“数”造新动能，数字经济澎湃浙江******

　　【乌镇实践】

　　光明日报见习记者 刘习 光明日报记者 王美莹

　　小桥流水，静谧从容；水墨江南，细腻温柔。在这收获的季节，乌镇和互联网的“约会”也步入第九个年头。八年来，数字经济的引擎动能，深深改变着这个江南小镇，进而影响着整个浙江。

　　“乌镇之光”超算中心收获了3600多个用户的青睐，承接了多个国家级科研项目。与之对应，集聚103名到访院士、54名进家院士的乌镇院士之家是软实力保障。强大的人才队伍加速推动技术成果从“实验室”向“车间”转化，是技术和生产革新背后的“最强智库”。

　　上届世界互联网大会与桐乡崇福镇签约的清焓科技，在乌镇院士之家的帮助下成为国内首条具备年产能100万平方米的新型采暖建材示范生产线。公司董事长王昕感慨不已：“院士之家给我提供了一个很好的平台。”

　　八年来，乌镇的数字经济企业数从最初的12家增至如今超过1000家。2022年上半年，乌镇数字经济核心产业完成投资额15.9亿元，同比增长27.2%，成为经济增长和高质量发展的助推器。

　　以乌镇为原点，互联网的涟漪不断荡漾开去，深深浸润着浙江大地。

　　在数字经济与实体经济的深度融合的浪潮中，浙江的企业在不断地变化迭代。地处浙江台州的双环传动新能源汽车零部件工厂，刚刚晋级“未来工厂”。在双环传动车间内，处处可闻机器轰鸣，却鲜见工人。

　　“未来工厂里，一个大学生带着一群机器人工作。”双环传动项目经理林菊华说。从前，每条生产线需配备12名工人，现在仅需3至5人。同时，借助VR眼镜，可以在双环传动数字驾驶舱“虚拟工厂”看到整条运转产线，管理人员可以实时了解情况，实现远程操控。

　　从最初的机器换人，到之后的车间智能化改造，再到如今的进阶版未来工厂，数字化加持的制造业在浙江释放出新的生机。日前，浙江全省未来工厂总数升至41家，涵盖信息通信技术、汽车、家居、纺织等行业。

　　数字化不仅带来生产效率的提升，也渗透到居民生活更多方面，使人们得以共享数字经济发展所带来的红利。在淳安县下姜村，70岁以上老人有105人，其中独居的有15人。国网杭州供电公司用“电力关爱码”为关照独居老人交出了“数智答卷”，应用上自动生成的红、黄、绿三色码可以及时研判并预警突发情况。

　　“以往我们对独居老人的日常监护，只能一户户敲门，现在‘电力关爱码’接入了‘浙政钉’平台，当出现红、黄码时，异常信息会以钉消息通知到乡镇管理员、村社网格员和电力志愿者，通过定位系统，我们三方工作人员可及时赶到现场处理异常情况。”下姜村网格员姜祖见说。

　　“全国很多乡村都存在巨大的数字赋能空间。浙江省淳安县下姜村在这方面作出了有益探索，使乡村发生了一系列意义深远的变化。”新时代文化旅游研究院院长吴若山说。

　　今天，5G已揭开面纱，连同AR、VR等新技术一起嵌入“寻常”的生产生活场景，居民生活，智能汽车、智能计算、智能传感和工业互联网“三智一网”产业蓬勃发展。

　　世界互联网大会迸发的数字之力从乌镇出发，激活经济社会发展的新动能。借力数字经济，浙江打通了新时代发展的“任督二脉”。九年来，一张张承载着数字经济发展的蓝图覆盖了整个浙江，为推进数字中国建设提供了区域样本。

　　一个数字文明的智造新时代在浙江悄然开启。在这里，新旧交替；在这里，万象更新！

　　《光明日报》（ 2022年11月08日 10版）

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。