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。

遭台当局污蔑对台“渗透”，TikTok否认在台设立分公司******

　　【环球时报特约记者 陈立非 李 耀】民进党当局近日以字节跳动在台设立分公司为由对其进行审查，其旗下短视频平台TikTok以书面方式回复台湾“中央社”表示，近期媒体报道不实，“TikTok在台并无设立分公司”。

　　亲绿的《自由时报》日前声称，2018年3月成立的台湾“升洋国际生技有限公司”今年11月变更登记为“字节跳动台湾股份有限公司”，由台湾人出资，地址登记在台中市东区十甲路，董监事都是台湾人，资本额为1200万元新台币。对此，台当局声称，根据“两岸人民关系条例”规定，大陆网络社交平台不得在台湾经营相关业务。陆委会称，事件已进入司法程序。

　　然而，TikTok 19日回应近期的争议表示，并没有在台设立分公司。台“中央社”20日称，得到回应之后，该媒体记者前往公司登记地址，发现它设在一处住宅区大楼内，管理员表示没听说有什么字节跳动台湾公司在这里，并称整栋大楼几乎以住户为主，商业办公室较少。记者询问多名住户，大家都没听说大楼内设立了字节跳动公司。

　　近年来，民进党当局不断对在岛内年轻人之间颇为流行的TikTok大开杀戒，污蔑其对台湾“渗透”，还声称平台上有不少大陆“假新闻”。民进党“九合一”选举惨败后，蔡英文辞去民进党主席，后又由桃园市长郑文灿召集民进党检讨小组归纳败选原因，把“防疫”“兵役”和“TikTok”列为三大原因，开始新一轮对TikTok的追杀——先是唐凤主导的数字发展部门下令，限制公务机关通信设备及场所使用TikTok；之后台“财政部长”苏建荣19日声称，会进一步了解TikTok是否涉及逃漏税，3个月内提交报告。台“国安局”还抹黑称，解放军在TikTok“置入文宣”，“加强统战”，因此通告台湾各“部会”，尤其是“国防部”，并称要实时掌控分析“大陆网军”攻击。

　　即便民进党当局如此无理取闹地阻挡，依然挡不住TikTok在岛内的流行。台湾知名主持人陶晶莹近日开始使用TikTok，她对平台上的视频滤镜评论称，“难怪小孩迷上”，立刻掀起热议。民进党前“立委”郭正亮批评台当局称，TikTok被禁造成的民怨，甚至可能超过延长兵役的争议，因为台湾使用TikTok的用户超过500万，而兵役延长受影响的人很少。他说，很多人从TikTok上获得收入，经济不景气时，这种微小收入就显得无比重要。“中广”董事长赵少康称，年轻人爱看TikTok有他们的道理，平台上也确实有嘲讽民进党的内容，“受不了就直接禁掉，怎会怕年轻人怕成这样？”

　　“反中牌黔驴技穷，蔡英文必须转念”，新党前主席郁慕明19日以此为题评论称，民进党黔驴技穷，如果不继续打“反中牌”，接下来的选战都不知怎么打了。但大陆持续发展壮大已是定局，中华民族复兴进程更是势不可当；只剩一年半任期的蔡英文，实在应该仔细想想，自己要留下怎样的历史定位。台湾中时电子报刊登的一篇评论称，老百姓要的是真正的资讯安全，现在台湾网络诈骗、色情泛滥，网军更是大肆横行，唐凤怎么不去管管？台湾《旺报》20日发表社评称， 禁了TikTok，民众还有其他渠道获得信息，仍然能了解蔡英文当局所作所为，这次“九合一”选举青年觉醒，如果民进党不能虚心检讨败选原因，继续用“抗中牌”，2024年胜选也难。