图片 1

按照最初设定的目标,AI
Challenger首先要建设紧贴前沿科研任务需要的数据集,再者是要建立超大规模的高质量数据,第三个目标是要打造开放的世界级平台。

图片 2

首届AI
Challenger大赛由创新工场、搜狗、今日头条于2017年联合举办,据介绍,首届大赛发布了百万量级的计算机视觉数据集、千万量级的机器翻译数据集,以及超过200万人民币的奖金,吸引了来自全球120个国家超过百万人次的关注、来自全球65个国家的8892支团队参赛。

图片 3

对于为何发起AI
Challenger的原因,李开复曾表示是为缩小中美两国人工智能顶尖人才之间的差距。

创新工场人工智能工程院执行院长王咏刚

细粒度用户评论情感分析竞赛:在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值,并且在互联网行业有极其广泛的应用,主要用于个性化推荐、智能搜索、产品反馈、业务安全等。数据集包含15万条餐饮用户评论、6大类20个细粒度要素标签,为业界最大。

“AI Challenger
全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台,也是目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。

8月29日,由创新工场、搜狗、美团点评、美图联合主办的“2018 AI Challenger
全球AI挑战赛”正式开赛。

1.天气预报竞赛:气象要素的变化深刻影响着人类生活的方方面面。我们带来北京气象要素数据集,包含10个站点、3年多逐小时历史“观测”和“睿图”资料,探索以AI提高天气预报的准确性。

农作物病害检测竞赛:2016年农作物病害造成的直接损失占我国农业生产总值的8.48%。我们发起世界上首个农作物病害检测竞赛,标注图片50,000张、包含10种植物的27种病害,探索“AI植物医生”。

实验赛道数据集和竞赛将持续建设,并不定期开放新内容。返回搜狐,查看更多

据创新工场AI工程院副院长王咏刚的介绍,四个联合主办方投入的千万级资金用途包括300万出头的奖金费用,剩下的资金主要是数据集建设及比赛运营的费用。

4.商品实例分割迁移学习竞赛:以3D虚拟图像训练机器“认识”真实世界的物品,能极大降低标注成本、也是新兴研究热点。数据集包含不同场景的100个类日常生活用品的30,000张虚拟图片和9,000张真实照片。

眼底水肿病变区域自动分割竞赛:我们发起国内首个眼底病变医学图像检测竞赛,建立了目前最大的眼底病变数据集,包含由专业眼科医生标注了三种类型水肿的、各含128张图片的100个OCT体数据。

人工智能产业中,数据、算法、计算能力是三大基石,其中,数据更是人工智能科研的最宝贵资产。对于需要运用机器学习作为其业务核心技术的创业团队来说,高质量的数据集就是竞争优势的重要保证。

今年比赛的主题是“用AI挑战真实世界的问题”,AI
Challenger组委会认为,目前中国AI产业仍存在很多问题,比如中国欠缺一些深入行业的AI公司,比如说类似IBM
Watson这样的、能够针对企业需求开发数据这样的公司,这些应用在医疗、零售、教育等领域的都会产生价值。从业界发展来看,中国科技公司相比国际AI巨头公司,目前也有巨大差距。因此,AI
Challenger组委会希望本届挑战赛不仅仅是一场竞赛,更希望挑战者能从现实问题出发,创造出解决现实问题的成果。

短视频实时分类竞赛:近几年发展极快的短视频行业具有明显的娱乐性和流行性,深受人们喜爱;基于短视频机器分类的技术还可以广泛用于视频内容分析、编辑与生产,监控、安防等领域。数据集包含20万条短视频、涵盖63类流行元素,为业内首个多标签短视频分类数据集。

零样本学习竞赛:受人类学习能力的启发,零样本学习希望借助辅助知识学习从未见过的新概念。本此竞赛是首个国际性零样本学习竞赛,数据集包含78,017张图片、230个类别、359种属性。返回搜狐,查看更多

style=”font-size: 16px;”>第一阶段比赛从2018年8月29日至11月4日,参赛队基于训练集、验证集、测试集A,进行算法设计、模型训练及评估,并提交预测结果,系统会按照评测指标实时反馈分数,并更新榜单排名。个别竞赛采取参赛队提交代码、docker的形式进行比赛。期间进行双周赛排名和评奖。

style=”font-size: 16px;”>第二阶段比赛从2018年11月6至8日,开放测试集B;各竞赛提交结果的时限不同。结果提交后即进入评分、排名、代码验证环节,个别比赛还将考察参赛队的算法运行效率。参赛选手在测试集B上的预测结果表现,将作为进入决赛的排名依据。

style=”font-size: 16px;”>第三阶段于12月18、19日进行竞赛的总决赛答辩。

责任编辑:

