加快构建网络空间命运共同体******
光明日报评论员
作为世界互联网大会国际组织成立后的首届年会,以“共建网络世界 共创数字未来——携手构建网络空间命运共同体”为主题的2022年世界互联网大会乌镇峰会拉开帷幕。国家主席习近平向大会致贺信。习近平主席强调:“面对数字化带来的机遇和挑战,国际社会应加强对话交流、深化务实合作,携手构建更加公平合理、开放包容、安全稳定、富有生机活力的网络空间。”习近平主席提出的理念主张,充分体现了对数字化发展趋势的深刻洞察,对人类社会发展进步的深邃思考,为深化数字领域交流合作、构建网络空间命运共同体指明了方向。
当今时代数字技术作为世界科技革命和产业变革的先导力量,日益融入经济社会发展各领域全过程,深刻改变着生产方式、生活方式和社会治理方式。作为全球最大的发展中国家和网民数量最多的国家,中国立足新发展阶段、贯彻新发展理念、构建新发展格局,建设网络强国、数字中国,在激发数字经济活力、推进数字生态建设、营造清朗网络空间、防范网络安全风险等方面不断取得新的成效,为高质量发展提供了有力的服务、支撑和保障,为构建网络空间命运共同体提供了坚实基础。前不久胜利闭幕的党的二十大,科学谋划未来5年乃至更长时期党和国家事业发展的目标任务和大政方针,对中国互联网发展作出更加清晰的战略部署。
当前,世界百年未有之大变局加速演进,新一轮科技革命和产业变革深入发展。同时,世纪疫情影响深远,逆全球化思潮抬头,单边主义、保护主义明显上升,世界经济复苏乏力,局部冲突和动荡频发,全球性问题加剧,世界进入新的动荡变革期。互联网领域发展不平衡、规则不健全、秩序不合理等问题日益凸显,网络霸权主义对世界和平与发展构成新的威胁。个别国家将互联网作为维护霸权的工具,滥用信息技术干涉别国内政,从事大规模网络窃密和监控活动,网络空间冲突对抗风险上升。
网络空间治理呼唤更加公平、合理、有效的解决方案,全球性威胁和挑战需要强有力的全球性应对。在贺信中,习近平主席强调,中国愿同世界各国一道,携手走出一条数字资源共建共享、数字经济活力迸发、数字治理精准高效、数字文化繁荣发展、数字安全保障有力、数字合作互利共赢的全球数字发展道路,加快构建网络空间命运共同体,为世界和平发展和人类文明进步贡献智慧和力量。
党的十八大以来,习近平主席以恢宏气魄和远见卓识,敏锐洞察全球互联网发展大势,深刻把握数字化、网络化、智能化的时代潮流,着眼信息时代人类的前途命运和共同福祉,深入思考构建什么样的网络空间、如何构建网络空间等重大课题,创造性提出构建网络空间命运共同体的理念主张,全面系统深入阐释了全球互联网发展治理的一系列重大理论和实践问题,为网络空间的未来擘画了美好愿景、指明了发展方向。在习近平主席关于网络强国的重要思想指引下,我国积极参与全球互联网发展治理,主动参与互联网国际技术标准制定、网络基础设施建设和网络空间国际治理体系建设,共同推动全球互联网发展治理迈向更高水平。
一枕临流水,一网通天下。这场江南水乡里的互联网盛会已走入第九个年头。从第二届世界互联网大会上,习近平主席首次向世界发出“构建网络空间命运共同体”倡议至今,“构建网络空间命运共同体”的内涵不断丰富发展,影响日益深远,已经成为国际社会的普遍共识。今年的乌镇峰会,将再一次为共建网络世界、共创数字未来,探索网络空间命运共同体的时代答案献智献策。
互联网是人类共同的家园。无论数字技术如何创新发展,无论国际环境如何风云变幻,每个人都在网络空间中休戚与共、命运相连。建设和维护一个和平、安全、合作、有序的网络空间,关系到人类文明进程和发展命运,是各国的共同期盼和愿望。让我们携起手来,走出全球数字发展新道路,开创人类更加美好的网络未来!
《光明日报》( 2022年11月10日 01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。
(文图:赵筱尘 巫邓炎)