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。

光明文化周末：有书相伴，人生不会寂寞******

　　【序跋】

　　作者：赵丽宏

　　孔明珠把自己即将出版的散文集命名为“读写光阴”，这书名是她对自己人生况味的一种描述。

　　作为一个有丰富生活经历的作家，孔明珠非常清楚，她的写作能有今天的成就，一个重要的原因，就是对阅读的坚持，对书的热爱。我读过她不少回忆故人往事的文字，文章的主旨和细节都和书有关。孔明珠出生于文人世家，父亲孔另境是文人、出版家，也是鲁迅先生的朋友，姑父是茅盾先生。但孔明珠的童年遭遇艰困，那是书的荒年，很多人在混沌中迷失。我听她说过她怎样寻找书，我也在她的散文中读到她那时的经历，那些不朽的文学名著曾怎样照亮她人生的道路。她在一篇回忆姑父茅盾的文章中这样说：“少年时我们遭遇书荒，胡乱读书，‘拉到篮里就是菜’是我们的特征。”然而那时拉到她篮子里的菜，不是没有价值的闲花野草，而是经过大浪淘沙仍在世间流传的名著。她因一篇文章认识一个作家，然后想方设法去寻找这个作家的书，走向更深入的阅读境界。家庭和长辈的教育，环境的影响，以及从小开始的阅读生活，奠定了她人生的基础。寻书、读书，成为她重要的生活方式，从童年延续至今。

　　孔明珠的写作，起步于上世纪90年代初。她曾把最初的习作给我看，写的是她游学日本的生活。开始，她对自己的写作并不自信，觉得就是因为喜欢文学，喜欢用文字表达，随便写写。我发现，她此前虽然没有写作的经验，但她的文章不仅展示了驾驭文字的能力，也让人窥见文字背后的见识和涵养。最初那些文字的发表，给了她继续写作的勇气和动力。她的写作，从此一发而不可收。她用朴素灵动的文字，写岁月往事，写生活小品，写风俗人情，在她富有个性的叙述中，读者逐渐熟悉了她的名字。她曾经以“孔娘子厨房”为题，写了一系列关于烹调和美食的小品，带来知名度。这些小品虽然有文化内涵有情趣，但也让我担心她写作的走向。然而我的担心是多余的，她的视野并没有因此改变、缩小，她更加用心思考和表达的，是和阅读有关的生活，其中既有对岁月往事的回忆和反思，也有不断更新、增长的阅读经验。她读名著，也读很多引起她兴趣的文学新作，她的阅读心得写得生动亲切，没有学究气，展现的是一个读书人的睿智和见识。譬如《叹着气，想念你》，写的是她重读《包法利夫人》的心得，虽是短文，但写出了独特见解。年轻时读过的书，数十年后重读时，因为经历的积累和心境的变化，有了全然不同的感悟。我这些年来写的几部儿童文学长篇小说，如《童年河》和《渔童》，都在她的阅读视野中，她为这些书写的读后感，是一个知音的评论，给我不少启迪。

　　孔明珠请我为《读写光阴》作序，作为交往数十年的老朋友，我想起了很多往事。这本书，对明珠有特殊的意义，是她作为一个读书人和写作者的经验之谈，也可以看作是她文学生涯的一次小结。我相信，读书早已成为明珠的一种生活方式，有书相伴，她的人生不会寂寞。

　　想起了我很多年前写的一首诗《你们不会背叛我》，这诗中的“你们”，便是我读过的好书，是那些陶冶过我，感动过我，影响过我的书。

　　是的，假如有一天

　　所有的朋友都离我而去

　　你们不会背叛我

　　永远不会，永远不会

　　你们已经铭刻在我的心里

　　已经沉浸在我的记忆中

　　在我思想的每一个角落

　　在我情感的每一根血管

　　你们无所不在，无时不在

　　任何力量无法驱赶

　　你们博大美妙的形象

　　…………

　　我用目光默默地凝视你们

　　我用思想轻轻地抚摸你们

　　我用心灵静静地倾听你们

　　我的生命因你们的存在而辉煌

　　我的生活因你们的介入而多姿

　　岁月的风沙可以掩埋我的身骨

　　却永远无法泯灭你们辐射在人间的

　　美丽精神啊……

　　我想把这首诗送给明珠，也送给所有对书怀有深情的人。

　　（本文为即将出版的散文集《读写光阴》序言）

　　《光明日报》（ 2023年01月06日 15版）