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。
持续释放数字经济的澎湃动能******
发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。党的二十大报告提出，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。这为进一步做强做优做大数字经济，增强数字经济发展澎湃动能描绘出未来发展的宏伟蓝图。
新时代十年，以习近平同志为核心的党中央准确把握中国经济发展的阶段性特征，深刻洞察数字经济发展趋势和规律，明确提出数字中国战略，并先后出台《数字经济发展战略纲要》《“十四五”数字经济发展规划》《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》等文件，着力推进数字技术和实体经济深度融合。据统计，2012年至2021年，我国数字经济规模从11万亿元增长到超45万亿元，占国内生产总值的比重由21.6%提升至39.8%，连续多年位居世界第二位。大数据、云计算、人工智能等新技术、新业态、新平台蓬勃兴起，线上线下融合、远程医疗、智慧物流等应用场景全面铺开，数字技术正进入生产生活的方方面面，成为我国经济社会创新发展的“新领域、新赛道”“新动能、新优势”。
数字经济为我国经济“稳增长”提供关键力量。面对全球疫情反复、地缘政治冲突加剧等复杂严峻形势，数字技术、数字经济推动了各类资源要素快捷流动、各类市场主体加速融合，帮助市场主体重构组织模式，实现跨界发展，打破时空限制，延伸产业链条，畅通国内外经济循环，成为我国经济恢复向好的“加速器”。
数字经济为我国经济“调结构”提供新引擎。随着数字产业化和产业数字化的深入推进，数字经济在推进传统制造业转型升级，实现制造服务精准化和制造过程数字化方面发挥积极作用。伴随着电子商务、移动支付的广泛应用，近年来我国网约车、网上外卖、数字文化等市场规模领先全球，为服务业创新发展注入强劲动力。
数字经济为我国经济“促转型”提供重要保障。数字经济的高创新性、强渗透性、广覆盖性特点，成为我国推动数字经济与绿色发展产业融合的重要结合点。过去十年，在“东数西算”等重大工程的带动下，我国数字基础设施建设不断提速，以数字为“基底”的新应用、新场景、新模式、新业态层出不穷，“数”“实”融合竞逐新赛道，智能生产线、数字化车间、智慧工厂建设有力推动传统制造业、服务业、农业等全方位、全链条数字化转型，为加快实现质量变革、效率变革、动力变革提供重要支撑。
放眼全球，互联网、大数据、云计算等技术加速创新，正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。我们要加快建设社会主义现代化强国、推动实现中华民族伟大复兴的中国梦，必须紧紧抓住数字技术变革机遇，充分释放数字化发展的放大、叠加、倍增效应，抢占新一轮发展制高点。
加快发展数字经济，必须着力推进重点领域数字产业发展。聚焦集成电路、新型显示、通信设备、智能硬件等战略前沿领域，培育一批具有产业链控制力的生态主导型企业，促进产业化、规模化应用并实现集群化发展，打造世界级数字产业集群。同时，要利用数字技术全方位、全角度、全链条赋能传统产业，加快金融、物流、零售、旅游等生活性服务业和服务贸易数字化进程，提升全要素生产率。
加快发展数字经济，必须着力塑造数据基础制度体系。充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，构建起保障权益、合规使用的数据产权制度体系；构建合规高效、场内外结合的数据要素流通和交易制度，形成适应我国制度优势的数据要素市场体系；构建体现效率、促进公平的数据要素收益分配制度，防范各类风险挑战；着力完善安全可控、弹性包容的数据要素治理制度，构建起政府、企业、社会多方协同的治理模式。
加快发展数字经济，必须着力参与数字经济国际合作。作为世界上最大的发展中大国，我们不仅要加快新型数字基础设施建设，促进数字技术同实体经济深度融合，还要积极参与国际组织数字经济议题谈判、数字化国际规则制定、双多边数字治理合作，在维护和完善多边数字经济治理机制中发挥作用，为营造开放、公平、公正、非歧视的数字发展环境贡献中国方案和中国力量。
（作者：潘玉驹，系浙江省习近平新时代中国特色社会主义思想研究中心温州大学研究基地研究员、温州大学副校长）
