乐发lv官方网站 - 百科百科

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。

喜马拉雅亏损10年首次季度盈利，互联网企业纷纷降本增效******

　　1月16日，第一财经记者获悉，近日喜马拉雅创始人兼CEO余建军在公司年会透露，喜马拉雅于2022年第四季度首次实现单季度千万级的盈利，这也是喜马拉雅创业十年来首次实现盈利。

　　不过他并未明确喜马拉雅是在哪一种会计准则下实现的季度盈利。

　　余建军在年会上提到，盈利得益于公司在三个方向的努力，一是战略与组织清晰度不断提升，其次是坚持以创造用户价值为导向的长期主义，另外降本增效、打造可持续盈利能力也是一方面原因。

　　在当前的资本环境下，过去烧钱巨亏的互联网企业都开始追求盈利了。除了音频行业的喜马拉雅和荔枝外，在视频平台里，从爱奇艺到B站，都开始降本增效，努力减亏，在资本市场讲出盈利的故事。

　　三年亏损20亿后首次盈利

　　2022年8月，余建军曾在内部员工大会上表示，要在2022 年第四季度实现单季盈利，扭转长期亏损局面，并将在2023年实现全年盈利，5年后，实现年收入200亿元、盈利40亿元。目前来看余建军定下的第一个小目标完成了。

　　在盈利前，2019年至2021年，喜马拉雅年内亏损分别为19.25亿元、28.82亿元、51.06亿元，经调整年内亏损则分别为7.49亿元、5.39亿元、7.59亿元，三年累计净亏损超20亿元。

　　此前喜马拉雅曾三次递表但未能上市。最近的一次是2022年3月，喜马拉雅在港交所更新招股书，但目前招股书已经显示失效。最早在2021年5月，喜马拉雅意图在纳斯达克上市，以失败告终；同年9月，其于港交所重新提交IPO申请，但因超过6个月，招股书文件显示失效。

　　最新招股书信息显示，2021年喜马拉雅总营收同比增长43.7%至58.57亿元，年内亏损51.06亿元，同比扩大77%。付费订阅、广告、直播以及其他创新产品及服务是喜马拉雅四大营收来源，其中，付费订阅服务是其主要的支柱。

　　喜马拉雅成立于2012年，目前是音频行业的龙头，截至2022年第三季度，喜马拉雅全场景平均月活跃用户已达2.82亿。

　　据iiMedia Research(艾媒咨询)数据显示，在2022年中国网民消费过的在线音频平台中，喜马拉雅以65.5%的高市场占有率成为最多用户选择的在线音频平台，其次，荔枝、蜻蜓FM和酷我畅听分别占比39.5%、35.8%和34.5%。

　　在喜马拉雅之外，作为音频行业“第一股”的荔枝也于近一年转亏为盈。

　　2021年第四季度，荔枝首次取得GAAP层面的盈利，实现净利润892万元，在2022年前三个季度其稳住了盈利趋势，Q1、Q2盈利分别为1642万元、1885万元，最新的第三个季度实现净利润约2000万元。

　　2022年的前九个月，荔枝实现净利润5500万元，实现大幅扭亏为盈，去年同期前九个月，荔枝净亏损为1.36亿元。

　　财报显示，荔枝第三季度的经营费用为1.77亿元，相比去年同期的1.91亿元有所缩窄，此外其销售及管理费用均实现同比缩窄。

　　互联网企业纷纷求盈利

　　在此之前，亏损超过10年的爱奇艺于2022年首次实现季度盈利，背后一大原因就是降本增效，财报显示，该公司营收成本、销售及管理费用都出现较大的同比下降。

　　围绕降本增效，据第一财经记者了解，爱奇艺内部的措施一是组织结构优化，解决与人相关的成本和费用，提高效率；二是控制内容成本，在内容制作、采购和运营等方面做精细化的选择，头部内容不减少，严格控制播出效果不好的内容，降低内容成本；三是通过加强运营，发挥片库也就是长尾内容的更大价值，产生更多广告库存和会员收入。

　　对于此前一直以用户增长为中心的B站来说， 亏损也一直在连年增长，2021年B站亏损了68亿元，同比扩大119%。

　　这些年来，B站还未实现正向盈利，在2022年初的电话会议中，管理层第一次给出盈利时间表，表示B站将在2024年实现non GAAP盈亏平衡。B站董事长兼首席执行官陈睿表示，2022年公司的战略重心将侧重于加速商业化进程，并进一步降本增效。

　　此前海豚投研泛娱乐研究员对第一财经表示，目前的宏观环境并不利好成长型公司，通胀加息周期叠加战争，资金避险情绪高，喜欢减亏或盈利的企业，“从公司管理层的角度，是希望通过营造一个良好的平台环境，来拉长用户的生命周期价值，但市场肯定是等不及的。”

　　2022年11月，B站发布了其第三季度财报，公告显示其第三季度营收为58亿元，较2021年同期增加11%；净亏损为17亿元，较2021年同期的27亿元收窄36%。

　　在财报后的电话会议上，对于此前提出的“2024年实现non-GAAP盈亏平衡”目标，陈睿表示目标不会有变化，“在今年多重宏观环境的挑战之下，减亏已经成为了公司最重要的工作之一，这是我亲自在盯的工作。”

　　（文图：赵筱尘 巫邓炎）