美高梅彩票骗局_美高梅彩票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。

疼！为什么身体这个部位被足球运动员视如生命？******

　　世界杯已进入第四天，如火如荼的赛程让人激动不已，不过也有不少人发现，许多球员因伤病告别了本次世界杯，其中脚踝损伤是足球运动员常见的伤病之一，比如韩国球员朴志洙因脚踝韧带撕裂，在最后一场热身赛中告别了世界杯。德国球员罗伊斯脚踝伤病无法及时恢复，前锋维尔纳，作为上届德国队征战世界杯和欧洲杯的主力球员，也因为脚踝韧带撕裂宣告缺席本届世界杯。

　　不只是专业球员，普通人也会经常脚踝损伤，也就是我们所说的崴脚。但是因为太常见，很多人不当回事，除非肿痛难忍才去看医生。

　　其实，脚踝损伤需要及时处理，否则会给我们留下后遗症，带来生活的不便。

　　一、我们的脚踝什么时候最容易受伤

　　正常情况下，韧带——一种短而坚韧的带状组织，将我们关节处的骨头固定在一起，所以我们的脚踝才可以自如地活动。

　　当我们在高低不平的地面上行走或跑步时，下楼梯、起跳后落地，容易失去平衡会发生踝关节扭伤，尤其是在踩到石头或踩空时更容易发生。

　　在上述场景中，我们的踝关节扭曲、拉伸或弯曲过度，固定在我们踝关节的其中一根或多根韧带被撕裂或疼痛性拉伸，严重时，还会出现骨折。

来源：解放军第306医院

　　如果之前曾经发生过踝关节扭伤，腿部肌肉无力或腿部肌肉损伤，穿高跟鞋等，会更容易扭伤踝关节。

　　二、处理方式不当，可能会留下后遗症

　　如果，不小心扭伤脚踝后，你第一时间会选择怎样处理？

　　转动下脚踝，感觉不太痛，继续运动？

　　在感觉到痛的地方，抹上红花油活血化瘀？

　　拿个热毛巾敷一敷？

　　其实以上都是错误的处理方式。

　　继续运动，可能使损伤部位症状加重。

　　红花油的活血作用，会使血流加快，让肿胀更加严重。

　　在受伤早期，韧带表面分布的细小血管破裂，如果采取热敷的方式，可能会使细小血管进一步扩张，导致出血更加严重，淤青更加明显。

　　有数据统计，踝关节扭伤损伤者中，会有30%-40%的人是在不正当处置下出现慢性踝关节不稳或其他症状。因为不当的处置导致愈合不良，容易出现经常性的踝关节疼痛肿胀，经常崴脚等症状。

　　如果存在以下情形，就需要警惕可能是留下了后遗症，需要到医院去寻求帮助：踝关节扭伤3个月以上仍然存在疼痛、肿胀等不适症状，或者走平路也经常扭脚；走远路感到踝关节疼痛、肿胀；走路时出现“闪”一下或者“打软腿”的情形；下楼梯时需要小心翼翼，很怕扭脚，或者感觉很难控制脚踝；在运动中变向比较困难等。

　　三、脚踝损伤后如何正确处理？

　　我们首先可以先判断一下扭伤的严重程度。

　　脚踝损伤的症状一般包括：踝关节肿胀、疼痛，尝试行走时疼痛加重，一天后可能会出现淤青（韧带表面分布的细小血管破裂所导致）。

　　如果扭伤后感受不到严重的疼痛，也没有出现淤青、肿胀等症状，一般情况不严重，不必去医院，这种情况下，减少活动多休息，对脚踝进行冰敷，这可以通过降温收缩毛细血管，减少出血和渗液，有利于控制病情发展。

　　如果无法判断病情程度，可以采取PRICE原则，同时尽快到医院由专科医生进行判断治疗。

　　P：保护。

　　以适当的工具和姿势（如石膏或支具）进行保护，避免造成二次伤害，保护固定踝关节的时间大概为一到三周。

　　R：休息

　　停止脚踝活动，避免加重伤势。

　　I：冰敷

　　在扭伤后48小时内，通过降低受伤部位温度，可以减轻炎症反应和肌肉痉挛，缓解疼痛抑制肿胀。注意不要将冰块直接敷在扭伤的地方，可以用湿毛巾裹住冰块，以免冻伤。

　　C：压迫

　　用弹性绷带包裹给受伤部位加压，可以阻止继续出血，预防严重的踝关节肿胀。

　　E：抬高患肢

　　将小腿和踝关节抬高至高过心脏的位置，比如躺下在腿下放几个枕头。注意踝关节的高度应超过膝关节，膝关节的高度超过髋关节，髋关节的高度超过身体水平位。这可以促进下肢静脉血管的运行，降低脚踝疼痛肿胀的症状。注意，在没有明显消肿前尽量不要让受伤脚着地，有条件的话尽量保持受伤脚抬高。

　　资料来源：潇湘晨报、科技日报澎湃新闻、生命时报、阜外华中心血管病医院、广州日报

　　整理：党敏

　　（文图：赵筱尘 巫邓炎）