彩虹多多_彩虹多多

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。

【科普中国智惠农民】揭开青塘粽子的致富“秘方”******

　　编者按：潺潺湫水河，青青芦苇荡，特殊的地理环境和历史文脉，铸就了前青塘村独特的风俗人情。根据《全国“一村一品”示范村镇认定监测管理办法（试行）》规定，农业农村部对已认定的全国“一村一品”示范村镇运行情况进行定期监测。监测数据经专家审核，初步确定全国乡村特色产业超十亿元镇超亿元村505个，山西省吕梁市临县安业乡前青塘村凭借“粽子”跻身榜单。前青塘村的“小粽子”到底有什么过人之处？粽子如何成为前青塘村的“大产业”？科普中国智惠农民本期《新农人致富路》栏目邀请到山西青塘食品有限公司董事长张侯文，请他来说说小产业如何“粽”出大幸福。

　　据《临县志》记载，从700多年前的元代起，前青塘村就开始种植粽叶、制作粽子，是远近闻名的粽子村。青塘粽子第八代非物质文化传承人、山西青塘食品有限公司董事长张侯文介绍，当时前青塘村里有一个寺院叫奉天寺，到了端午节，寺内的僧人就煮着吃粽子，村民们闻到了扑面而来的香气，顺着香气便寻到了粽子。此后，奉天寺把粽子的制作工艺流传到了前青塘村。

　　张侯文介绍，他的祖上继承了青塘粽子的工艺古法，父亲常常在临县范围内卖着粽子，但是一个端午节卖个十来天，只能挣些生活费。守着“金饭碗”，他决心要把产业做大。2011年，张侯文创办了一个“小作坊”，这成为了他事业的起步。2013年，通过引入抽真空、高温灭菌等现代技术，解决了粽子保质期的问题，用现代科技给粽子“安上了翅膀”。自此，青塘粽子销得更远，名声更大。

　　青塘粽子的礼盒包装背后，还有一段温情故事。张侯文介绍，包装上面的照片画的就是张侯文一家老少。“这是我爸我妈、我家姑娘、我外甥。这是2016年，我父母教孩子们包粽子的场景。”他认为，这样的照片背后，代表了一种传承，是老一代传给新一代手工技艺的传承。

　　在青塘粽子的包装上，还隐藏着一份设计理念。张侯文介绍，“三座山”，一座绿的、一座黄的、一座半绿半黄的。“绿色是指江米粽，寓意是绿水青山；黄色是指黄米粽，寓意是丰收；一半黄一半绿的是指两米粽，寓意是‘黄金搭档’。三座山合起来以后，组成一个元宝形状。在端午节期间用它馈赠亲友，寓意着送金银、送元宝、送财富。”张侯文介绍。

　　“坚持老传统，还原老味道，”是张侯文一直坚持的原则。“我们要把老一辈留下来的传统手工技艺和独特味道，让它一直延续下去，这就是青塘粽子在坚持的事业。”青塘粽子的制作工艺，每一道程序都是手工传承下来的。“几百年前怎么做，现在还是怎么做。”张侯文解释道。

　　先将米泡好、软化，将粽叶清洗、煮沸，便进入包制环节。在每一个粽子的头尖上，放一颗蜜枣，盖一部分米，中间再放两颗蜜枣，上面再盖一部分米，用粽叶合起来将其包裹，最后用马莲绳捆扎起来，便进入煮制环节。

　　煮制的时候，粽子必须尖对尾、尾对尖，一个一个摆放整齐入锅，拿篦子盖上，用重物压住。使粽子在煮的过程当中不被“翻腾”，避免米膨胀。煮制是最关键的环节，粽子好不好吃，全在火候。青塘粽子的煮制，要经过温火、小火、急火，急火、闷，整整10个小时。在10个小时的过程当中，火候要变4次，最终才能达到粽叶香、米香、马莲香、枣香四味融于一体。

　　一颗小小的青塘粽子，集合了山西省临县前青塘村农产品的“精华”，也承载了张侯文工匠家族祖祖辈辈的心血。现如今，前青塘村先后被评为“中国历史文化名村”“中国传统村落”“中国美丽休闲乡村”、中国“一村一品”示范村（粽子）、山西乡村旅游示范村。2021年，村集体经济收入首次突破百万元达到128万元，旅游收入达到600万元，村民人均收入首次突破10000元大关。

　　张侯文告诉记者，他的目标是要把前青塘村打造成“南有嘉兴、北有青塘”的中国北方粽子生产基地、中国特色古村落旅游胜地、山西名副其实的乡村振兴示范村和吕梁山上美丽宜居第一村。（记者/焦子原 武玥彤 支持单位/临县科协）

　　（文图：赵筱尘 巫邓炎）