除5个主赛道之外,AI Challenger
2018还开放5个实验赛道竞赛和相应的数据集:

据介绍,四家主办方联合投入千万规模以上的资金,引入更多企业、大学、政府机构合作,新增十余个全新高质量数据集,以及相关的兼具科研、产业应用、社会意义的竞赛。

实验赛道

英中文本机器翻译竞赛:机器翻译正越来越成为人们跨越语言障碍的重要工具,应用于各种领域。数据集在2017年数据集的基础上,总量达到1300万句对,为业界最大;且其中具有上下文情景的中英双语数据达到300万句对,为机器翻译的研究提供了更多探索空间

无人驾驶视觉感知竞赛:自动驾驶技术即将改变我们的出行和生活方式。本次大赛的自动驾驶竞赛采用了UC
Berkeley DeepDrive(BDD)2018年最新发布的BDD
100K数据集,这是全世界最庞大、最复杂的自动驾驶数据集,包含原始图片1.2亿张、标注图片10万张,涵盖多样天气和昼夜光照条件。

短视频实时分类竞赛:近几年发展极快的短视频行业具有明显的娱乐性和流行性,深受人们喜爱;基于短视频机器分类的技术还可以广泛用于视频内容分析、编辑与生产,监控、安防等领域。数据集包含20万条短视频、涵盖63类流行元素,为业内首个多标签短视频分类数据集。

原标题:AI人才快到碗里来!AI Challenger设300万奖金打造“中国版ImageNet”

无人驾驶视觉感知竞赛:自动驾驶技术即将改变我们的出行和生活方式。本次大赛的自动驾驶竞赛采用了UC
Berkeley DeepDrive(BDD)2018年最新发布的BDD
100K数据集,这是全世界最庞大、最复杂的自动驾驶数据集,包含原始图片1.2亿张、标注图片10万张,涵盖多样天气和昼夜光照条件。

图片 4

天气预报竞赛:气象要素的变化深刻影响着人类生活的方方面面。我们带来北京气象要素数据集,包含10个站点、3年多逐小时历史“观测”和“睿图”资料,探索以AI提高天气预报的准确性。

2.农作物病害检测竞赛:2016年农作物病害造成的直接损失占我国农业生产总值的8.48%。我们发起世界上首个农作物病害检测竞赛,标注图片50,000张、包含10种植物的27种病害,探索“AI植物医生”。

主赛道

细粒度用户评论情感分析竞赛:在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值,并且在互联网行业有极其广泛的应用,主要用于个性化推荐、智能搜索、产品反馈、业务安全等。数据集包含15万条餐饮用户评论、6大类20个细粒度要素标签,为业界最大。

原标题:一线 | 搜狗、美团点评等举行了一个比赛:用AI挑战实际问题

观点型问题阅读理解竞赛:机器阅读理解是让机器读懂人类语言、和人类更好交流互动的重要领域。此技术可广泛应用于智能搜索、智能问答、智能客服、智能音箱、语音控制等场景,用AI实现基于文字、语音的人机智能互动。数据集包含30万问题、篇章与候选答案,是全球难度最大的中文观点型问题机器阅读理解数据集。

观点型问题阅读理解竞赛:机器阅读理解是让机器读懂人类语言、和人类更好交流互动的重要领域。此技术可广泛应用于智能搜索、智能问答、智能客服、智能音箱、语音控制等场景,用AI实现基于文字、语音的人机智能互动。数据集包含30万问题、篇章与候选答案,是全球难度最大的中文观点型问题机器阅读理解数据集。

“在今年的五个主赛道里,有三个是NLP(自然语言处理)领域的,两个计算机视觉领域的。NLP领域是现在人工智能方面进展比较慢的领域,让机器真正理解文字的含义,相比较机器认识猫狗要困难的多,是非常有挑战性的项目。另外两个赛道,短视频理解和无人驾驶也是在视觉领域比较前沿比较困难的任务。所以这五个赛道设置都是瞄准现在AI应用里面还没有取得很好突破的技术”。

在官方介绍中,AI
Challenger方称自己为中国版ImageNet。由斯坦福大学教授、斯坦福大学人工智能实验室与视觉实验室负责人、谷歌云人工智能和机器学习首席科学家李飞飞于2009年发布《ImageNet:
A Large-Scale Hierarchical Image
Database》论文,之后这个数据集迅速发展成一项竞赛,通过对数据集中的物体进行识别,选出识别错误率最低的算法。为促进图像研究的发展提供了重要的数据,2017年,ImageNet举行了最后一届挑战赛,此后将专注于目前尚未解决的问题及以后发展方向。

图片 5

图片 6

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章