加快实现高水平科技自立自强******
作者：彭绪庶（中国社会科学院习近平新时代中国特色社会主义思想研究中心研究员、数量经济与技术研究所信息化与网络经济研究室主任）
党的二十大报告提出，“坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，加快实现高水平科技自立自强”。科技自立自强是提升供给体系质量、保障产业链供应链安全的关键，能够为构建新发展格局、实现高质量发展提供战略支撑。目前，我国已经成为具有重要影响力的科技大国。到2035年，我国发展的总体目标包括“实现高水平科技自立自强，进入创新型国家前列”。
总体来看，我国实现高水平科技自立自强的条件基本具备。首先，我们党高度重视科技事业，为实现高水平科技自立自强提供了坚强保障。进入新时代，我们党坚持实施创新驱动发展战略、把科技自立自强作为国家发展的战略支撑。习近平总书记强调，立足新发展阶段、贯彻新发展理念、构建新发展格局、推动高质量发展，必须深入实施科教兴国战略、人才强国战略、创新驱动发展战略，完善国家创新体系，加快建设科技强国，实现高水平科技自立自强。其次，增加科技投入和加强基础设施建设，为实现高水平科技自立自强奠定了坚实物质基础。我国研发投入规模和投入强度连续多年保持稳定增长，科技人才质量稳步提升，重大科技基础设施布局建设不断推进。再次，科技创新实现突破性进展，为实现高水平科技自立自强奠定了坚实技术基础。近年来，我国科学论文数量和质量不断提高，基础研究、前沿研究和关键核心技术攻关能力取得巨大进步，知识创新和技术创新影响力均已跃居国际前列。
但还要看到，加快实现高水平科技自立自强，仍然面临诸多问题和挑战。如，研发投入规模总量不足，基础研究和企业支出占比较低，基础研究和原创性重大创新成果战略支撑作用不强，等等。
立足新发展阶段，需要制定更精准、更有效的政策措施，完善体制机制，探索有效路径，加快实现高水平科技自立自强。
其一，完善战略性、全局性和系统性创新布局。实现高水平科技自立自强是长期目标，不可能一蹴而就，也难以靠短期突击实现。要加快在“卡脖子”领域补齐短板，在并跑、领跑和优势领域锻造长板，坚持关键技术攻关和基础研究并重。既要立足当前，着力攻关和破解制约发展的“卡脖子”技术等紧迫问题，也要着眼长远，找准发挥新型举国体制优势实现更多重大突破的路径，加强基础科学和前沿科技等“无人区”领域创新顶层设计，探索建立需求导向型创新、任务目标型创新和兴趣导向型创新相结合的创新模式。
其二，为科技攻关提供组织保障和人才保障。实现高水平科技自立自强，不仅要啃下“卡脖子”技术等硬骨头，还必须在颠覆性技术领域走在国际前列。这就必须要有适应科技发展趋势的国家重点实验室、综合性国家科学中心、国家高端智库，以及高水平新型研究型大学和科技领军企业。要强化国家战略科技力量，完善空间布局，加强投入和领军人才队伍建设，提高重大科技任务的攻坚能力。
其三，在科技体制改革“深水区”加力攻坚。改革是点燃科技创新引擎的点火系。解决研发经费投入和执行结构不合理、效益不佳等问题，完善科技成果和科技人才评价制度，强化企业创新主体地位，都需要在制度安排、政策保障、环境营造等方面下真功夫。只有通过深化体制改革，完善科技自立自强的制度保障，才能真正形成科技创新和制度创新“双轮驱动”效应。
其四，加强创新链产业链融合发展。要消除基础研究与应用脱节、科研与经济“两张皮”现象，提高科技创新质量和效率。既要重视科技成果转化，打通从科学研究到开发研究再到应用的链条，同时也要强化需求导向和市场导向，围绕产业链布局创新链，让市场在创新资源配置中起决定性作用，促进产业链上下游、大中小企业等的深度融合，形成科技创新合力。
其五，加强国际科技合作。开放创新是当今科技创新的趋势和实现高水平科技自立自强的必然选择。一方面，要发挥我国产业体系健全完备、供应链保障水平高的优势，深化供给侧结构性改革，发挥超大规模市场优势，形成对全球要素资源的强大吸引力。另一方面，也要主动“走出去”，积极参与全球科技创新治理，全方位、多角度探索国际科技合作新路径新模式。
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。
