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。

关注新型信息消费新动向******

　　关注新型信息消费新动向

　　洪群联

　　春节是传统消费旺季，也是信息消费集中释放的时期。随着疫情防控优化措施全面落地，人们回乡过年、探亲访友、旅游观光等需求集中释放，由此带来信息消费蓬勃发展。工业和信息化部发布的数据显示，2023年春节假期全国5G移动互联网用户接入流量比上年同期增长了103%，5G正在加速融入百姓的日常生活，成为拉动新型信息消费的重要方式，也创造了更加丰富的消费产品以及更加便捷的消费体验。

　　新型信息消费群体更加庞大。春节期间，不仅年轻人群对5G技术的使用程度进一步加深，而且越来越多银发族和农村人也主动拥抱互联网，享受5G带来的智能生活便利。近年来，我国高度重视5G普惠发展，加速推进智能终端、信息网站、APP等适老化、无障碍化改造，广大农民群体和老年人群对智能手机的接受程度和应用技术持续提升，“数字鸿沟”不断弥合。与春运前相比，春节期间全国4G/5G网络流量提升超过20%的行政村总数超过18万个。目前，我国拥有全球规模最大的5G信息消费群体，为新型信息消费发展奠定了坚实庞大的用户基础。我国即将迈入高收入国家行列，伴随居民收入水平提升和消费结构升级，我国信息消费能力日益增强，将为5G新型信息服务创造巨大的市场需求。

　　新型信息消费业态更加多样。春节期间，广大人民群众通过移动终端开展网络拜年，联络感情，在线观看各类短视频和文娱节目，进行网络点餐，通过移动支付购买年货等商品。返乡、异地和跨城出行大幅增加，在线预约租车和预订酒店、门票等成为普遍选择。各地纷纷开展“信息消费体验周”“5G消费券”等活动，引导消费者感受信息消费全新体验。信息服务企业加大智慧家庭、视频彩铃等基于新兴技术的产品创新和业务营销，拉动信息消费升级。随着5G技术不断发展成熟，及其在文化、旅游、教育等领域广泛应用，超高清显示、高清同步课堂等信息服务产品快速发展，线上线下融合新场景展现巨大潜力，网上购物、远程教育、智能家居等行业方兴未艾。我国新型信息产品的供给能力和供给质量正在不断提升，5G新型信息消费将以高质量高效率的发展态势丰富着人们的消费选择。

　　新型信息消费地域更加广阔。春节期间，广大消费者切身感受到，不论是一二线大城市还是小镇、乡村，不论是工厂、商场还是田间地头，身处何时何地都可以便捷通畅地使用5G网络。近年来，我国稳妥有序加强5G、工业互联网等新型基础设施建设布局和融合应用，截至2022年底，我国累计建成并开通5G基站231.2万个，基站总量占全球60%以上，实现了“县县通5G、村村通宽带”。特别是结合主要交通干线，在机场、高铁、高速等热点枢纽站点布局建设了一批移动通信基站，基本实现5G网络覆盖春节返乡路，让春运的网络之路更好更快。“十四五”时期，我国将推动5G网络覆盖所有城市及县城，并以需求为导向，逐步推进5G网络和千兆光网向乡村延伸，5G信息服务消费的地域空间将大大扩展。

　　信息消费、数字消费是当前和今后一个时期增长迅速、创新活跃、辐射广泛的消费领域之一，以5G、人工智能、大数据、云计算等新技术推动信息消费加速进入发展新阶段，已成为引领消费的重要引擎以及拉动内需的重要动力。我国正在加快5G网络规模化部署，构建基于5G的应用场景和产业生态，5G结合各行各业所催生的新模式、新业态、新场景，将促进供需对接更加精准，加速线上线下消费融合，为消费者提供更多个性化、定制化的商品和服务。未来，要充分发挥我国5G产业链的体系化领先优势，推动城乡新型基础设施提速升级，加快信息终端普及和升级，以科技赋能引领信息产品和服务迭代创新，加速数字消费场景落地，最大程度释放信息消费潜力，将5G转化为扩大内需和改善民生的强大动能。