唱响时代主旋律。2020年，为迎接中国共产党建党100周年，我们根据同名京剧移植改编秦腔现代戏《党的女儿》；2021年，在秦腔现代戏《织梦人》中，我作为“全国劳动模范”荣誉称号获得者，饰演了20世纪50年代闻名全国的劳动模范赵梦桃，打造“以劳模演劳模”；2022年是易俗社建社110周年，我们推出了眉户剧现代戏《滚烫的年华》、新编秦腔历史剧《昭君行》、秦腔历史剧《程婴救孤》等，同时出版了《中国戏曲典藏·百年易俗社》等10余部系列丛书、20余部剧目音像制品。

　　为了提升和弘扬易俗社的学术价值，我积极推动易俗社走进高校进行演出和讲座，开展戏曲研学。活动期间，我和同事们会示范剧目片段、唱段，示范秦腔、眉户、碗碗腔、弦板腔、商洛花鼓、阿宫腔、线腔、同州梆子、陕北道情、汉调二簧等多种剧种，让学生们由体验、体会而至体现，了解秦腔和易俗社。

　　2020年，作为陕西省人大代表，我在多次调研论证的基础上，提出了秦腔的立法性保护。《陕西省秦腔艺术保护传承发展条例》2022年1月1日起正式实施，为秦腔艺术的保护传承发展提供了法律和政策保障。

　　秦腔艺术历史悠久，如何更好地融入时代发展，绽放时代光彩？在我看来，不断守正创新，才是传统文化与时俱进的根本。打造易俗社文化街区，让秦腔与易俗社走进更多年轻人的视野，便是其中的重要举措。

　　早在2016年，我和同事们就以8间女生宿舍的场地，打造了一个微型的易俗社展陈馆，介绍易俗社历史，引发社会各界关注。随后，我提出了以文旅融合促发展的思路。在各级政府的关注与支持下，2021年9月，易俗社文化街区正式开街，包括易俗社百年博物馆、中国秦腔艺术博物馆，还有露天戏台、老字号美食等，集“馆、展、演、旅游、体验互动”为一体，现已成为当地文化旅游新地标。

　　踏上新征程，我将继续以身作则，带领易俗社进一步以传承、保护和发展秦腔事业为主要任务，不断增强历史自信、文化自信，坚持以人民为中心的创作导向，推出更多独具秦风秦韵的文艺精品。

　　（作者：惠敏莉，系党的二十大代表、西安易俗社社长）

　　（文图：赵筱尘 巫邓炎）