三分快三平台 - 用户注册 | 官网首页登录平台网址

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。

如何打赢外来入侵物种阻击战？科研提供新依据新方法******

　　如何打赢外来入侵物种阻击战？

　　外来物种是一把双刃剑。在一些情况下，引进外来物种确实有助于特定地域的经济发展和生态保育。但是在另一些情况下，外来物种又可能构成生物入侵。

　　【深瞳工作室出品】

　　采 写：实习记者 孙明源

　　本报记者 马爱平

　　策 划：刘 莉

　　今年1月1日，农业农村部会同自然资源部、生态环境部、住房和城乡建设部、海关总署和国家林草局组织制定的《重点管理外来入侵物种名录》开始施行。

　　“外来物种真不少啊”“这份‘黑名单’来得及时”……一经发布，这份目录就引来众网友热议，网上话题量达到298万多条。

　　基于2022年全国范围外来物种调查及科研人员多年来监测研究，这份最新名录内容从原有的52种更新为59种。

　　鳄雀鳝、加拿大一枝黄花、美国白蛾……对于这些外来入侵物种，人们或许只是偶有耳闻。事实上，外来物种入侵在我国也非新问题。大多数时候这些外来入侵物种并不显眼，它们静悄悄地给某些地区带去生态灾难，导致受灾地区以外的人们很难关注到它们。直到去年8月，鳄雀鳝以一种异样的形式进入公众视野，让更多人知道了“外来入侵物种”到底是什么。

　　抽干湖水只为两条外来“怪鱼”

　　“鱼抓到了吗？”

　　2022年8月26日，在某直播平台的上百条弹幕里，这个问题“刷屏”了。评论和弹幕背后有至少3700万网友看过直播。

　　直播现场在河南小城汝州，在那里，工作人员抽干了公园里近30万吨的湖水，只为抓住两条名为鳄雀鳝的“怪鱼”。

　　次日，汝州通报称，一公一母两条鳄雀鳝已被捕获，并接受了无害化处理。至此，持续一个月的“抽湖捕鱼大战”落下帷幕。

　　其间，网上甚至出现过此次行动是“劳民伤财”的质疑。

　　但这个事件，可以说给全民上了一节外来物种入侵的科普课。

　　早在2002年，在创始人胡隐昌研究员的带领下，中国水产科学研究院外来物种与生态安全创新团队已经开始关注外来入侵水生生物。顾党恩是中国水产科学研究院外来物种与生态安全创新团队首席科学家、国家大宗淡水鱼产业技术体系外来物种入侵防控岗位专家。2009年起，该团队对包括鳄雀鳝在内的多种外来水生生物进行了长期大规模的调查监测。

　　鳄雀鳝食量惊人，一旦泛滥成灾，不仅会影响渔业生产，威胁粮食安全，更会通过捕食作用导致本土鱼类等水生动物种群的急剧下降，从而影响水生生物多样性和水生生态系统，进而威胁生态安全。

　　调查数据显示，鳄雀鳝近几年来在我国扩散蔓延速度非常快，在从海南到北京、从上海到西南的大部分省区内都有野外捕获鳄雀鳝的记录。如果不及早干预，有可能扩散到大部分自然江河。

　　为了摸清鳄雀鳝等外来水生生物的分布和数量变化，顾党恩团队常年在南方的各个水域撒网、取水样、“摸鱼”。

　　此次鳄雀鳝进入新版名录，与该科研团队提供的大量第一手调查数据以及风险评估报告有着很大关系，可以说离不开这些科研工作者的多年努力。

　　外来入侵物种防控部际协调机制办公室负责人介绍说，《重点管理外来入侵物种名录》在物种遴选上有四个依据：危害程度重、扩散蔓延快、防控治理难、危害形式多样。“并不是所有外来入侵物种都能‘上榜’。”顾党恩告诉科技日报记者，鳄雀鳝能“上榜”，是因为它会造成很严重的危害，而且能快速扩散蔓延，一旦泛滥就很难得到有效控制。

