彩天下app计划群|在线用户注册平台 | 官网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。

“元宇宙+教育” 会碰撞出怎样的火花？******

　　◎本报记者 张盖伦

　　近日，第五届世界教育前沿论坛举行。在该论坛“元宇宙与教育”环节的尾声，北京大学教育学院原副院长、中国教育技术协会教育游戏专委会理事长尚俊杰向与会嘉宾提了一个问题：元宇宙常态化应用到教育领域还需多久？这也是近一年来常被探讨的话题。

　　我国教育信息化经过近十年的大力推进，已经实现了跨越式发展。教育部提供的数据显示，全国各级各类学校全部接入互联网，所有学校出口带宽达到100兆以上，接入无线网的学校数超过21万所，99.5%的中小学拥有多媒体教室。

　　那么，下一个十年，像元宇宙这样的新技术又将如何影响教育？

　　元宇宙是教育信息化的高级阶段

　　尚俊杰指出，元宇宙的本质就是与现实世界交互融通的数字化交互环境。狭义上，它是指基于VR/AR、人工智能技术实现的让人身临其境的虚拟世界；广义上，它可涵盖数字世界的所有概念，从当前的互联网到未来虚实融合的数字化世界都是元宇宙。

　　信息技术对教育具有革命性影响，新的技术，总会给教育变革带来新的可能。尚俊杰总结，元宇宙可以为学生带来更具临场感、体验感的学习环境，还可以创造混合现实的学习环境。

　　不过，元宇宙不是教育的万能药。尚俊杰坦言，教育是个“慢领域”，不要指望有某个技术能突然地变革它。可以把元宇宙看作教育信息化的高级阶段。长期来看，元宇宙属于颠覆性技术，但短期来看，它的发展还有许多不确定因素，要重视元宇宙研究，为业界实践提供理论指引。

　　尚俊杰表示，要把教育元宇宙融入教育信息化的长远规划和顶层设计中，明确发展目标和具体方案，为教育元宇宙的健康有序和可持续发展提供政策指导。

　　他还指出，应以教育新基建推动教育元宇宙发展，将教育元宇宙纳入教育数字化战略行动方案，加快推进教育专网建设，推动5G、VR/AR、人工智能、区块链等技术在教育领域广泛落地应用，建构智能学习交互等教育新场景。“只有推动教育基建，我们的元宇宙才可能真正‘搭’起来。否则，如果网络很卡顿，学生就不会有兴趣。”尚俊杰说。

　　他表示，还需加强教育元宇宙相关技术标准的制定，首先要明确元宇宙的技术架构和规则，在此基础上，根据教育领域的实际需求，面向学生全面健康成长，结合各学科课程内容、课程标准和相关研究，发现教育的一般规律和特殊规律，并进一步总结迭代，形成适用于教育领域的元宇宙技术标准和伦理规则。

　　各层级教育元宇宙发展各有侧重

　　元宇宙在教育领域的应用，最终仍要落脚到学习上。

　　华东师范大学信息管理系教授许鑫认为，元宇宙在高等教育、基础教育和职业教育领域落地的典型场景和研发的重点方向会有不同侧重。

　　在高等教育领域，侧重于元宇宙在产教融合方面的落地和社交属性的体现；在职业教育领域，侧重于借助自动化内容生成工具，为数字虚拟场景快速搭建、VR教学资源自动生成、数字人教师实现等赋能；在基础教育领域，则聚焦科学教育，开展学生VR环境下学习能力、抗压能力测评的系列研究。

　　值得一提的是，许鑫强调，元宇宙在基础教育领域的应用还需慎重。此前，他们考虑进行课件的3D转换，比如把课堂上立体几何的内容通过3D的方式直接呈现给同学们。但是研究数学的老师给出了不同的观点——他们担心这样会限制学生的空间想象力。“当给学生提供沉浸式学习环境时，他们注意力究竟是比以前更集中，还是更分散？这都需要进一步研究。”许鑫说。

　　“教育元宇宙的发展要能够把握教育的本质，不是为了用技术而用技术，而是真正让技术促进学生的成长和进步。”许鑫强调。

　　（文图：赵筱尘 巫邓炎）