快盈v计划群-在线用户注册首页登录平台

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。

星系：黑洞你不讲武德！******

　　近日，一个天文学家团队

　　发现了一个独特的黑洞

　　这个黑洞正向另一个星系

　　喷出44万光年长的“口水”

　　这一消息登上热搜

　　不少网友表示疑惑

　　黑洞不是可以吞噬一切吗？

　　怎么还能“吐口水”？

　　椭圆星系中形成恒星稀少之谜

　　如果说恒星是宇宙中的居民，那么星系就是宇宙中的村落或城市。根据不同的形态，星系主要被分成三类：椭圆星系、螺旋星系和不规则星系，螺旋体有大量的冷气体和尘埃，并有光学上看起来像蓝色的旋臂。在螺旋星系中，平均每年有一颗类似太阳的恒星形成。另一方面，椭圆星系的颜色是黄色的，缺乏像旋臂那样的独特特征。

　　图源：百度百科 椭圆星系

　　图源：百度百科 螺旋星系

　　就像人口并非均匀地分布于地球表面一样，这些宇宙城市和村落也是不均匀分布的。在螺旋星系中，平均每年都会产生一颗类似太阳的恒星。但在今天看到的椭圆星系中，数十亿年来没有产生任何恒星。为何在椭圆星系中恒星的产生会如此罕见？这对科学家来说一直是一个谜。

　　“吐口水”的黑洞是“凶手”？

　　一个天文学家小组在公民科学家的帮助下发现了这个独特的黑洞，它正在向另一个星系喷射火热的喷流，看起来像是在“吐口水”，这些喷流在星系中以极高的速度进行，耗尽了未来恒星形成所需要的冷气体和尘埃。

　　图像来源：Ananda Hota博士，GMRT，CFHT，MeerKAT

　　这表明，椭圆星系中形成恒星非常稀少的罪魁祸首或许就是这些大吐口水的黑洞。

　　这个黑洞位于RAD12星系中，该星系距离地球约10亿光年。RAD12中的黑洞似乎只向一个邻近的星系喷出了射流，这个星系被命名为RAD12-B。在所有情况下，喷流都是成对喷出的，以相对论的速度向相反的方向运动。为什么只看到一个喷流来自RAD12，这对天文学家来说仍然是一个谜。

　　黑洞还能喷东西？！

　　编号Sh2-101的郁金香星云

　　图片来源及版权：Peter Kohlmann

　　这片发出微红色光芒的星云

　　俗名为郁金香星云

　　星际气体和尘埃组成了

　　红色的花瓣

　　它们受到附近年轻恒星的

　　紫外光照耀而发光

　　花朵右侧那片弯曲的小叶子

　　就是黑洞喷流冲击形成的杰作

　　事件视界望远镜解析的半人马座A星系中央黑洞的中心喷流

　　图片来源：Radboud University; CSIRO/ATNF/I.Feain et al., R.Morganti et al., N.Junkes et al.; ESO/WFI; MPIfR/ESO/APEX/A. Weiss et al.; NASA/CXC/CfA/R. Kraft et al.; TANAMI/C. Mueller et al.; EHT/M. Janssen et al.

　　黑洞因贪吃而闻名，但它们却不会将落向它们的东西全都吃掉。一小部分物质会以强烈热气体喷流的形式射出，并对周围环境造成破坏，这些热气体被称作等离子体。一路上，这种等离子体以某种方式获取足够的能量来强烈地发光，并沿着黑洞的旋转轴形成两个亮柱。科学家们一直在争论，喷流中的这一过程究竟是在哪里发生和如何发生的。

　　黑洞的喷流是与黑洞周围的气体紧密相关的。要想产生喷流，首先黑洞周围要有足够的气体，这些气体形成一个气体盘，最后如果条件合适的话，那么部分的气体会在掉入黑洞的过程中，掉入到黑洞之前，沿着黑洞的转轴方向喷射出去，形成喷流。所以说喷流只是在特定情况下产生的，在宇宙当中，只有10%左右的超大质量黑洞才会产生黑洞喷流。

　　END

　　资料来源：中国国家天文、北京天文馆、国家空间科学中心、CNBeta、新疆科技馆

　　整理：董小娴

　　（文图：赵筱尘 巫邓炎）