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。

我们距离“三体世界”还有多远？这些“黑科技”正在走向现实…...******

　　最近，《三体》动画开播。被翻译成不同语言、畅销世界多地的小说《三体》，除了其庞大的设定、对宇宙的恢宏描写以及跌宕起伏的剧情外，最令人着迷的就是作者刘慈欣对未来航天科技的设想。

　　这些天马行空的“黑科技”，有哪些是正在实现或部分实现的呢？我们一起去看看：

    图源：《三体》微博

　　从“飞刃”到碳纳米技术

　　在《三体》中，“飞刃”被用来执行代号“古筝行动”的秘密军事行动，这种极细的丝状纳米材料，将叛军船只“审判日”号切割成了条状。

    图源：《三体》动画

　　按原著设定来看，“飞刃”是一种超高强度的纳米材料。

　　在现实中，最接近其特征的就是具有超高机械强度和低密度的碳纳米管，但它目前还无法做到像三体中“飞刃”一样，横跨运河两端几十个来回那么长。

　　 2022年4月，美国《国家科学院院刊》（PNAS）刊载，中国科学家首次在高压下合成高度有序晶态金刚石结构纳米线。这种金刚石纳米线在长度方向可以无限生长，粗细仅相当于一根头发丝的十万分之一，具有与碳纳米管相当或更高的拉伸强度和极强的柔韧性，想来在实践中运用指日可待。

    金刚石纳米线

    图源：科普中国

　　从头盔感应技术到虚拟现实设备

　　《三体》中不止一次提到了头盔感应技术。

　　每次进入三体游戏世界，科学家汪淼都需要穿上虚拟现实装备，装备包括一个全视角显示头盔和一套感应服构成的“V装具”。通过记录视网膜特征，感应服可以使玩家从肉体上感觉到游戏中的击打、刀刺和火烧。

    图源：《三体艺术插画集》by 山野

　　按照原著设定，“V装具”就是虚拟现实设备（Virtual Reality，VR）。它和增强现实技术（Augmented Reality，AR）不同，虚拟现实可在虚拟信息里模拟出现实世界。

　　现今，大部分虚拟现实技术更强调视觉体验，一般是通过电脑屏幕、特殊显示设备或立体显示设备获得的。

　　与V装具头盔接近的设备便是VR头显。

    VR头显

    图源：凤凰网

　　 VR头显可将人的对外界的视觉、听觉封闭，引导用户产生一种身在虚拟环境中的感觉。如果要使用VR头显进行游戏，往往还需要配套的手柄或手套用以操控。就目前的实际情况来说，还很难形成一个高逼真的虚拟现实环境，无法拥有三体游戏里那种身临其境的丝滑体验。

　　从“思维透明”“思想钢印”到脑机接口

　　《三体》刻画了两种信息感知机制。

　　其一是思维透明。三体人的信息感知方式是直接发射自己的思维，三体人一开始思考，他的想法别人就能够知道，无法隐藏；

　　其二是思想钢印。第三位面壁者比尔·希恩斯发现了人类思维做出判断的机制，成功研制出一种设备，通过对神经元网络施加影响，使大脑不经思维就作出判断，相信某个信息为真。

　　按照原著设定，思维透明和思想钢印，都是对心智这一神秘领域的重新认识。

    图源：《三体》动画

　　而现实中，让机器直接解码神经活动的技术被称为“脑机接口”。

　　单向脑机接口的情况下，计算机接受大脑传来的命令，或者发送信号到脑，但不能同时发送和接收信号，类似于三体中的思想钢印。

　　双向脑机接口允许脑和外部设备间的双向信息交换，就像三体人的透明思维，可以感知别人，也无法隐藏自己。

　　脑机接口已经在医疗领域有了很多应用，脑控智能轮椅、脑控打字机、脑控机械外骨骼、脑控智能假肢等等都是试图绕开已经坏损的神经或者部位，让机器直接解码神经活动。

　　如何准确地对思维进行解码和编码，是现在脑机接口面临的最大挑战，也是目前无法实现思维钢印，思维透明的根本原因。

    脑机接口

    图源：网易号“蓝海长青智库 ”

　　从无穷能源到可控核聚变试验

　　《三体》世界中的人类社会虽然没有实现罗辑口中的“无穷的能源”，却也是有极度充盈的能源供给支撑起整个地球的无线供电，而这个能源就来自可控核聚变。

    图源：《三体设定集》

　　现实世界中，早在上世纪 50 年代，人类便开始研究用于民用目的的可控核聚变。近几年，“核能新浪潮”抬头，这一“终极能源”的研究更是得到了世界各国的大力推崇。

　　2022年12月5日，美国科研人员在劳伦斯 · 利弗莫尔国家实验室（LLNL）进行了历史上首次可控核聚变实验。

　　核聚变是太阳和恒星的能量来源。在这些星体核心的巨大热量和重力下，氢原子核相互碰撞，聚合成更重的氦原子，并在此过程中释放出大量能量。与其他核反应不同，核聚变不会产生放射性废物。核聚变技术有望为人类提供近乎无限的清洁能源，帮助人类摆脱对化石燃料的依赖。

　　2021年，中国的“人造太阳”全超导托卡马克核聚变实验装置（EAST）便实现了1056秒的长脉冲高参数等离子体运行。依靠该技术，最终建成可控核聚变发电站。

    全超导托卡马克核聚变实验装置（EAST）

    图源：新华社

　　把时间拉长，科技和科幻没有分界线。

　　科技与未来接轨的脚步在不断加速，科幻的无限想象为“黑科技”画出蓝图。期待在未来科学家们通过试验，将《三体》中“飞刃”“思想钢印”“水滴”等表述具象化，展现科技力量！

　　(审核：张宁 策划：李政葳 统筹：穆子叶 撰文：雷渺鑫)

　　参考 | 北京科技报、知乎、科普中国、三体社区、海峡卫视、凤凰网