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。

套娃式充会员 智能时代看电视反而更麻烦了？******

　　智能时代看电视反而更麻烦了？

　　近期，“看个电视太费劲了”的话题登上热搜。有网民发视频吐槽智能电视视频App收费高，通过电视机下载的视频App看电视剧、电影、动画，居然要分别收费。视频发出后，收到了很多网友的点赞和留言。不少网友表示“你说出了大家的心声”“怀念原来的电视，现在都变味了”“一年下来看电视的费用都高得离谱，导致现在电视机都成了摆设”。人们常说技术改变生活，但网友们的共鸣又不禁让人发问：为何智能电视时代，看电视反而更麻烦了？

　　其实，网友的吐槽不是否认电视技术的进步及其给人们生活带来的便利。智能电视不仅屏幕尺寸大、分辨率高，而且更加轻薄，便于人们节约使用室内空间。从观看体验上说，大家不用再卡着时间等电视台直播，也不用为错过某个精彩的节目或影视片段而遗憾，随时暂停、随心点播，人们有了更多选择权。这种在观赏电视节目时前所未有的掌控感，是技术向前发展才可能出现的。

　　人们对以往电视的怀念，或许有美好的怀旧情绪在其中，但恐怕更多指向之前看电视时的清爽和纯粹。那些年的老电视，外表显得笨重，且没有兼容太多功能，而新的技术条件下，电视的内涵和外延在不断扩展，电视节目的生态也在改变。随着新兴媒介的兴起，人们对影音视听的要求也不是旧式电视能满足的，智能电视厂商由此展开技术和价格上的竞争。不过，也正因如此，许多视频内容供应方深度融入电视产销环节，利益主体更加多元复杂，让智能电视不再只是一块大屏那么简单。

　　以往也有网友反映过“套娃式充会员”这类现象，电视用户的直观感受就是充完一个会员并不能完全“通关”，也不能看到所有的影视内容。若是要“一充再充”，那么看视频的费用自然就变高了。实际上，在新的售卖和营销模式之下，电视已经成为视频内容分发和聚合平台，电视厂商和内容供应方，以各式各样的会员体系和充值规则，决定着内容的开放和共享程度，最终影响着电视观众的选择。不同App间的定价与竞争策略，涉及节目的版权和收益，这也会让用户在观看电视和选择服务时，有分散和割裂之感。

　　可以说，即便是平日玩转网络的年轻人，在接触电视会员充值模式时，也会感到不适应。另外，电视观众中还有不少老年人和青少年，他们对相关操作并不熟悉，看电视时也可能误充会员。流行的“客厅营销”改变了电视和内容行业的市场“打法”，但如果只有不断地充会员才能“解锁”智能电视，也会让可以活跃家庭气氛的电视渐渐受到冷落。当用户开始“用脚投票”，转而抛弃电视拥抱其他收视观影媒介，这种用户的流失，对电视行业和会员体系恐怕并不是件幸事。

　　随着社会版权意识的提高，人们越来越愿意为优质内容付费，但丰富的内容供应、明晰的会员权益、合理的收费标准、便捷的使用体验等，同样是下一步电视行业提升用户口碑和使用体验的发力点。只有立足用户痛点解决问题的企业，才能收获更多用户，占领更大市场。

　　白毅鹏 来源：中国青年报