彩云网注册-ios/安卓/手机版app下载

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。

新冠康复后出现咳嗽怎么处理？该如何注意饮食健康？******

　　康复期如何快速恢复健康

　　感染新冠病毒康复后出现咳嗽怎么处理？该如何注意饮食健康？如何科学进行锻炼？康复后多久可以献血？国务院联防联控机制组织专家进行解答。

　　清淡饮食，注意补充蛋白质

　　“绝大部分人感染新冠病毒7至10天后就进入了康复状态，抗原检测和核酸检测结果都转阴了，但可能遗留一些症状，最多的是咳嗽和嗓子不舒服。”北京中医医院院长刘清泉说，康复期是指核酸检测结果转阴后的7至10天。进入康复期，首先精神上要保持高昂的斗志。有了精气神，身体状态就能快速恢复。

　　康复期不能大补，也不能大吃大喝。有一部分人感染期间吃饭、睡觉都受到影响，加之冬天到来，觉得需要补一补。刘清泉表示，这种观点是不正确的。从中医角度看，康复后大补对身体不利，容易出问题。大吃大喝对身体的康复也不利，甚至出现“食复”，即不正确吃东西导致疾病复发，比如出现发烧的症状，尤其是青少年更容易出现“食复”。不要大吃大喝，特别是不要吃油腻和肥甘厚味的食物，要清淡饮食，可以每天吃一两个鸡蛋、喝牛奶或者喝粥，多吃蔬菜水果，保证体力恢复。

　　康复期需适当加强营养。北京大学人民医院感染科主任高燕说，感染者退烧了，食欲会逐渐恢复，因此可以逐渐恢复到正常饮食状态。要加强蛋白质的摄入，因为人体细胞的功能和各个脏器的功能都非常依赖蛋白质，加强蛋白质营养摄入有利于康复。

　　“康复期会出现咳嗽的症状，没必要用太多药物治疗，可以用一些食疗的方法。”刘清泉说，可以煮点梨汤喝，最好不要放糖，保持梨的自然甜味就可以。按照中医理论，如果咳嗽痰多，煮梨的时候，可以放几粒川贝，喝汤后可以缓解症状；如果痰是白色的，不是特别多，吐出来困难的话，可以放几粒花椒，有利于促进呼吸道修复。

　　不剧烈运动，放缓生活和工作节奏

　　“康复期适量运动有利于康复，但不能剧烈运动。”刘清泉说，剧烈运动不但不能促进身体恢复，还可能出现其他问题。一定要根据自己的病情和身体状况做康复运动。可以做一些比较缓和的运动，如八段锦、太极拳等，有利于气血经络运行通畅，正气恢复。运动量不超过自己平时的1/3，之后逐渐增加。

　　“中青年人在康复期如果有明显的咳嗽、咽痛症状，不要急于锻炼。”高燕说，康复期并不影响中青年人复工复产，但不建议参加高强度的健身运动。康复期间要注意休息，加强营养，促进身体恢复到正常状态。

　　“60岁以上的老年人康复期不应进行高强度健身运动。”高燕说，老年人本身患有糖尿病、高血压、冠心病等慢性病，平时有锻炼的习惯，感染新冠病毒后康复速度慢，抗原检测虽然转阴了，但呼吸道症状还会持续，如果恢复到平时的锻炼水平，可能不利于康复。

　　“康复期，生活和工作节奏可以稍微放缓。”刘清泉说，康复期要注意工作节奏，不要想着用几天时间补回感染后落下的工作，最好不要熬夜加班。

　　康复后参加献血是安全的

　　“献血不会影响献血者身体健康。”北京市红十字血液中心副主任技师郭瑾说，世界卫生组织认为，人体献血量不超过身体总血量的13%是安全的。例如一个50公斤的健康成年人，体内总血量大约为总体重的8%约4000毫升，如果献血400毫升，只占身体总血量的10%，是比较安全的。人体献血后，生理上有代偿和调节机制，失去的血液会有造血器官将血液补充到血管里，血量会很快恢复正常，维持身体正常的循环血容量。血站都加强了防疫工作，参加献血不会增加感染新冠病毒的风险。

　　感染新冠病毒后，什么情况下可以参加献血？郭瑾表示，轻型和普通感染者，发热、流鼻涕、鼻塞、咳嗽等上呼吸道症状消失后满7天，同时最后一次抗原检测或核酸检测阳性后7天才可以献血。目前，这与国际上大部分国家在新冠感染康复后参加献血的条件一致。症状消失后，经过7天的康复，身体处于健康状态，参加献血对身体健康没有危害和影响。如果感染者症状比较严重，出现了重症或危重症，康复出院后6个月才能参加献血。

　　郭瑾说，目前各个血站也加强了管理。如果是康复后参加献血，医护人员会详细了解献血者身体状态，对健康进行综合判断，确保献血者处于身体完全健康的状态下献血，同时也保障血液的安全。

　　本报记者 申少铁

　　（文图：赵筱尘 巫邓炎）