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。

【这些年，我们创造的奇迹①】黄河“地上悬河”历史正在被改写******

　　【这些年，我们创造的奇迹①】

黄河“地上悬河”历史正在被改写

21年调水调沙使下游主河槽下切3.1米

　　开栏的话

　　这片厚积五千年文明的丰饶大地，在新时代春风劲拂下，在14亿人勤勉孜矻耕耘下，会生长出怎样的风景？

　　你瞧，一帧帧绮丽的画卷正在作答：那是“大国重器”、世纪工程的惊天突破；那是荒漠披绿、珍禽重生的生态华章；那是尖端科技、自主创新的民生福祉……每一项，都堪称踵事增华的“中国奇迹”；每一桩，都见证着这个时代的磅礴伟力！

　　根之茂者其实遂，膏之沃者其光晔。从这些蔚为大观的奇迹之中，我们看到的，是一个百年大党的宏图大志，是全体华夏儿女的蹈厉奋发。为传递这腔震天撼地的力量，光明日报从即日起开设专栏《这些年，我们创造的奇迹》。

　　让我们记载奇迹、颂扬奇迹、同心协力创造更多新奇迹！

　　光明日报北京12月28日电（记者马姗姗、谢文、邢宇皓）记者从水利部获悉，最新数据表明：调水调沙实施21年来，黄河下游主河槽平均下切已达3.1米。也就是说，随着调水调沙持续实施，黄河“地上悬河”的历史正在被改写！

　　黄河流经黄土高原。黄土高原土层深厚，土质疏松，地形破碎，夏秋暴雨集中，因而，黄河成为世界上含沙量最大的河流。“黄河斗水，泥居其七”，泥沙淤积使下游河床不断抬升。为了束缚河道，人们只好不断加高堤防，黄河成为“地上悬河”，两岸人民头顶犹如放置了一个硕大的水盆。

　　解决黄河淤积，是中华民族千年夙愿，也是世界级难题。新中国成立后，水利专家们殚精竭虑孜矻探索，终于在20世纪80年代找到了妙方——修建系列大型水库进行调水调沙。“调水调沙，就是通过‘人造洪水’，形成连续的泄流冲力，把淤积在河道及水库中的泥沙尽可能多地送入大海。”水利部黄河水利委员会水旱灾害防御局方案技术处处长任伟说，“科学家经过大量分析研究和300多场实体模型实验，证实了这项技术的可行性。而成功的关键，是2001年年底小浪底水库建成运行。”

　　小浪底水库位于黄河干流最后一个峡谷的出口处，控制着黄河流域91%的径流和几乎全部泥沙。2002年，小浪底水库启动首次调水调沙试验，其后，逐渐形成多水库联合调度模式——先是小浪底水库泄放蓄水，冲刷下游河道、腾出库容；然后，万家寨、三门峡等水库依次泄水，接力冲刷小浪底库区泥沙……

　　“当河道中的挟沙水流与库区清水相遇，由于前者的密度更大，挟沙水流会潜入清水底部继续向前流动，形成‘异重流’，最后从坝底排沙出库。”黄河水利委员会河南水文水资源局研究室主任李圣山解释。仅2022年，采用多水库联合调度模式，黄河在汛前和汛期就实现了两次调水调沙，小浪底水库共排沙1.566亿吨，输沙入海0.714亿吨。目前，黄河上中游正在加快古贤、黑山峡等水利枢纽工程建设前期工作，以持续提升水沙调控整体合力。

　　21年来，调水调沙使黄河下游河道主槽不断刷深，河道主槽最小过流能力由2002年每秒1800立方米提高到目前每秒5000立方米左右。“这是一个了不起的成就。水畅其流、排沙入海，彻底让‘河淤堤高，人沙赛跑’的千年险局成为过去！”李圣山的话里透着自豪。

　　据悉：因为解决了旷世难题，“黄河调水调沙理论与实践”技术获国家科技进步一等奖，黄河水利委员会也因此获国际水利行业最具影响力的“李光耀水源荣誉大奖”。

　　《光明日报》（ 2022年12月29日 01版）