金马彩票| (2023已更新(网易/百科)v8.8.8

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。

房地产并购重组需谨慎处理三大关键点******

　　王丽新

　　新年伊始，房企处置资产、启动并购重组计划不断出炉。据不完全统计，自2022年11月底“第三支箭”落地以来，涉房企业披露的收并购案总交易对价超过576亿元。

　　支持房企股权融资的“第三支箭”发出，正进一步有效化解房企风险，加快推动行业风险出清，对“稳预期、稳信心、稳投资”起到重要作用。但从实操层面来看，其中涉及并购重组的交易资金规模大、并购程序繁琐，方案是否成功也存在不确定性。在笔者看来，这期间，上市房企需谨慎处理三大关键点。

　　并购前期，需理性选择适合企业自身的并购标的。在当下的市场格局中，稳健型房企有发展优势、有扩表需求，可供其“挑选”的资产标的池子也很大。但不同企业业务布局、细分市场话语权、主力产品业态以及战略发展方向均各有特色，背后的大股东资源也不尽相同。并购重组是企业发展历程中的大事，需顺应市场需求，仔细甄别被并购标的资产质量、经营状况、企业文化与管理等方方面面是否与自身匹配，不能盲目选择标的，要“补短板优长处”，采用合理的估值方法进行评估，实现“1+1＞2”效应。

　　并购中期，需做好尽调以及匹配最优的并购方式。不同于其他行业，房地产行业并购重组涉及的资产标的多数都是正在开发或销售的项目，周期较长，少则一两年多则十年八年才能清盘交付，这其中参与方较多，夹杂“明股实债”等现象，背后的债权关系复杂，需充分尽调，确保风险指数处在可控范围内且有收益空间，谨慎对待再出手。

　　此外，涉及并购重组的双方都应跟随政策节点，谨慎考量支付以及融资方式，无论是向特定投资者非公开发行股份募资，还是现金支付等，都需最大可能地寻找长期且成本较低的资金。毕竟，合理的并购方式能确保企业在并购过程中及时避免和合理应对风险，进而保证现金流安全。

　　并购后期，需注重业务协同及资源整合，达到提升效益的目的。当闯过前面的重重难关，并购项目进入落地阶段时，往往是实现有质量的并购重组最重要的一环。若企业实施并购重组后能在业务、经营、财务以及人力等方面达到很好地融合，其成果将快速在财务报表及业务模式方面形成良性循环。反之，并购标的则会成为收购方业绩表现的“拖油瓶”。

　　更重要的是，要想实施好房地产行业并购重组，需强化对上市房企、涉房上市公司并购重组、再融资的监管力度。一方面，收购方收进来的须是优质资产，才能更好地发挥资本市场优化资源配置的作用；另一方面，上市房企、涉房上市公司的再融资，需市场主体有真正融资和业务需求才能启动，更要保证并购重组的配套融资真正用在方案提及的项目以及“保交付”的项目中，否则会与发出“第三支箭”的初衷背道而驰。

　　总体而言，在行业风险持续出清过程中，并购重组活动有望逐渐增加。企业整合资源后，经营状况有望改善，同时将淘汰落后企业，改善产业结构，优化行业资产负债表，推动房地产行业朝着更好的方向发展。

　　（文图：赵筱尘 巫邓炎）