　　每年造成的损失高达2000亿元

　　通过公开资料检索，记者发现我国较早的外来入侵物种，是一种来自非洲马达加斯加的蜗牛。

　　20世纪30年代，这种蜗牛翻山过海，随着英国、日本的全球贸易首先出现在我国厦门、台北。如今，它已经广泛分布于我国南方多省区。这种蜗牛学名褐云玛瑙螺，即人们常说的“非洲大蜗牛”。

　　它就是典型的外来入侵物种，不仅对蔬菜等农作物危害极大，还携带多种会对人体带来危害的病原体。

　　随着全球贸易往来日益频繁，外来入侵物种扩散蔓延的风险不断提高，外来入侵物种带来的危害也逐渐增大。

　　农业农村部外来入侵生物防控重点实验室主任、中国农业科学院植物保护研究所生物入侵研究创新中心主任刘万学说，我国近十年新增入侵物种55种，每年新增入侵物种达5—6种，是20世纪90年代前新增入侵物种频率的30倍。

　　中国林科院森林生态环境与保护研究所副所长、外来有害生物与植物检疫学科组首席专家赵文霞记得，2010年时，西藏自治区林芝市出现大面积高山栎枯死，许多山头出现成片成片的枯死木，高原仿佛患上了“毛发斑秃”。赵文霞及有关专家顶着高原反应走遍了这些山头，最终确认高山栎大面积枯死背后的“凶手”竟是一种夜蛾科昆虫。高山栎虽能在高原挺拔屹立，面对外来入侵物种却可能遭遇生存危机。

　　另一种让赵文霞印象深刻的入侵物种是加拿大一枝黄花。这种菊科植物在我国南方极易滋生。“荒废的上海造船厂长满了这种外来入侵物种，它们的种子像蒲公英一样随处飘洒，风一吹漫天遍野，扎根之处不给其他植物留下任何生长空间。”赵文霞说。

　　“所到之处寸草不生”，这是顾党恩对另一种外来物种——齐氏罗非鱼的评价。这种鱼吃水草能力极强，在实验环境条件下几条鱼一两周就可以吃光一水池的水草。广州四大生态调蓄湖之一的东山湖，因用于净化水质的水草往往被齐氏罗非鱼破坏殆尽，导致东山湖水质净化工作陷入停滞状态，水质一度沦为劣V类。

　　另一种对全球森林极具危险性和毁灭性的外来入侵物种则是松材线虫。中国林业科学研究院首席科学家、教授杨忠岐说，其引发的松材线虫病具有极强的传染性，被称为松树的“癌症”。一旦松材线虫侵入林区，会让以松树为主的针叶林染上松材线虫病，从而对整个林区带来毁灭性的破坏。

　　“能想象某一天黄山的主要景观资源黄山松都被毁灭殆尽，黄山再无迎客松吗？”杨忠岐告诉记者，1982年我国首次在南京中山陵发现松材线虫病，40年来松材线虫给我国林业造成了巨大损失和生态灾难。

　　对于外来入侵物种造成的灾害，刘万学提供了一组触目惊心的数字：草地贪夜蛾危害严重时可能导致玉米、小麦等作物50%以上的产量损失；番茄潜叶蛾危害严重时可导致番茄减产80%—100%；苹果蠹蛾对我国苹果和梨等水果产业构成的潜在经济损失高达140亿元/年；在1平方米的玉米地里，30—50株豚草苗就可以导致减产30%—40%；一只福寿螺中含有3000条以上寄生虫……而它们还只是外来入侵物种当中的一小部分。

　　外来入侵物种对我国生态环境和经济发展带来严重负面影响。据不完全统计，在我国，由外来入侵物种每年造成的直接和间接损失总计高达2000亿元，对外来入侵物种进行综合治理刻不容缓。

　　科研为治理提供新依据新方法

　　与外来物种入侵的历史相比，我国对外来入侵物种的研究却起步较晚。

　　赵文霞是国内较早研究外来入侵物种的学者之一，她从2002年开始研究外来入侵物种，但当时距非洲大蜗牛抵达我国已有70年。

　　赵文霞回忆说，当时其主要工作是翻译国外关于入侵生物学的经典图书、著作、论文。后来，随着外来入侵物种概念的引进以及一些应用实践的展开，国内学者出版了一系列有代表性的理论著作和论文。

