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。

体测跑800米是噩梦？学会这招轻松跑完******

　　最近，不少大学进行了体测，很多跑完800米、1000米的大学生们都会咳个不停。其实，跑完咳个不停，和不当的呼吸方式有关。

　　1　跑完步我们为什么会咳嗽？

　　当我们跑步速度不快时，用鼻子呼吸就可以满足身体对氧气的需求，而且鼻子呼吸，可以帮助过滤空气中灰尘等颗粒物，气温低时可起到加热空气作用，减少冷空气对气管、肺部的刺激。

　　但是当我们进入加速阶段时，仅靠两个鼻孔无法满足对氧气的需求，这时就需要用嘴巴呼吸，但是由于秋冬天气寒冷，气候干燥，寒冷干燥的空气直接进入口腔，会刺激我们的口腔、咽喉和气管黏膜，大脑会判断呼吸道有异物入侵，于是我们就会咳嗽以排除异物，所以跑完咳嗽是我们身体的正常反应。

　　机智的网友可能会问：那我不用嘴呼吸，全程用鼻子呼吸不就不咳嗽了吗？

　　只用鼻子呼吸可能确实不会咳嗽，但当你需要提速时，只用鼻子呼吸，身体的摄氧量就达不到，就会难受，坚持不下来，否则就只能一直慢跑，无法提速。

　　用嘴还是鼻子其实取决于身体对氧气的需求量，并没有绝对统一的标准。所以，跑步时不是绝对地不要用嘴巴呼吸，毕竟嘴巴呼吸可以增加我们的供氧量，提高我们的速度。我们要学会的是正确地用嘴巴呼吸，而不是张嘴，让冷风无情地往里面灌。

图片

　　2　学会腹式呼吸

　　我们正常呼吸的时候，使用的是胸式呼吸，主要用的肺的中部和上部呼吸，吸气的时候，腹部提起变小；呼气的时候，腹部放下变大。这种呼吸方式会增加我们的肺部和心脏负担。肺部和心脏必须工作得更勤快，才可以确保氧供应充足。

　　腹式呼吸简单地来说就是“鼻吸口呼”。与胸式呼吸相反，腹式呼吸时，吸气的时候腹部鼓起来，呼气的时候腹部下沉。整个过程是靠横膈肌的活动完成的，当吸气时，横膈膜收缩并向下移动，胸部的肌肉收缩以使胸腔扩大，这些动作会扩充胸腔的容量，并将空气吸入肺部，让肺扩张到最大限度，并最大限度地吸入空气，进而可以提高每一次呼吸的氧气吸入量。

　　与横膈膜相连的其他解剖结构 图源：《高效呼吸训练：舞蹈、瑜伽、普拉提的功能性练习》，埃里克·富兰克林

　　如果找不到感觉，可以把手放在腹部，吸气的时候去感受腹部和手的对抗，呼气的时候感受手随着我们的腹部一起下陷。

　　如果呼吸的时候出现憋气或不顺畅，可以保持平静的呼吸，放松之后再进行腹式呼吸。

　　学会用腹式呼吸法跑步，鼻吸口呼，寒冷的空气不会直接进入我们的口腔，可以有效避免跑完咳嗽的困扰。

　　3　呼吸的进阶——韵律呼吸

　　如果你已经学会了腹式呼吸，想在跑步提速的同时更加轻松，可以尝试韵律呼吸。

　　韵律呼吸建立在腹式呼吸的基础上，但在节奏上进行了创新，认为应该采用奇数的呼吸模式，即三步一吸，两步一呼，或者两步一吸，一步一呼。

　　跑步时，当我们的脚在开始呼气的时候落到地面，会产生最强的冲击力，此时身体的稳定性最差的。如果采用两步一吸，两步一呼，或者三步一吸，三步一呼这种偶数的呼吸模式时，呼气的时候总是落在同一只脚上，身体的冲击力完全由同一只脚承担，容易给脚部造成伤害。

　　而韵律呼吸提倡的奇数呼吸模式可以让我们的左右脚落地时轮流呼气，让左右脚均匀地承担身体的冲击力。

　　至于是采取三步一吸，两步一呼，还是两步一吸，一步一呼，取决于我们跑步的状态。

　　如果是长跑或对速度没有什么要求，可以采取三步一吸，两步一呼，数到3时吸气，再数到2时呼气。如果在比赛时冲刺，或者需要提速，可以采取两步一吸，一步一呼，数到2时吸气，再数到1时呼气。

　　感兴趣的朋友不妨尝试一下，学会了呼吸，也许800/100米就不再是噩梦了。

　　资料来源：科普中国、全民较真-腾讯新闻、《跑步时该如何呼吸》《高效呼吸训练：舞蹈、瑜伽、普拉提的功能性练习》

　　整理：党敏