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。

自觉在大局下行动******

　　作者：兰琳宗

　　近日，中共中央政治局召开民主生活会，习近平总书记主持会议并发表重要讲话，强调要牢固树立全国一盘棋思想，自觉在大局下行动，坚持小道理服从大道理、地方利益服从国家整体利益，不断提高战略思维、历史思维、辩证思维、系统思维、创新思维、法治思维、底线思维能力，切实做到前瞻性思考、全局性谋划、整体性推进各项事业。

　　“不谋全局者，不足谋一域。”习近平总书记多次强调“增强大局观念”，要求“自觉从大局看问题，把工作放到大局中去思考、定位、摆布，做到正确认识大局、自觉服从大局、坚决维护大局”。党中央提出党员干部增强“四个意识”，其中之一就是“大局意识”。对各级党组织和广大党员干部来说，牢固树立大局意识，把各领域各岗位工作融入党和国家工作大局，考校着党性觉悟，也是必须遵守的纪律规定。特别是当前开启全面建设社会主义现代化国家新征程，任务艰巨，战略机遇和风险挑战并存，更加要求广大党员干部胸怀中华民族伟大复兴的战略全局和世界百年未有之大变局，善于在大局下开展工作，既登高望远、掌握主动，又脚踏实地、奋进拼搏，不断打开事业发展新天地。

　　牢记“国之大者”，坚决贯彻执行党中央决策部署。“国之大者”关乎发展全局、事业根本。党员干部要对“国之大者”心中有数，关注党中央在关心什么、强调什么，深刻领会什么是党和国家最重要的利益、什么是最需要坚定维护的立场，始终做到在大局下思考、在大局下行动。要不断提高政治判断力、政治领悟力、政治执行力，时刻把事关党和国家前途命运、事关人民根本利益的大事放在心上，做到为党分忧、为党尽责、为党奉献。坚决维护党中央权威和集中统一领导，经常同党中央对标对表，自觉在思想上政治上行动上同党中央保持高度一致，及时校正偏差，不打折、不变通、不走样。

　　坚持算大账、算长远账，不打小算盘、不搞小聪明。小道理要服从大道理，地方利益要服从国家整体利益。自觉在大局下行动，要求领导干部想问题、作决策、抓落实，善于算大账、总账、长远账，不能只算地方账、部门账、眼前账。要站在党和国家大局上想问题、看问题，着眼于党和国家整体利益、根本利益、长远利益来权衡利弊得失。无论综合性决策还是专项性决策，都要找准在全局中的合理定位，做到科学决策、民主决策、依法决策。从大处着眼、小处着手、有的放矢，把情况看清、看准、看透，并积极考虑全局需要，决不能只顾当前、不计长远，只打自己的小算盘，损害全局利益。

　　既为一域增光，又为全局添彩。自觉在大局下行动，不是不顾实际，机械性贯彻落实党中央决策部署，而是善于把党中央的决策部署同本地区本部门的实际有机结合起来。要因地制宜、因时制宜，紧密结合各自实际，开动脑筋、主动作为、大胆作为，创造性开展工作，真正让党中央决策部署落地见效，坚决克服空喊口号、机械执行、消极应付等不良倾向。以“一盘棋”思想达到“一子落”带动“全盘活”，实现“立足全局谋一域、干好一域促全局”。

　　纪检监察机关是政治机关，要带头在大局下行动，更加自觉把工作置于党和国家大局中谋划推进，始终在党中央集中统一领导下忠实履行职能职责，紧紧围绕贯彻落实党中央决策部署来谋划和开展各项工作。推进政治监督具体化、精准化、常态化，严肃查处违反政治纪律和政治规矩问题，坚决纠正贯彻落实党中央方针政策和工作部署存在的政治偏差，督促推动党员干部在新征程上牢记“国之大者”，善谋国之大计、党之大计，敢于担当、积极作为，造福人民、赢得民心。（兰琳宗）