大众彩票客户端下载-大众彩票代理

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。

破浪前行 以教育支撑强国建设******

　　2012、2017、2022……年份本身没有特殊意义，但在特定时空内，一连串的数字却展现出时间的无穷魅力。

　　十年磨一剑、十年奋进路，在过去的十年里，我国教育面貌发生格局性变化，建成世界上规模最大的教育体系，教育普及水平实现历史性跨越，教育发展成果更多更公平惠及全体人民，教育服务国家战略和区域发展的能力显著增强……一组组数据无言地记录着这一切，所有人都能真切地感受到这些年的教育变革，共享着教育改革发展的成果，中国这艘“复兴号”巨轮，在教育的战略支撑下，走得更远、行得更稳。

　　回首过去的成绩，我们有理由自信和骄傲；而展望新征程，实现第二个百年奋斗目标，以中国式现代化全面推进中华民族伟大复兴，教育所肩负的使命更为艰巨、责任更为重大。党的二十大报告首次单独开辟一个独立章节论述“实施科教兴国战略，强化现代化建设人才支撑”，首次提出教育是“基础性、战略性支撑”。这既是对强国崛起规律、对当今新技术革命和产业变革的时代特征、对未来世界发展大势的深刻洞察和把握，也深刻反映了对教育的基础性、先导性、全局性地位和作用的强调与期待。加快建设教育强国，更好发挥教育对中国式现代化的支撑作用，以教育支撑强国建设，党的二十大报告赋予教育新的战略地位和历史使命，更为教育发展锚定了清晰而坚定的战略方位，为教育系统指明了接续拼搏奋斗的方向。

　　教育何为、教育往何处去？具体而言，就是要坚持促进公平、提升质量这两条主线。办好人民满意的教育，满足人民群众对更好、更公平、更优质教育的期盼，以教育公平夯实社会公平的基石，为全体人民共同富裕的现代化打牢基础；以国家战略需求为导向，源源不断培养和输送各类高素质人才，源源不断产出更多原创性科技成果，努力成为支撑和引领经济社会发展的先导力量。

　　我们看到，教育系统准确识变、科学应变、主动求变，以新的姿态，因应着这种变局。其中，加快推进教育数字化，无疑是过去一年教育变革与发展中最亮眼的篇章。从年初把教育数字化战略行动列入教育部工作重点，上线国家智慧教育公共服务平台，再到年底召开2022世界慕课与在线教育大会等，形成了一批重大标志性成果。2022年可谓教育数字化战略转型元年，教育领域进入全面推进数字化转型的时代。

　　从教育信息化到教育数字化，背后不仅仅是概念的变化，还是内涵的拓展和深化，是教育与信息化、数字化技术的深度融合。教育数字化，不仅仅是单纯用技术和工具改进教学，更是将数字技术整合到教育领域各层面，推动学校管理、教学范式、教学过程、评价方式、学习文化等全方位的创新与变革，更好实现教育优质公平与支持终身学习。它不仅是顺应数字化大势的必然要求，更是赋能社会和教育改革创新，破解教育改革发展难题，构建高质量教育体系，建设教育强国的必然选择。

　　教育数字化战略意味着教育与技术的深度融合从一种教育发展战术，上升到重塑教育、提升综合国力的重大战略。这是一种方向和路径的战略转型。战略转型，当然意味着机遇与挑战并存。前路迢迢，任重而道远，但既然已经启动，就无惧山高路远。

　　技术与人才，是建设教育强国的两翼。实现教育现代化，必须坚持双轮驱动。如果说，教育数字化是依托技术的力量重塑中国教育的战略转型，那么打造大国强师队伍，则是依靠人的力量推动教育高质量发展。过去的这一年，“师范热”“教资热”引发全社会的关注，这背后有着复杂的多方面原因，既有经济发展趋势、就业形势之变，也有学生就业心态之变。当然，近年来教师社会经济地位的提高，教师职业吸引力增强有目共睹，也是催生优秀人才积极从教的重要因素。

　　教师队伍是教育强国的第一资源，新的历史方位下，教育面临更为艰巨的任务，对教师队伍的素质提出了更高的要求。唯有用更有力、有效的强师、优师、惠师举措，才能更好回应时代的要求，满足广大青少年学生对教师职业的期待。

　　星空寥廓、征途漫漫！新征程的号角已经吹响，我们要以“一万年太久，只争朝夕”的紧迫感推进教育改革发展，不断强化教育的基础性、战略性支撑作用，加快建设教育强国，为以中国式现代化全面推进中华民族伟大复兴，继续贡献教育的澎湃力量。（执笔人：杨三喜）

　　（文图：赵筱尘 巫邓炎）