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 。

甘肃临夏 ：提速退税助推复工复产促发展******

　　新华社客户端甘肃频道1月10日电（记者胡伟杰）记者日前从国家税务总局临夏回族自治州税务局了解到，为落实组合式税费支持政策和解决纳税人缴费人急难愁盼问题 ，临夏州税务部门加速审核办理留抵退税，并帮助企业纾困解难 ，支持企业复工复产。2022年4月1日至12月25日 ，临夏州税务部门为纳税人办理留抵税款4.7亿元，退税进度99.3%。

　　据了解，中小微企业是享受留抵退税政策的重点群体，中小微企业户数占比86%，退税金额占比67% 。享受全额退税 的13个行业中，“制造业”“批发和零售业”“热力供应业”等行业受益明显。

　　临夏州税务局负责人表示，为确保大规模留抵退税政策不折不扣落实到位 ，临夏州税务部门每月筛选符合留抵退税政策适用条件的纳税人，摸清底数 。近期，临夏州税务部门结合企业复工复产情况，掌握了解企业购进和进项税额取得情况 ，主动精准服务宣传 ，推动政策红利准确快速落地市场主体，增强企业发展信心 。

　　此外 ，临夏州税务系统引导纳税人积极开展网上办税 ，加快退税审核进度。“近两年公司流动资金一直很紧张 ，受疫情影响，本以为这次退税短时间内不会到账 ，没想到申请后第二天税款就顺利到账了。”甘肃九间棚金银花科技有限责任公司法人任广强说 。