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。

《中国奇谭》好在哪儿******

　　提起上海美术电影制片厂，许多80后、90后，乃至60后、70后，都会会心一笑，想起儿时看过的《大闹天宫》《哪吒闹海》《天书奇谭》《黑猫警长》等经典作品。遥想当年，这些作品陪伴一代又一代人走过了孩提时代，也代表中国动画，在国际舞台上创建了一张张独具特色的“文化名片”。

　　光阴飞逝，中国动画在“美术片”时代创下的辉煌，已经开始在人们的记忆中渐渐淡去。走过低谷、历经磨砺，在“国创”风潮的引领下，中国动画行业终于又在最近几年重见曙光。不过，虽然“出圈”的国产动画一年比一年多，市场反响也一年比一年好，质量和口碑特别出众的作品仍属凤毛麟角。

　　在这一背景下，一部名为《中国奇谭》的短片集开播不久，就在豆瓣收获了7万多名观众打出的9.5分高分。制作这部短片集的，正是曾经的“美术片王者”上海美术电影制片厂。

　　进入21世纪以来，20世纪“美术片”在观众眼中的存在感日益降低，新生代中国动画的风格，一方面明显受到日本、欧美等成熟动画市场的影响，另一方面也在积极迎合当代青少年的审美偏好。然而，《中国奇谭》的出现与成功，却让人意识到：“美术片”的时代虽然已经结束，中国动画过去积攒的审美资源、风格资源，以及中国特有的文化资源、思想资源，依然值得在今天被进一步发掘，并以此为起点展开“有传承的创新”。

　　已经播出的几集《中国奇谭》，为何能如此成功？这个问题的答案，当然要在原片内容中寻找。第一集《小妖怪的夏天》，是与上世纪“美术片”亲缘最近的一集。不论是源自《西游记》的文化背景、传承清晰的经典美术风格，还是极具辨识度的孙悟空形象，都足以令熟悉中国动画发展史的观众热泪盈眶。然而，《小妖怪的夏天》虽然让人感到似曾相识，却并非对老作品的模仿复刻。其故事线以妖怪洞府暗喻当代职场，年轻上班族一看就懂。以无名小妖而非取经四人组为主角，劝人向善、充满温暖的叙事方式，也让人眼前一亮。

　　除此之外，第二集《鹅鹅鹅》的水墨画风、默片手法，以及“聊斋味”十足又善于留白、让人回味悠长的开放式剧情；第三集《林林》将国风融入3D动画的大胆尝试，对东北自然风貌的浪漫呈现，以及对人与自然关系的思考……这些富有特色的亮点，都传递着主创团队的独到见解，以及支撑他们把这些间接转化为作品的勇气与诚意。从工业水平上看，《中国奇谭》的项目规模决定了它不可能追求顶尖水准。但它胜在创意、胜在真诚、胜在其内里的“中国基因”。

　　《中国奇谭》最早打响名号，与《小妖怪的夏天》自带的“情怀”属性密切相关，《鹅鹅鹅》更加独特，但也会让人想起《小蝌蚪找妈妈》等水墨老片。不过，从《林林》开始，我们已经可以明显看到《中国奇谭》一边背靠传统资源，一边探索全新世界的勇气。通过预告可以发现，从第四集开始，《中国奇谭》甚至会脱离古代背景，来到现代乃至未来。目前，我们并不知道《中国奇谭》的评分能保持多久，尚未播出的几集短片质量几何，但我们不妨对此抱有期待，看看它们能达到怎样的高度。

　　杨鑫宇

　　来源：中国青年报