彩61_ -（中国）互动百科

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。

动科普丨网赚App让你足不出户日进斗金？又又又上当了！******

　　【万万没想到！App花样套路大解密②——网赚篇】

　　“刷视频、看广告、做任务赚佣金，边玩手机边赚钱”，在移动应用市场上，我们总能看到，一些手机App打着这样的口号，吸引用户们注册使用。但鱼龙混杂的产品，常常让人难以分辨其中真假。

　　对于注册用户来说，这种“躺赚”App真的能赚钱吗？

　　什么是网赚？

　　安天移动安全发布的移动互联网风险应用白皮书显示，2018年网赚App影响用户量高达2.5亿，网赚App在下沉城市最受欢迎。其中，00后用户占比为24%，高于全部网民中00后占比。

　　事实上，网赚品类应用与网络兼职刷单类应用有所不同，泛指应用用户通过完成指定任务获取现金回报，应用运营者则通过流量投放实现变现。

　　比如，这几年比较流行的刷视频赚钱、刷新闻赚钱、走路赚钱、答题赚钱，以及玩休闲小游戏赚钱等。

　　业内人士介绍，通常这类网赚App业务形态比较简单，用“提现”等方式吸引用户完成任务。用户如果想要完成提现，就必须点进去看广告。比如，让用户看完数条视频后可提现，本质目的则是吸引用户完成任务来获利。

　　然而，有部分网赚品类非良性开发者为了快速回本、增大收益，试图在各个环节进行设计，增加用户提现难度。这类应用不仅存在恶意干扰用户达成提现条件、用户满足提现要求无法提现，又或者虚假广告宣传的问题，还通过各种欺骗、诱导的方式使用户无法顺利完成提现。

　　常见套路揭秘☞☞☞

　　①应用设置多重套路的提现门槛

　　“提现”作为网赚类应用区别于其他品类应用的特征功能，也是用户使用网赚类应用最关心的功能。而部分网赚应用在用户提现前没有明示用户完整的提现规则和门槛，在用户完成一个提现条件想要进行提现时，才告知用户还有别的提现条件，以此来限制用户提现。

　　②提现进度或激励规则不透明

　　某些应用的提现进度或者激励规则不够清晰透明，在应用内只展示任务当前完成的进度，未明示进度增加标准以及任务达成标准，用户并不知道具体完成多少关，才可以完成任务获得提现机会。

　　又或者，有些应用用户通过做任务获取奖励，但应用并未明示奖励的标准及概率，部分应用通过这种方式诱导用户观看广告、下载应用等来获取奖励，而实际用户所获得的奖励很少，与期待不符。

　　③故意使用户任务完成失败

　　部分应用在用户快要满足提现要求时，故意使用户任务完成失败，从而使用户无法达成提现条件。

　　④应用满足提现要求但无法有效提现

　　部分网赚类应用，即使用户达到提现要求，仍然无法有效提现，并且存在多样化的拒绝提现手段。例如，应用未按承诺提供提现机会、暴力拒绝用户提现，以风险环境、作弊用户的理由拒绝用户提现，或存在提现等待时间过长等问题。

　　⑤虚假广告宣传

　　部分网赚应用广告通过虚假夸大应用功能的方式来推广、诱导欺骗用户下载应用，用户实际下载使用后发现，应用功能与广告宣传并不相符。

　　！！！警惕向青少年群体蔓延

　　有调查发现，在近年来的一些网络犯罪刑事案件中，犯罪团伙往往利用青少年，特别是未成年人“贪小利”“好奇心强”的特点，以“聊聊天发发帖”就能“轻松网赚”的谎言诱骗他们成为帮凶。

　　特别是疫情期间，青少年群体的网络活跃度较高，不少人受到“网赚”氛围影响，想借机赚点零花钱。犯罪团伙份子利用未成年人心智未成熟、容易受利诱的特点，不断灌输非正当的牟利方法。

（图源网络）

　　网赚品类应用作为一种新兴的赚钱方式，已经被越来越多的人接受，但部分非良性网赚类应用中存在的风险问题不仅严重侵害了用户权益，也极大影响了行业生态的良性、健康发展。

　　业内建议，进一步提高治理网络黑灰产的法治化水平刻不容缓，不仅要筑牢“网络并非法外之地”的思想意识底线，更要在网络治理中将每个人的网络行为纳入法律框架之内。

　　同时，相关互联网内容平台要增强自我监管意识，将社会责任切实转化为经营行动。比如，进一步完善投诉反馈渠道，遇到举报信息应及时受理核实，涉嫌违法的要向有关部门及时报案。（部分内容综合自新华社）

　　监制：张宁 策划：李政葳 制作：姚坤森

　　（文图：赵筱尘 巫邓炎）