纪录片赋予硬核科技以浪漫诗意******

　　纪录片《鹤舞长江》剧照。中央广播电视总台供图

　　2022年12月20日，白鹤滩水电站16台百万千瓦机组全部投产发电。白鹤滩与乌东德、溪洛渡、向家坝、三峡、葛洲坝水电站“串珠成链”，点亮了世界最大的清洁能源走廊，在新征程上为践行“两山”理念、落实“双碳”目标注入澎湃的绿色动能。纪录片《鹤舞长江》，全景式呈现了这项超级工程的诞生背景、建设历程，引领观众深度感受“绿色奇迹”背后的中国智慧、中国精神、中国力量。

　　世界首台百万千瓦水轮机组、世界最大的地下厂房、世界最“聪明”的智能大坝……白鹤滩水电站攻克了40项世界级难题，取得1000余项技术专利，机组实现100%国产化。这是我国水电装备制造从“跟跑”“并跑”到“领跑”的又一杰作。核心技术的突破，是攀登，也是接力。水电站历经半个多世纪选址、10年勘察设计、10余年建设施工，承载着几代水电人的光荣与梦想。《鹤舞长江》以选址筹建为开篇，用真实的镜头捕捉一个个闯关夺隘的动人故事，留下了弥足珍贵的影像资料和历史信息。

　　作为专业性极强的工程题材纪录片，如何用影像语言艺术地挖掘和呈现工程价值，让广大观众在震撼之余，激发起更多情感共鸣？该片做了诸多有益尝试。

　　以生动贴切的语言，呈现科技之美。一个超级工程，就是一件精美绝伦的工业艺术品，凝结着工程师们非凡的想象力与创造力。以一个铁球“借力打力”，实现上层爆破的同时，保护底部基岩；通过“雕刻师”级别的精准爆破，岩壁吊车梁一次成型，为庞大的地下宫殿打造出能承担万吨重量的坚实“臂膀”；以低热水泥破解“无坝不裂”的难题，成功筑成“无缝大坝”；为泄洪洞岩壁敷上一层光滑的“镜面”，阻断空泡效应，让“深水炸弹”无处栖身；以充满传统文化意蕴的“双龙戏水”出水口设计，巧妙消解泄洪势能……纪录片将科技术语转化为日常语言，以通俗易懂的表达诠释复杂问题，打破专业隔阂，赋予硬核科技以浪漫诗意。

　　以平凡动人的故事，书写奋斗之路。令观众印象深刻的，不仅是那座雄伟壮观、造型优美的大坝，更有数万名建设者和10万移民的无私奉献。前期负责勘探的工程师们冒着生命危险，徒步于垂直落差近千米、最窄处不足1米的白鹤驿道；河谷上空的7座彩色缆机中，清一色的女司机昼夜不停，以女性的细致与专注，累计吊送100万罐混凝土；移民工作者刘祖雄不顾病痛，翻山越岭，开展详尽的入户调查、制定安置方案，努力带领库区移民走出世代贫困……纪录片以工程建设为主题，但关键视角始终是人。工程建设过程中，朴实的奉献和真切的情谊，令纪录片充满温度和力量。

　　纪录片专门辟出章节，呈现工程配备的一整套完善的生态系统保护方案。乌东德水电站为洄游的鱼类量身打造“专用电梯”，白鹤滩水电站为两岸崖壁上的鸟儿栗喉蜂虎“乔迁新居”、为300余株古树逐个定制移栽方案……从江中到岸边，“生态优先、绿色发展”的理念落地生根、拔节生长。

　　在纪录片的最后一集，镜头离开白鹤滩，像坝中流泄的江水一般涌向长江、奔入大海。随着镜头，观众看到了沿线各地正在建设或运行的水面光伏、抽水蓄能电站、远海风电等多能互补的清洁能源体系。这是实现中华民族永续发展的不竭动力，也是我们饱含诚意、努力实现“双碳”目标的一个剪影。（周飞亚）

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。