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。
“创新X”系列首发星发布第二批成果******
【科技前沿】
从中国科学院获悉，“创新X”系列首发星——空间新技术试验卫星（SATech-01）发布了第二批科学与技术成果，包括46.5纳米极紫外太阳成像仪（SUTRI）开机并获得我国首幅太阳过渡区图像；HEBS探测到了迄今最亮的伽马射线暴；国产CPT原子磁场精密测量系统伸杆成功并首次获得全球磁场勘测图；多功能一体化相机、异构多核智能处理单元、可展收式辐射器和空间元器件辐射效应试验平台也都完成了在轨试验并获得满意的验证成果。
成果一：
46.5纳米极紫外成像仪获得我国首幅太阳过渡区图像
46.5纳米极紫外太阳成像仪（SUTRI）是国际首台基于多层膜窄带滤光技术的46.5纳米太阳成像仪，用于探测50万度左右的太阳过渡区（太阳色球与日冕之间的层次），由国家天文台联合北京大学、同济大学、西安光学精密机械研究所和微小卫星创新研究院共同研制。
自8月30日载荷开机以来获取了超过1.6TB的探测数据，成功实现了我国首次太阳过渡区探测。SUTRI拍摄的图像清晰地显示了过渡区网络组织、活动区冕环系统、日珥和暗条、冕洞等结构，这些结构的观测特征表明，SUTRI拍摄的确实是从太阳低层大气往日冕过渡的结构，符合预期。同时，SUTRI已探测到多个耀斑、喷流、日珥爆发和日冕物质抛射事件，表明其数据适合研究各种类型的太阳活动现象。此外，SUTRI还发现活动区普遍存在50万度左右的、朝向太阳表面的物质流动，这些流动在太阳大气的物质循环过程中占有重要地位。
目前SUTRI一切功能正常，在轨测试和标定结束后，SUTRI观测的科学数据将向国内外太阳物理和空间天气同行全部开放。
成果二：
高能爆发探索者（HEBS）捕获到迄今为止最亮伽马暴
由中科院高能物理研究所研制的高能爆发探索者（HEBS）于北京时间10月9日21时17分，与我国慧眼卫星和高海拔宇宙线观测站同时探测到迄今最亮的伽马射线暴（编号为GRB 221009A）。
根据HEBS的精确测量结果，该伽马射线暴比以往人类观测到的最亮伽马射线暴还亮10倍以上，打破了伽马射线暴的最高各向同性能量以及最大各向同性峰值光度等多项纪录。由于该伽马射线暴的亮度极高，国际上绝大部分探测设备均发生了严重的数据饱和丢失、脉冲堆积等仪器效应，难以获得精确测量结果。HEBS凭借创新的探测器设计以及新颖的高纬度观测模式设置，探测器经受住了高计数率的考验，获得了高时间分辨率的光变曲线，以及10千电子伏至5兆电子伏的宽能段能谱。HEBS极为宝贵的精确测量结果对于揭示伽马射线暴的起源和辐射机制具有重要意义。
成果三：
国产量子磁力仪首次空间应用并获得全球磁场图
由中科院国家空间科学中心和中科院沈阳自动化研究所联合研制的国产量子磁力仪（CPT）及伸展臂，可实现全球地磁矢量和标量高精度测量。11月7日，多级套筒式无磁伸展臂顺利展开，将各传感器探头伸出约4.35米距离，处于伸展臂顶端的CPT原子/量子磁力仪探头、AMR磁阻磁力仪探头、NST星敏感器获取了有效探测数据，首次在轨验证了磁场矢量和姿态一体化同步探测技术，磁测量噪声峰峰值<0.1nT，实现了国产量子磁力仪的首次空间验证与应用。
除此之外，创新X系列首发卫星的其他空间载荷、平台新技术也取得丰富成果。例如，由中国科学院长春光学精密机械与物理研究所空间新技术部研制的多功能一体化相机，成功取得首张170千米×42千米大幅宽地面遥感图像，探索了单台相机即可同时实现多谱段多模态遥感成像的新模式，为我国未来高集成度一体化空间光学遥感载荷发展提供了技术储备。
SATech-01由中科院微小卫星创新院抓总研制，已在轨运行4个多月。目前，星上的四个科学载荷已进入常规化观测，搭载的几种新型推进系统等载荷也将陆续开展在轨试验。（记者齐芳）
