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。

她是“世界三大高香红茶”之一 如今插上了科技的“翅膀”******

　　11月29日，“中国传统制茶技艺及其相关习俗”列入了联合国教科文组织人类非物质文化遗产代表作名录，祁门红茶制作技艺也在其中。得知这个消息后，祁门红茶制作技艺国家级代表性传承人王昶激动得几乎一夜未眠，“借这次东风，要加大宣传，到国外去做一些推广，让大家知道祁门红茶，了解祁门红茶，喝到祁门红茶。”

　　萎凋

　　王昶口中的祁门红茶是中国十大名茶中唯一的红茶，简称“祁红”，因产于安徽省祁门县而得名。清代光绪年间，祁门红茶创制成功。在中国，有“祁红特绝群芳最，清誉高香不二门”之说。2008年，祁门红茶制作技艺入选国家级非物质文化遗产代表性项目名录。

　　祁门红茶冲泡时汤色红艳透明

　　祁红制作分为初制和精制两大部分，其中初制有萎凋、揉捻、发酵、干燥等工序，精制包含初抖、分筛、毛撩、打袋、紧门、净撩、风选、撼筛、飘筛、拣剔、补火、拼配、匀堆、装箱等十多道工序。传统祁红质量，全取决于手上功夫，所以祁红又叫“祁门功夫红茶”。

　　干茶鉴赏

　　从1981年开始接触做茶，王昶和祁门红茶打交道的时间已有整整40年。2008年，王昶创办了安徽省祁门红茶发展有限公司。作为传承人、管理者和研究者，王昶在祁门红茶制作技艺研究方面下足了功夫。

　　国家级非物质文化遗产代表性项目祁门红茶制作技艺国家级代表性传承人王昶

　　祁门红茶和印度大吉岭茶、锡兰红茶并称世界三大高香红茶，其似花、似果、似蜜的浓郁香气来源于绿色的生态环境、优良的品种以及独特的关键技术“拼配”等。对于茶行业来说，“拼配”这项技术已成为企业形成独树一帜产品风格的“武林秘籍”。

　　评茶

　　在制茶、拼配方面，王昶有自己独到的理解与心得。为了在加工时不让香气跑掉，把香气稳住，保持在红茶里，王昶团队研发出了“稳态化低温发酵”技术，用数字智能技术从茶叶成分分子层面控制祁红的发酵程度，更好地把控祁红品质，实现了香气稳态化。如今，祁门红茶的香气比其他红茶要高60%左右。

　　而通过与中国农业大学、安徽省农业科学院茶叶研究所进行合作，成立安徽省祁门红茶工程研究中心，王昶团队把过去的传统制作工艺转化为了如今的自动化清洁生产线。王昶根据自己的制茶经验，在生产线各关键环节前完成一杯大师茶的制作，依靠智能数字设备记住茶叶在各个环节的数据，并将其记忆复制，通过智能控制来指导生产。

　　祁门红茶自动化清洁生产线

　　在通过标准化、清洁化、智能化生产技术提升生产效率的同时，传统的手工制作技艺仍然发挥着不可取代的作用。王昶提到，手工制作时，制茶师傅一边看茶一边做茶，能感觉到茶叶的灵性。如今，一些高档茶、礼品茶依然通过手工制作的方式生产。

　　2022年，祁门县茶叶产量7300吨，预计综合产值50亿元，茶农收入稳步提升。祁门县人均一亩茶园，祖祖辈辈依靠茶叶生存、生活，一直发展到今天。王昶坦言：“祁门红茶对我们祁门人很重要，祁门红茶也是中国的一张靓丽的名片。要把祁门红茶做强做大，要使一方茶农致富，让祁门红茶香飘世界，红遍全球。”（李佳琦 靳铃涵）