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 。
6G、数字孪生 、高性能芯片 15项世界互联网领先科技成果发布******
浙江在线11月9日讯（记者 陈雷 见习记者 田雨阳）11月9日下午，2022年世界互联网领先科技成果发布活动在乌镇互联网国际会展中心举办。作为世界互联网大会乌镇峰会的重要板块之一，每年的成果发布活动都是全球互联网领先科技成果展示 的平台。
发布会现场 浙江在线记者田雨阳 摄
今年 的发布活动共评选出来自中国联通 、中国电信 、鹏城实验室等15项具有国际代表性 的年度领先科技成果 ，以及5项提名成果 。活动现场同时还向积极参与活动组织并取得突出成效的6家单位颁发了“卓越组织”纪念证书 ，包括中华人民共和国教育部、中国科学院等。
据悉，世界互联网领先科技成果发布活动旨在展现全球互联网领域最新科技成果 ，彰显互联网从业者 的创造性贡献 ，搭建全方位的创新交流平台 。今年5月，世界互联网大会面向全球广泛征集申报成果，共征集到来自中国、美国 、俄罗斯等国家和地区各类申报成果257项 ，涵盖5G与6G 、IPv6、人工智能 、数字孪生等多个前沿领域。
发布会现场 浙江在线记者田雨阳 摄
以下为详细名单
2022年世界互联网领先科技成果名单（按现场发布次序）
1.“IPv6+”标准制定、设备研制、组网设计及规模应用
——中国联合网络通信集团有限公司
2.中国电信骨干全光网创新与应用
——中国电信集团有限公司
3.EAGLE 6G ：面向6G无线高速接入原型系统及测试环境
——鹏城实验室
4.全球首个集成5G AI处理器 的调制解调器及射频系统
——高通公司
5.5G时间关键型通信使能远程操控
——爱立信（中国）通信有限公司
6.欧拉开源操作系统
——华为技术有限公司
7.卡巴斯基安全远程工作空间
——卡巴斯基
8.ODPS ：数据驱动而生的超大规模多场景融合的大数据计算平台
——阿里云计算有限公司
9.微软第一方数字孪生产品
——微软（中国）有限公司
10.睿鉴数字内容虚假伪造检测系统和设备
——中国科学院计算技术研究所 北京中科睿鉴科技有限公司
11.龙芯3A5000/3C5000处理器芯片
——龙芯中科技术股份有限公司
12.OceanBase原生分布式关系数据库
——蚂蚁科技集团股份有限公司
13.大规模知识图表示学习 的体系化基础算法及开源工具
——清华大学
14.基于数字对象架构 的数联网及大数据互操作技术
——北京大学
15.大规模图神经网络模型端云协同计算平台和应用示范
——浙江大学
2022年世界互联网领先科技成果提名项目名单（按视频发布次序）
1.奇安信大禹平台及重大网络安全防护应用
——奇安信科技集团股份有限公司
2.TDSQL――推进数据库基础技术突破与产业分布式技术升级
——腾讯科技（深圳）有限公司
3.智能汽车行业创新：大算力 、高性能融合计算芯片IP平台
——安谋科技（中国）有限公司
4.基于高性能人工智能训练芯片的智算集群
——之江实验室
5.文心大模型
——北京百度网讯科技有限公司
2022年世界互联网领先科技成果卓越组织名单
1.中华人民共和国教育部
2.中国科学院
3.中国移动通信集团有限公司
4.中国电信集团有限公司
5.国家电网有限公司
6.浪潮集团
