彩信平台官网- - MBA智库 - MBA智库百科

“奋斗号”青春专列丨专访奥运冠军武大靖：青春在冰刀上起舞******

　　光明网记者 董腾飞 王恩慧

　　“现在我们有三亿多人参与到冰雪运动中” “来自五湖四海的口音都会在训练场上回荡 。” 2022年10月16日上午，站在党的二十大首场“党代表通道”上，中国男子短道速滑队运动员武大靖表达了他作为党的二十大代表 ，所亲身感受到 的我国竞技冰雪运动 的发展变化 。

　　“体育带给我的不仅仅 是成绩 ，还给我带来了一种精神 。”16岁进入国家队至今12载、历经3届冬奥会，武大靖坦言在拿到第一块金牌前 ，他无法想象自己距离冠军还有多远 。在武大靖眼里 ，“训练时的刀伤、习惯性损伤 、反复结痂 的老茧 、脚部严重变形、把冰鞋浸湿的鲜血……”似乎这一切都可以用他在专访时的一句“我 的脚是经历过故事 的”幽默带过。与所有中国体育健儿一样 ，紧张 的训练备战和无数场激烈比赛造就出他顽强 、专注 、不畏挑战的性格。“体育 是我热爱 的，青春 是在体育当中 、在滑冰中度过 的。”执着拼搏的武大靖永葆着为国争光 的赤子情怀，用自己的身体力行让更多人知道 、喜欢 、甚至参与冰雪运动，激励更多后继力量。

　　走下运动场，武大靖 是公益使者 ，是向上向善好青年， 是冰雪推广大使 。“优秀运动员可能是成绩上的优秀，伟大运动员是要努力去感染一代青少年。”敢想敢做、敢冲敢拼的武大靖一直以“成为一名伟大 的运动员”为目标而不断拼搏。如他所言，“身为运动员 ，我会在赛场上继续为国争光 ，同时也会做好冰雪运动推广工作 ，继续弘扬北京冬奥精神 ，迎难而上、追求卓越 ，为体育强国建设贡献自己的力量 。”

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。

　　（文图 ：赵筱尘 巫邓炎）