凤凰快三|凤凰快三

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。

明星代言：有规矩才成方圆******

　　【影视锐评】

　　作者：任孟山（北京市习近平新时代中国特色社会主义思想研究中心特约研究员，中国传媒大学研究生院院长、教授）

　　近日，市场监管总局会同中央网信办、文化和旅游部、广电总局、银保监会、证监会、国家电影局等七部门联合印发《关于进一步规范明星广告代言活动的指导意见》（以下简称《指导意见》），对包括知名艺人、娱乐明星、网络红人等在内的明星代言活动做出明确具体、更具操作性的规定，为坚持正确广告宣传导向、廓清行业风气、营造良好社会环境、维护广告市场秩序、保障消费者合法权益等提供更为有效的保障。其中强化对明星代言的约束部分，引发了业界的普遍关注。

　　以前明星代言一出了问题，往往是公司作为明星的“马甲”，代为受罚。而公司受罚到一定程度，往往会注销了事或者归于静默。明星不再以此公司从事相关活动，转而由新法人注册新公司，继续运营。《指导意见》规定“对于明星虚假、违法代言的，要坚决依法处罚到明星本人，不得以处罚明星经纪公司替代对明星的处罚”。这就将处罚具体到了明星本人。不仅如此，《指导意见》还强调，“对于明星虚假、违法代言情节恶劣的，要加强公开曝光，依法依规列入个人诚信记录，加强失信联合惩戒”。在现代社会，如果被列入失信名单，就意味着个人的社会信用有污点。这不仅会降低明星本人的品牌价值，还会制约明星生活的方方面面。因此，此政一出，大大提高了明星代言的违规成本，势必使明星在产品代言中更多谨慎小心。

　　不过，处罚毕竟发生在出现不良后果之后。若要治本，从源头消除明星代言的不规范行为，则需完善法律法规，从代言行为的初始阶段开始制约监督。正因如此，《指导意见》中关于“明星本人应当充分使用代言商品，保证在使用时间或者数量上足以产生日常消费体验；象征性购买或者使用代言商品不应认定为广告代言人已经依法履行使用商品的义务”的规定，乍看上去出人意料，细想起来很是到位。所谓明星，要么有脍炙人口的作品，要么有深入人心的角色，要么有惹人关注的话题。这些特质容易吸引大众的注意力。厂家之所以愿意找明星代言，正是看重这些明星的注意力资源。很多影视演员在短时间蹿红，各种产品代言立刻找上门来，使注意力资源有了变现的可能。但注意力资源并不稳定，甚至是转瞬即逝的。有的明星生怕过了这个村没有这个店，为了在短时间内将利益最大化，在高额代言费的诱惑下对代言产品来者不拒。他们当中有的人被各种事务缠身，根本没时间了解代言产品。代言时，只得按照事先准备好的广告词照本宣科，利用明星光环和营销话术，吹嘘甚至夸大产品质量功效。有的人则代言并不适合自己或与自己原本的生活消费理念相悖的产品。比如某明星明明为了保持身材只吃健康食品，却在广告里热情推荐大家购买快餐、速食。某明星自己只用价格昂贵的高端护肤品、保养品，却代言中低档产品。还有代言金融产品的明星，自己没有投过一分钱，却在广告中言之凿凿地说收益颇丰。这种明星不珍惜自身形象，只看重眼前利益，演艺事业之路注定走不长远。从这个角度看，《指导意见》从全流程规范明星代言行动，明确其责任，对于捋顺明星代言市场行为规范大有裨益。

　　当然，有规矩才能成方圆，外在约束在很大程度上遏制了代言乱象。但要想根除明星代言的各种问题，还需要明星乃至整个文娱和广告行业转变观念，将社会责任放在经济利益的前面。明星及其经纪团队要懂得广告主花巨资请明星代言，是因为受众将作品或角色的光环转移到商品上来。好的代言可以使明星的个人魅力和作品或角色魅力同频共振，实现双赢。而不好的代言则可能使明星名声受损。所以必须立足本业，不断创作优秀的作品或角色，才能一直拥有“明星范儿”。接代言时必须谨慎，时刻将声誉、信誉、品德放在首要位置，做好产品审查工作，做到合规合法，合乎受众的期待。

　　总而言之，在代言之前，明星要潜心生产创作，提高道德修养，推出更多优秀作品。代言开始时，明星要在真实使用产品、全面了解商家之后做出谨慎决定。在代言过程中，产品一旦有问题，明星本人必须为虚假代言等行为受到相应惩罚，体会到决策不谨慎引发之“痛”。多管齐下，才能还广告市场和文娱领域一片清朗的天空。

　　《光明日报》（ 2023年01月11日 15版）

　　（文图：赵筱尘 巫邓炎）