　　赵文霞告诉记者，国外的入侵生物学研究始于20世纪30年代，兴盛于50年代。我国外来物种研究本世纪初起步，经过科学家们20多年的努力，目前我国相关技术水平已经与国外不相上下，但由于起步晚，我国对许多入侵物种的入侵历史、路径和时间依然不了解，原始数据相当匮乏，还需要长时间积累来补齐短板。

　　新世纪以来，我国入侵生物学学者最重要的心血结晶之一，就是上文提及的2013年出台、2023年1月1日更新的“名录” 。

　　2013年，原国家农业部发布了第一个国家层面的外来入侵物种管理名单——《国家重点管理外来入侵物种名录》(第一批)。这份名录包含52种入侵物种，既包括紫茎泽兰、少花蒺藜草、非洲大蜗牛、福寿螺等入侵植物、动物，也包括美国白蛾、桔小实蝇等有害昆虫，以及番茄细菌性溃疡病菌等有害病原物。

　　刘万学向记者介绍说，第一批目录的出台具有里程碑意义。自2013年以来，我国科学界对于外来入侵物种有了更为清晰的认识，对外来入侵物种的研究进入了快速发展期。

　　与此同时，法律也在不断地修订完善。

　　2022年12月30日，全国人大常委会通过新修订的野生动物保护法。该法明确规定：从境外引进野生动物物种的，应当采取安全可靠的防范措施，防止其进入野外环境，避免对生态系统造成危害。

　　在新修订的野生动物保护法颁布之前，我国为防范外来物种入侵，制定了生物安全法、进出境动植物检疫法、引进陆生野生动物外来物种种类及数量审批管理办法等法律法规和政策文件，还发布了4批《中国自然生态系统外来入侵物种名单》，制定了《国家重点管理外来入侵物种名录(第一批)》。

　　“可以说，目前我国已建成防范外来物种入侵的法律和政策体系。”北京林业大学生态法研究中心主任杨朝霞教授告诉记者。

　　杨朝霞曾多次参加全国人大常委会法工委组织或者委托组织的野生动物保护法修订草案研讨会，他的许多建议也被吸纳进本次修订的野生动物保护法中。本次修订的野生动物保护法还特别强调：不得违法放生、丢弃，确需将其放生至野外环境的，应当遵守有关法律法规的规定。

　　科学界也在行动，不断为治理和决策提供新的依据和方法。

　　我国对外来入侵物种名录实行动态调整和分类管理，每10年组织开展一次外来入侵物种全国普查。2022年，我国启动了包括实地考察、面上调查和重点调查等外来入侵物种普查工作。近年来发现的草地贪夜蛾、鳄雀鳝等入侵物种，都在普查范围内。

　　据赵文霞介绍，此次更新目录，最初各方提交上的外来物种名单有800多种，经过多轮筛选，名单从800多种减少到200多种，又从200多种减少到100多种，最终从100多种确定了59种。

　　科研也在各类外来物种的治理中发挥作用。例如，顾党恩团队和农业生态与资源保护总站合作开发了多重防控技术，应用于对广州东山湖齐氏罗非鱼的治理。结果显示，在控制试验前，齐氏罗非鱼为湖区的优势种，占渔获物重量的79.41%，防控试验20天后，工作人员在渔业抽样调查中未采集到齐氏罗非鱼。

　　从调查统计、判定优势种和危害、甄别一个外来物种是否属于入侵物种，到提供治理方案，大批科研人员参与到外来物种的防治工作中来。

　　相关方面都在积极努力，与外来物种进行坚决斗争。

　　将外来物种挡在国门之外，是防治外来物种的第一步。2022年9月4日，上海海关发现了一批可疑的快件。工作人员打开检查，发现了300个大小一致的环氧树脂管，这些管里塞着潮湿的棉花，每个管放了一只活体蚂蚁。

