導盲犬十分適合協助視障者穿行這個世界，只不過要讓導盲犬大聲唸出標誌內容，或者告訴你錢包裡還剩多少錢，這可就有點傷腦筋了。
由 Microsoft AI & Research 開發出的「Seeing AI」這款 app，說不定能解開這個問題。它基本上會為視障者說出四周環境，讓他們能使用手中的智慧型手機辨識物體、顏色、紙鈔或文件的各種內容。
從去年推出這款 app 以來，下載量已達15萬次，使用量達500萬次，使用族群裡還包括了全球某些最出名的視障者。
「盲人歌手 Stevie Wonder 每天都會用到它，這超酷的。」Microsoft 資深資料科學家 Anirudh Koul 在上個月於聖荷西舉行的 GPU 技術大會上發表演講時，這麼對聽眾說。
Koul 跟他的同事在 GPU 技術大會的舞台上，實際演示這款強大的 app。Koul 拿出智慧型手機、啟動 app，並且將手機指向同事，app 讀出它看到「一名31歲、黑髮、戴眼鏡的男子，看起來一臉很高興的樣子。」
要是同事有出現在他的聯絡人名單裡，表現會更好，Seeing AI 會跟使用者的聯絡人名單進行整合，按照姓名來辨識朋友。
Koul 還分享了多個引人注目的例子，包括一名盲人教師開著 app，把手機朝著教室門口擺放，這樣孩子們就不會因為她看不見而偷溜進出教室；另一名使用者則是藉由 app 進行導航來通過颶風肆虐的地區，以避開掉落的電線和其它障礙物。
最早於2014年2月開始研發 Seeing AI 的目的，為建立一套卷積神經網路，以協助查找及辨識四周的物體，可是當時的延遲時間為十秒，速度過慢而無法幫助使用者迅速做出決定。
隔年 Microsoft 贊助了為期一周的黑客松（hackathon）活動，吸引了13,000名參賽者，再度嘗試將手機裝在使用者的頭上。
在嘗試使用智慧型眼鏡後，Koul 的團隊開始著手於研發 app 本身。他們使用 NVIDIA TITAN X GPU 進行本地端的神經網路訓練工作，更為吃重的升級則是交給運行 NVIDIA Tesla P100 GPU 的 Azure 雲實例。逐幀分析則是用以判斷發生每次訓練的位置。
調校人工智慧
訓練一事反映出 app 不得不辨識之影像的不確定性，像是在訓練 app 偵測金錢時，受訓練的神經網路必須接觸到骯髒和只有片面局部的貨幣照片，還有得放大貨幣照片極為細微的部分，以確定其特徵為何。
研究團隊徵求志工提供照片，得到各種結果，包括一隻貓在玩弄紙鈔的照片，另一張照片則是紙鈔卡在冰裡。
隨著模型接觸到這些不同照片，方能計算出辨識照片所需的最小參數。
Koul 的團隊調整了神經網路，傾向於對物體進行負面分類或者不進行分類，而非猜測或是將五美元的紙鈔當成十美元的紙鈔，這顯然會給視障者造成不便。
人工智慧的最終特點之一就是為視障者帶來福音，唯有愈多人使用這款 app 時才會變得更精良。