三分快三平台 - 百度词条

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。

伊朗学者：很多伊朗年轻人认为学中文会有好工作******

　　中新网北京1月10日电 (记者 阚枫)“狮子，波斯语叫Sheir，中文称作‘狮’，其实，如今的中国狮舞也可称为中国和伊朗的文明友谊之舞。”近日，伊朗艺术研究院助理教授、东方部主任纳思霖在中新社“东西问·中外对话”中这样解释“狮舞”的另一种含义。

　　作为同在亚洲的两大古老文明，中国和伊朗有着几千年的友好交往历史。2000多年前，两国就通过古丝绸之路建立了友好交往。

　　纳思霖是伊朗画家，擅长水彩画、油画，并曾到中国学习中国国画，于2008年获得中国中央美术学院博士学位，2010年后还在中国美术学院从事博士后工作。如今，纳思霖在伊朗的大学中教授东方艺术方面的课程，并长期从事中伊人文交流工作。

　　谈及中国和伊朗基于古丝绸之路的文明交往史，纳思霖表示，古丝绸之路让中国和伊朗这两大古老文明的交往，从贸易往来逐渐发展到影响深远的文化、艺术、饮食甚至语言等方面，这其中，有很多有趣的案例可以列举。

　　她说，历史上相传，一位伊朗国王把狮子作为礼物送给中国皇帝。狮子在波斯语中叫Sheir，来到中国之后，中文称其为“狮”，因此，如今的中国狮舞可谓历史上中国和伊朗的文明友谊之舞。

　　纳思霖称，在东方的艺术文化瑰宝中，可以看到很多受到古丝绸之路文明交融影响的痕迹。例如，中国的敦煌莫高窟内的壁画和雕塑，不少人物的衣着和色彩就能看到来自伊朗艺术的影响。

　　最近，纳思霖出版了中文新书《伊朗细密画中的中国元素》，介绍中国与伊朗文化艺术交流中相互影响的案例。

　　“为了找到最佳的方法来展示历史上中伊文明之间的艺术交流史，我在中国做了四五年研究。实际上，这本书是我论文的一个简短部分。”

　　纳思霖说，在这本新著中，她介绍了在中国元朝期间伊朗绘画作品中的中国元素，并展示了两个文明古国之间的友谊。希望对于对东方艺术，尤其是中伊两大文明的艺术感兴趣的人们来说，这能加深两大文明间的友谊。

　　虽然，中国和伊朗之间有悠久的文明交往史，但是纳思霖坦言，现在伊朗年轻人对古丝路文化知之甚少，提到中国文化，他们可能只会想到中餐、武术、商业等。

　　不过，这位中文非常出色的伊朗学者也提到了在伊朗年轻人中出现的一个趋势：在伊朗的大学生中，越来越多的人会将中文确定为自己应该学习的一门外语。

　　“十年前，我们在很多大学开设了中文系，每个学期都会有很多新生选择学习中文，他们认为汉语已是英语之外的世界第二大语言，学好汉语意味着未来可以找个一个好工作，有不错的收入。”纳思霖表示，这些年轻人在学习汉语过程中会对中国历史文化产生兴趣，很多人喜欢孔子、老子和庄子的学说，以及中华文化中的价值观念。

　　纳思霖说，中国和伊朗两大文明之间的悠久关系，对当今世界的文明交流互鉴可以有很多启迪，作为以丝绸之路结缘的两大文明，如今更应该加强人文交流，特别是年轻人之间直接的交流交往，并将深厚的东方文明重新介绍给世界。(完)

　　（文图：赵筱尘 巫邓炎）