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将让世界更紧密******

　　【专家访谈】

6G将让世界更紧密

——专访中国工程院院士邬江兴

光明日报记者 陈海波 张晓华

　　在“共建网络世界、共创数字未来”的倡导下，乌镇峰会正在汇聚数字技术创新的最新成果和最新思考。作为未来数字世界的“超级基础设施”，第六代移动通信技术（6G）引人瞩目。6G如何更好地服务世界、造福人类，共创合作共赢的美好明天？记者就此专访了中国工程院院士、复旦大学大数据研究院院长邬江兴。

　　6G将开启可持续包容发展新范式

　　4G和5G已经得到广泛应用，6G还有必要研发吗？这是很多人的困惑。

　　“如果用一句话来形容，6G将改变世界。”邬江兴笃定地告诉记者，这个改变是建设性、包容性的改变，是用科技创新的力量，弥合数字鸿沟、连接信息孤岛、兼顾各方诉求、以智慧化赋能可持续发展。

　　为何对6G如此自信？邬江兴作了一番比较：6G不仅能提供50倍于5G的峰值传输速率，还可以将4G时代人与人的高速互联、5G时代人与物的广泛连接，拓展到“人机物智”的充分连接、各种制式网络的包容连接、全球范围的无缝连接，助力人类社会实现“万物智联、数字孪生、智慧涌现、健康有序”的美好愿景。

　　“6G将创建‘底座网络’，也就是构建一个‘网络之网络’、一个‘服务网络的网络基础设施’，可以把各种制式的网络融合到一个全新的基础网络环境里面，支持多种网络体制及业务以应用模态方式共生共存。”邬江兴说，6G将为全球数字未来提供一套“公共服务”，不同诉求将在其上聚集成安全可信、合作多赢的共同体。

　　作为面向2030年之后全维空间智能网联基础设施的重要支撑技术，6G可实现更为广泛的空天地海连接，实现更高速率的跨界融合与场景智联，提供更具有弹性、韧性、安全内生的基础网络服务。“因此，6G不会再沿袭传统的几近疯狂的追求性能提升的理念，而是着力探索可持续健康发展的新路径、新范式。”邬江兴说。

　　关于新路径、新范式，邬江兴预测，6G将融合人工智能、卫星互联、新型材料、网络安全、虚拟现实等技术，打造包容、多元、安全、高效的底座网络生态环境，探索和开辟“性能可靠、成本可担、能耗可控、安全可信、效益可期”等多目标协同的可持续包容性网络发展新范式。通过构建全维可定义的开放式体系，不仅能避免网络升级换代成本，而且能够向下兼容，将3G、4G、5G时代的网络设施和服务“无感迁移”到新的网络环境中，还能为各种新兴应用场景、垂直行业提供“即插即用”式的底座网络接口，支持电信运营商、服务提供商以及不同国家和地区基于个性标准或自有体系的个性化、分众化需求，为人类社会提供更丰富多彩、更安全可靠的智慧服务。

　　发展6G需要突破广义功能安全壁垒

　　6G要实现广泛应用，一个不能忽视的问题是信息安全。“在看到科技改变生活、改变社会的同时，也要正视可能出现的潜在风险，防范在前。”邬江兴呼吁。

　　据他介绍，6G将实现各种智能化技术的大规模应用，其中蕴含了“三重安全风险”，表现为共性安全问题、个性安全问题、广义功能安全问题，其根源是网络空间的“漏洞”“后门”问题向物理空间、认知空间外溢，不但会危及人民群众生命财产安全，而且会影响关键基础设施安全、社会安全稳定。

　　“6G要实现全球化商用，必须突破广义功能安全壁垒，只有实现了安全可信，才能推进6G技术的健康可持续发展。如果技术上不能有效抑制基于‘漏洞’‘后门’等网络攻击，国家安全问题就会成为6G发展难以逾越的鸿沟。”邬江兴说。

　　当前我国在6G安全领域已经取得了突破性进展，尤其在内生安全领域已获得全球认同。邬江兴指出，内生安全理论解决了网络安全无法量化设计、不能量化评估的世界性难题，让大家对网络安全性能“心中有底”。以内生安全技术为独特禀赋的6G，将直面智能化时代“三重安全风险”，以高可信、高可靠、高可用的创新思路冲破壁垒，为全球网络空间互联互通、共享共治贡献中国智慧和中国方案。

　　《光明日报》（ 2022年11月10日 10版）