彩神app官网网址_ios/安卓/手机版app下载

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。

像拼乐高一样建体育场？——可“重复利用”的974体育场******

世界杯比赛正在进行

看比赛之余

不知大家是否注意到

有这样一个

全部由集装箱组合而成的球场

图源：网络 974体育场全貌

它就是“974体育场”

是卡塔尔为举办世界杯

所建造的第 7 座球场

那么，974体育场有什么特别之处？

为什么要用集装箱搭建呢？

　　974是什么意思？

　　为什么叫“974”呢？这是因为球场七成由集装箱构成，集装箱数量是974个，且这一数字和卡塔尔的国际区号（+974）相同，可容纳4万球迷。

图源：新华社

　　这座体育馆不仅名字特别，它也是全世界第一个“可回收”的临时场馆，是一座贯彻了全模块化建造的大型体育场馆。

　　为什么要用集装箱搭建？

　　2020年1月，卡塔尔承诺让2022年的赛事成为首届“碳中和”世界杯。当年 9 月，组委会制定了应对挑战的详细路线图。委员会在一份声明中表示：“我们的目标是在卡塔尔和赛事区域推进低碳解决方案，并抵消所有温室气体排放。实现碳中和世界杯分为四个步骤：提高意识、测量排放、减少排放和抵消排放。”

　　974体育场便是环保节能、可持续的最佳代表。

图源：网络 974体育场外部结构

　　球场设计遵循着“可逆性”以及“可持续性”的总原则，结构主要依靠螺丝和干式连接，并使用回收钢材。建筑团队说，所有的建筑模块都是“即插即用”的，每一个模块都经过了严格的标准化处理，以便赛前组装和日后拆卸时可以迅速按模块进行编码和识别；同时，运输、储存和装配等工作也更加容易。一旦世界杯结束，974球场可以被完全拆开，将场馆移至其他地方，或改造使其适应其他活动。

　　可“重复利用”的体育场是怎么搭建的？

　　974体育场紧邻多哈港，原本是服务于港口的临海工业基地。建筑面积12万平方米，项目总占地45万平方米。施工过程始于 2017 年，土地的发掘在 2019 年 7 月完成。

图源：网络 974体育场俯瞰

　　什么是模块化施工呢？974体育场所用到的集装箱有相当一部分就是运输其他建筑材料到施工现场所使用的集装箱，这些集装箱会承担具体的使用功能，如用作休息室或卫生间等，也会根据需求进行改装。

　　这让大量的施工工作可以在工厂环境而非工地环境中流水线完成，全部完成后再将集装箱直接插入现场结构框架中，减少所需时间、能耗和成本。974体育场仅用3年就建成开放，同时模块化施工节省了约40%的施工用水。

　　模块化施工的另一优势是拆改更为便捷快速，产生的建筑垃圾明显减少。由于采用了全模块化设计，建造所使用的预制集装箱、钢结构、座椅 甚至草皮都可以回收利用。

　　974体育场成为了世界杯历史上的一次环保尝试：用单一球场的建设成本和后续每一次重复搭建的边际成本，取代了每一处都要新建一座不可移动且赛后未必会继续使用的体育场的成本。

　　球场内部采用自然通风，974体育馆是卡塔尔八座世界杯场馆中唯一没有制冷设施的场馆，临海的位置提供了自然的新鲜微风，利用搭建时预留的空间来保证场地内外空气的循环，减轻了冷却系统的负载。集装箱的颜色也不是随机的：食物的销售场所采用蓝色；浴室采用黄色；安全和急救区采用绿色；VIP 休息室采用黑色。

　　资料来源：澎湃新闻、京报网、光明网、知乎

　　整理：董小娴

　　（文图：赵筱尘 巫邓炎）