　　经鉴别，这些蚂蚁是来自欧洲南部的野蛮收获蚁，国内收货人大概是想将其作为宠物饲养。但是，此类蚂蚁在我国并无自然分布，贸然引进有使其成为外来入侵物种的风险。

　　据了解，截至2022年11月，我国海关仅在上海口岸就设置了各类外来有害生物监测点471个。据海关总署通报，仅2022年上半年，全国海关就从旅客携带、邮寄等渠道截获检疫性有害生物173种3.1万次、活体动植物2925批。

　　外来入侵物种防控仍在路上

　　刘万学说，《重点管理外来入侵物种名录》所列物种是当前和今后一个时期外来入侵物种防控的重点，也是治理外来入侵物种的行动指南。

　　在防治外来入侵物种的道路上，我们需要做的工作还有很多。

　　首先，需进一步完善相关法律。杨朝霞举例说，新修订的野生动物保护法，加入了防治外来物种的有关内容。但目前鳄雀鳝、巴西龟等“异宠”的网上交易并未被遏止，主要原因在于现行立法对交易环节尤其是网上交易的规制不足。这些宠物如果不进入自然界，确实不构成外来物种入侵。但是，这些宠物具有逃逸或者被放生的可能性，交易、蓄养它们客观上增加了它们入侵自然界的风险。为此，应对相关法律进行进一步完善。

　　“以鳄雀鳝为例，我国法律并未对鳄雀鳝的销售作出明确规定。这在一定程度上导致无法严格对鳄雀鳝的销售渠道、途径等进行监管。放生行为极其隐蔽难以发现，鳄雀鳝很可能被混在其它鱼苗中放入自然环境，等鱼长大被发现后，也很难追踪放生者。”杨朝霞说。

　　其次，相关科学研究有待进一步深入。刘万学指出，防治外来物种入侵和危害，监测预警、扩散阻截、应急处置、综合治理方面的工作都需要加强。

　　“我们要进一步完善风险预判预警机制，如建立入侵物种风险预警的大数据库，掌握入侵物种实时动态。比如哪些物种有可能入侵，它们从哪些地方进来？通过什么样的方式进来？我们都要有研究、有预判。”刘万学说。

　　第三，防治外来物种入侵亟待公众参与。顾党恩提醒说，了解和防治外来物种并非只是管理者和学者的责任，要想做好防治工作，就得有全社会的共同参与。

　　“美洲牛蛙、红耳彩龟、鳄雀鳝这类重点管理入侵物种如果只是在可控的养殖水体或者水族缸中并不会直接带来危害和形成入侵，是具有一定经济价值、观赏价值的。但是因为种种原因导致的随意引种、放生和丢弃，反而使它们在野外变成了真正的外来入侵物种。此外，如果因为它们被列入重点管理入侵物种，导致把它们被当作‘有害动物’而被丢弃或弃养，更会造成严重的生态灾害。让公众认识到放生和丢弃外来物种的危害，对于外来入侵物种的防控具有重要的意义。当然，科学家也应该投入更大的精力来为公众提供必要的科普服务。”顾党恩说。

　　“外来物种是一把双刃剑。”赵文霞说，在一些情况下，引进外来物种确实有助于特定地域的经济发展和生态保育。但是在另一些情况下，外来物种又可能构成生物入侵。例如，加拿大一枝黄花作为外来入侵物种，在江苏、浙江一带扩张十分猖獗，占用了大量土地。但是，在北方，如河北石家庄地区，由于气候原因它很难大规模蔓延，却能够充当经济作物，作为鲜切花的配花为人们带来收入。

　　“科学认识外来物种之后，除了做到不随意丢弃或放生，普通公民还可以主动报告身边发现的外来物种，为外来物种治理提供线索。如果人人都能够从力所能及的小事做起，随手消灭身边的外来入侵物种，就能真正筑立起外来物种入侵防控的‘长城’，打赢这场外来物种入侵阻击战。”顾党恩说。

　　(本版图片除标注外由受访者提供)

　　（文图：赵筱尘 巫邓炎）