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。

访谈｜因美纳全球高级副总裁李庆：中国市场是发展基因测序的“宝地”******

　　(第五届进博会)访谈｜因美纳全球高级副总裁李庆：中国市场是发展基因测序的“宝地”

　　中新社上海11月7日电 题：访谈｜因美纳全球高级副总裁李庆：中国市场是发展基因测序的“宝地”

　　中新社记者 李佳佳

　　“今天在进博展台上看到的因美纳新产品NovaSeq X Plus，目前全球只有四台，我们几乎在第一时间把它带到了本届进博会。”指着正在进博会舞台上“全球首展”“亚洲首秀”的展品，全球基因测序和芯片技术领先企业因美纳全球高级副总裁兼大中华区总经理李庆说。

　　作为紧密联系中国市场和世界企业的重要纽带，进博会的如期举办传递了中国不断对外开放、共享高质量发展新机遇的积极信号。李庆指出，因美纳是中国生命科学和基因检测产业蓬勃发展的获益者与推动者，期待通过进博会搭建的交融互通桥梁，加速创新成果与先进技术在华落地，满足更多科研发展与临床应用需求，让更多人享受到基因组学带来的变革性进步。

　　就在上个月，2022年诺贝尔生理学或医学奖公布，因为在“关于已灭绝人类基因组和人类进化的发现”方面的贡献，瑞典生物学家斯万特·帕博获此殊荣，而他恰好是因美纳的客户。“对于基因，大家的认知可能有所不同，但无一例外，大家都能认同的是，今年是‘基因大年’。”李庆说，“斯万特·帕博的获奖，对于很多医学领域从业者是一个大事件，这意味着大家的理解已经进入基因层面。”

　　近几年，“基因测序”逐渐成为一个时髦的新词，但是这项技术的普及率并不高。“可能因为很多人没有条件做，也有可能知晓度、认可度还不高，我们的上一辈甚至就连医生可能都没有这个认知。”另一个关键的问题在于成本。据美国国家人类基因组研究所(NHGRI)数据，2001年，单位基因组的测序成本高达1亿美元。

　　因美纳上一代高通量测序仪是2017年发布的NovaSeq6000，当时一个人类全基因组测序的成本需要600美元，5年后的现在，随着新产品的推出，同一单位测序成本降到了200美元。李庆称，成本的降低对于整个基因产业、人类健康的推动作用很大。“从科研到临床，从患者诊疗到现在的健康管理，比方说癌症早筛，测序成本只有越来越低，才能进一步拓展测序的可及性。”

　　为什么基因测序的普及如此重要？在李庆的理解中，基因测序是一项面向未来的事业，它在重大疾病诊断、遗传病筛查、农业、合成生物学等领域都有广阔的应用场景。大量的人群肿瘤基因诊断项目、微小残留病灶(MRD)、新型的诊断方式等，都在不断涌现。

　　在临床上，基因的检测需求与肿瘤领域的应用密切相关。癌症病人全部都有基因变异，而这个变异随着治疗会发生变化，所以帮助患者找出基因变异的靶点，从而匹配这方面的药物，是基因检测在肿瘤领域里最早的应用。近几年，全球有一个新的趋势，即微小残留病灶也需要应用到基因检测技术，因为这一技术能够先于影像学，重新看到又扩散或者复发的风险，从而能够尽早干预。更新的应用就是癌症早筛，即甲基化测序泛癌肿瘤。当患者体内有微小肿瘤的时候，可以很早通过基因测序将肿瘤找出来，并可以根据肿瘤的甲基化特征进行定位，进行一些必要的干预，因此这是一个很有前景的应用。

　　目前，中国市场正是发展基因测序的“宝地”。李庆列举了中国市场的两大优势：技术与人口。

　　首先，智慧芽创新研究中心发布的《医药生物系列报告之四——基因测序前沿技术洞察报告》显示，在第四代测序技术——纳米孔测序技术领域，美英中三国掌握着核心专利，正如李庆所评价的“紧跟世界潮流”。

　　第二个优势则在于中国庞大的人口基数。“基因测序是以大数据作为背景的，测序的人越多，积累的数据越多，未来能够挖掘的东西也就越多。”李庆解释道，“从这个角度，开展大规模人群的研究，无论是对于患者群体还是健康群体，能产生的积极影响都将非常巨大”。(完)