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。

天津煎饼馃子：豆粉“画”饼落蛋香******

　　中新社天津1月3日电 题：天津煎饼馃子：豆粉“画”饼落蛋香

　　作者 王君妍 王在御

　　凛冬的天津晨光熹微，一个简单的招牌“九河张记”挂在街边老房子青砖墙上，阵阵香味随着热气从老房中飘来。

　　早上来一套煎饼馃子，和附近的街坊邻居聊聊天，已成“卫嘴子”丁大爷几十年的习惯。“您要想吃最正宗的天津小吃，那还得是煎饼馃子，尤其是街边旮旯的老店铺，几十年了还是这个老味儿。”

　　九河下梢天津卫，因河而兴，自明代1404年正式筑城至今已有618年的历史。锅巴菜、卷圈、炸糕……被网友称为“碳水天堂”的天津，“早点”异常丰富，其中最具代表性的还得是“煎饼馃子”。

　　据天津民俗专家、专栏作家由国庆介绍，煎饼馃子的由来与天津古老的码头文化密切相关。“老天津卫是河海商埠大码头，搬运工、买卖人较多，一手卷个吃食，一边忙活也不耽误，煎饼馃子也就成了因需而来的快餐。”

　　“正不正宗，得食客说了算。”话音未落，“九河张记”的张建明师傅便舀一勺绿豆面到铁板，手腕轻轻一转，几秒钟便摊好一张煎饼。磕一个鸡蛋摊匀，辅以面酱、豆腐乳、葱花等，铺上馃子或馃箅(bì)儿(薄脆)，用铲子轻巧折叠，一套煎饼馃子几分钟内便新鲜出炉，热气腾腾的焦香味驱散了空气中的寒意。

　　摊煎饼看似简单，其中讲究却不少。“就得用纯绿豆面，绿豆还得是现磨的，铁板的温度必须达到210℃左右，手速也要快，摊出来的煎饼才能又香又脆，还糊不了。”张师傅天津话说得“溜”，手上的活儿更“溜”，不一会又摊好了一套。

　　随后，张师傅从灶台下拿出了一个小瓶，展示他的“独家秘方”——自制调味料。“每家煎饼馃子味道都不太一样，秘密都在小瓶儿里。谈不上啥秘方，但每家都有点儿差别。”张师傅称，各家煎饼馃子味道都有所不同，食客吃惯了一个口味之后，就会觉得别人家做的“不正宗”，但其实这种对细微差别的喜厌，正是大家童年时留下的味觉回忆，久而久之便成为家门口的煎饼馃子“最正宗”。

　　天津姑娘张榕已在加拿大留学六年。她回国的第一件事，就是吃一套煎饼馃子，以解乡愁。不仅如此，在每次出国之前，张榕也会在家门口买一套煎饼馃子带着在赶飞机的路上吃，她说，只有家门口的煎饼馃子，才是属于童年的回忆。

　　“现在我们生产的‘家庭版DIY煎饼馃子’今年已经出口到澳大利亚，让身处异国他乡的食客足不出户便可亲手制作家乡的美食。”天津煎饼馃子协会会长宋冠鸣拿起一盒家庭版煎饼馃子说道，“别看这个小盒子不大，绿豆面、馃箅碎及甜面酱等调料应有尽有，就连摊煎饼专用的竹制煎饼刮子也预备上了，可谓‘麻雀虽小，五脏俱全’”。

　　很多远离家乡的天津人，走在外地的街头巷尾，看到店铺菜单上种类繁多的“煎饼套餐”，不由得会认为那是“异端”美食。唯有回到家门口，一大早买上一套刚出炉的煎饼馃子，边吃边走在熟悉的市井街道上，看行人漫步，听车水马龙，得空儿与街坊聊几句，末了再来口热豆浆，以这样的方式打开一天的生活，可能才算得上是正宗天津卫。

　　也许味觉就是乡愁，无论海外游子还是离乡旅人，即便口音变了，但对故乡煎饼馃子的回忆，依然烙在心中。这种遍布街头巷尾的民间小吃承载的尽是家乡的情结，好似一片光落在浮世一隅，让烟火气照亮了游子归途路。(完)