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。

错过语言关键期 英语就学不好了？******

　　羊城晚报记者 何宁　　

　　在孩子的学前教育阶段，很多家长最关心的是孩子的英语启蒙。不少家长为了抓住孩子的语言敏感期，从刚出生不久就给孩子听英语磨耳朵；孩子稍大一点，就报各种英语早教班、启蒙班等。但是不少小学生家长发现，学前的英语学习似乎是徒劳的，孩子以前会的单词和句子，到了小学全忘光了。对于明年9月入读一年级的准小学生来说，英语学科该如何做好衔接呢？

　　英语学习要循序渐进打牢基础

　　“孩子语言的学习确实有‘关键期’或‘窗口期’，但这个时间跨度很长，是3—9岁，幼儿英语启蒙可以抓，但家长们不要过度焦虑，如果没有掌握正确的启蒙方法，很有可能孩子到了中高年级阶段会对英语产生厌倦心理。”广东实验中学省实荔湾学校第一小学部校长易敏多年来的英语教学经验发现，兴趣是最好的老师，在培养孩子英语学习的过程中，家长要去功利主义，要保持定力、坚持长期主义。

　　易敏说：“从幼儿园就开始学英语的孩子其实承受了很大的压力，这些压力往往来自于家长过高的期望。我们都知道，一般英语的课外班，特别是有外教的课外班价格都不菲，很多重视孩子英语的家庭从孩子很小的时候就开始在英语启蒙上花费颇多，但是英语的学习很重要的一点是循序渐进，打牢基础，如果只是囫囵吞枣式学习，对单词的掌握不牢靠，一旦到了小学中高年级词汇量增大时，学业压力增大，有些孩子会失去对英语学习的自信、动力与兴趣。”

　　一年级开始学英语不会晚

　　谢女士的女儿现在广州一所名校读初二，英语成绩在年级一直名列前茅，在小学之前没有系统地学过英语。谢女士认为，女儿刚上小学时，英语确实在班里是落后的，很多同学因为幼儿园学过英语，有的还在双语幼儿园就读，口语和听力都遥遥领先。谢女士说：“现在回想起来，我觉得当时自己做得最正确的事情就是摆正心态，我们那个年代初中才开始学英语，但一样有很多出类拔萃的，语言学习关键看时间的付出，女儿从一年级开始学，一点都不晚。”

　　谢女士从培养女儿的学习习惯入手，每天督促女儿认真完成老师布置的作业。谢女士说：“小学一二年级的英语作业其实不多，也很简单，但是我要求女儿一定要把基础打扎实，课本上的对话不但要读出来，还要默写出来，而且保证每个单词都不能写错。女儿很听话，课本被她背得滚瓜烂熟，每次考试英语都能拿满分，这不仅让她养成了细心的习惯，还极大地激发了她学习英语的兴趣。到了小学高年级，她可以自主阅读简单的英语原版故事书，学习的兴趣更加浓厚。”

　　温馨提醒:

　　亲子关系、阅读兴趣比掌握单词数量重要得多

　　“从小学习外语，对幼儿来说更多的意义是在于学习能力的提升，而非语言能力的优势培养。在没有语境(沟通、交流的语言环境)的情况下，过早、过度、不得法地让孩子进行英语学习，反而会浪费有限的时间，甚至扼杀兴趣。”资深英语教育专家、广东金融学院国际教育学院雅思学科带头人何凌提醒家长，幼儿英语启蒙可以抓，但不要过度焦虑，3—9岁都是孩子语言学习的敏感期，小学一年级开始学习完全来得及。

　　何凌建议家长，为了激发孩子英语学习的兴趣，不妨利用精选过的原汁原味的英语儿歌和童谣进行针对性的语音启蒙，让孩子从小接受语音信号，培养英语的韵律感。

　　自身英语基础比较好的家长不妨陪着孩子进行英语绘本亲子共读，“如果家长自身英语发音比较标准，可以带着孩子一起读；发音不是太标准的话，可以借助音频。亲子共读既建立了良好的亲子关系，又培养了孩子阅读的兴趣，它比孩子掌握多少个单词远远重要得多。”