大众彩票走势图-购彩大厅APP | 在线登录-APP下载

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。

以数字化手段全面呈现越剧音韵体******

　　越音易通上线：

　　以数字化手段全面呈现越剧音韵体

　　本报记者 刘 淼

　　日前，一款名为“越音易通·越剧语音电子字典”（简称越音易通）的App实现了汉字译越音，让戏曲学习也用上了字典。

　　作为浙江艺术职业学院“双高”建设重点项目，越音易通浓缩了浙江艺术职业学院副教授钱丽文长达24年的教学思考，历时5年开发完成，收录了近6000个根据越剧语音声、韵、调整理的常用汉字，当使用者遇到发音问题时，可以逐字逐句听音学习，初学者也能在其中学习到各个流派的起源以及唱腔特点……越音易通以数字化手段全面呈现越剧音韵体系。

　　与此同时，由钱丽文编著的《越音易通·越剧音韵字汇》也出版面世。中国戏剧家协会副主席、越剧表演艺术家、浙江艺术学院特聘教授茅威涛认为，越音易通App与图书如同越剧语音的《新华字典》，在学术及应用上推动了越剧的学习和推广，为越剧学子及爱好者的研究传承提供了新的路径。

　　突破越剧音韵传承瓶颈

　　在中国传统戏曲中，音韵体系对剧种的风格、音乐、气质、形式会起到潜移默化的作用与影响。字韵决定咬字，咬字决定字势，字势决定音势，音势影响行腔，行腔影响旋律，旋律影响表演节奏，表演节奏构建演剧风格……由此可见字韵在越剧艺术表演中的重要性。

　　越剧在嵊州方言的基础上，吸收戏曲中州韵、上海方言、杭州方言的部分特点，逐步形成了一套相对独立的语音。然而，由于从艺人员出生地不同、演出团体归属地不同等原因，越剧发音在不同院团、不同地域中存在差异，因此越剧音韵研究长期以来都是越剧研究中的弱项。

　　此外，在长期的教学实践中，虽然有《越剧语音》教材为越剧唱腔、念白提供了教学指导，但仍远远不足以满足当下越剧发展传承的需要。即使是专业从业人员，遇到新剧本、新唱段时，也会出现有些字不知道该怎么念的情形，需要查找资料或咨询专家、老师才能确定，较为费时费力。非专业人员囿于基本没有受过专业训练，遇到越剧发音问题时，即使每个字有音标，也不一定能念准确。

　　“浙江作为越剧的发源地和人才培养的重要基地，如何更好地传承与发展越剧艺术，如何培养适应社会与时代发展需要的人才，是摆在我们面前一个紧迫而严峻的课题。”钱丽文深耕越剧教学20余年，也一直在寻找突破越剧音韵传承瓶颈的办法。

　　越剧学习有“字典”可查

　　突破的契机来自钱丽文的一次美国之旅。旅行的途中，钱丽文收到一位马上要录制越剧节目的演员的发音求助信息，但由于时差原因，她没能及时告诉演员那个字的准确发音。当钱丽文看着手里流畅英汉互译的翻译软件，突然灵光一闪，如果越剧也有这样一个软件就好了，这样学生有需求就可以直接查询，不会存在时间被耽误的问题。

　　回国后，钱丽文的这个想法得到同事的赞同。于是，她正式向学校提出建设“越音易通”项目。

　　“一开始觉得每个字的音标、声调都在我的脑子里，后来发现真要做起来，每一个字都要花很多时间。”钱丽文在App建设过程中遇到种种困难，要把越剧语音搬到App里可比想象中困难得多。

　　由于越剧语音的拼音、声调与汉语拼音的区别较大，哪个字该放在哪个韵，必须推敲，不能模棱两可。为了确定一个字的读音，钱丽文常常要打电话、查资料、听录音、看视频甚至专程赴上海、嵊州、绍兴等地请教专家，确保每个字读音正确。“我看了无数遍《红楼梦》《梁祝》《祥林嫂》的戏曲电影，就为了查一个字，把耳朵贴在屏幕上反反复复地听。”回忆这一路走来的努力，钱丽文感慨不已，“项目历时5年，能够顺利完成离不开学校的大力支持，以及领导、专家、同事的帮助。戏曲学院周伟君、龚利为小生唱段念白录音，华渭强、俞会珍为老生、老旦唱段念白录音，吕静为傅派、吕派唱段念白录音等等。”

　　最终成型的越音易通App包含越剧音韵的一些基础知识、字韵汇集和流派唱段用韵白表现的内容。配套的专著《越音易通·越剧音韵字汇》从汉字语音学的角度出发，根据越剧语音声、韵、调，将近6000个常用汉字（包括多音多韵字）进行系统化整理，标注音标与声调，按越剧韵目的“四尾”分块排列，以便查阅，全面呈现越剧语音声韵体系，科学规范越剧语音标准，是越剧审音辩字的实用工具书。

　　深度融合“互联网+”与传统文化教学

　　越音易通App是国内外首创的戏曲（越剧）查字翻译电子字典，这项研究开发填补了越剧音韵理论与新媒体技术融合的空白，为戏曲学习与电子工具结合提供范例。

　　这一应用打破了传统的戏曲学习模式，学习者可随时随地学习，而且是系统的、立体的、有声的、可查询的，有利于当下专业人员及非专业人员的学习。“希望更多的越剧爱好者能借助这一工具深入遨游越剧世界，推进戏曲的传承及弘扬，让越剧在网络时代焕发新的生命力。”钱丽文说。

　　“钱丽文用她的教学经验为越剧未来的从业者梳理出了一部带有学术性、专业性的著作，其良苦用心在此浩大的工程中可见一斑。这款App对广大越剧爱好者而言是一个实用性特别强的工具，更是浙艺在越剧艺术传承教学方面作出的一大贡献。”浙江艺术职业学院院长黄杭娟说。

　　（文图：赵筱尘 巫邓炎）