第二届AI challenge正式开赛，搜狗、美图、美团点评开放数据集

今日，由创新工场、搜狗、美团点评和美图四家国内 人工智能 企业共同发起“AI challenger全球AI挑战赛”正式开赛，大赛前后将持续四个月，获胜团队将分享300余万元奖金，观点型问题阅读理解、细粒度用户评论情感分析等竞赛 数据 集今日也同步上线。

据了解，“AI Challenger全球AI挑战赛”由创新工场、搜狗、美团点评、美图联合主办 ，面向人工智能领域人才，带来十余个的数据集及竞赛，今年的大赛主题是“用AI挑战真实世界的问题”。

创新工场李开复：人工智能的进步都是比赛比出来的

数据有多重要？创新工场董事长兼CEO李开复开场就爆料，自己准备博士论文时，当时4000G的数据，存储就需要花费10万美元，而当时世界巨头都宣称自己的AI能力是最强的，却没有一个共同的开放数据平台能予以验证。李开复称，“今天人工智能的结果都是比赛出来的，AI challenge大赛也一定要公开、可复制。本次的比赛，更关注‘顶尖的人才、足够的数据、能落地的成果’三大要素。”

比赛的主办方之一，搜狗的CEO王小川也表示，目前从输入到搜索都是通过语言，因而搜狗积累了大量的语言数据。 在今年的大赛上，搜狗新添加了问答语料，并强化了翻译数据 ，提供了1300万对翻译数据和300万对带有上下文场景的语料。

美团点评CTO罗道锋认为，AI已经进入到了一个实用的阶段，但还处于开花的早期，处于弱人工智能阶段，需要有长期的耐心。美团点评具有大量评论数据，并具有大规模的AI实时调度系统，几万名外卖员在约半小时，每人能送达最多10单外卖。因而， 美团点评为本次的AI challenge的细密度情感分析赛道提供支撑 ，提供15万条细密度情感数据，包括1.2亿张图片和10万张标注的图片； 以及和Berkeley合作，提供无人驾驶数据。

美图公司创始人兼CEO吴欣鸿也表示，美团在拍摄过程中，常常需要理解使用者使用摄像头拍摄外部世界时的意图，基于这一优势， 美图为大赛提供了大量短视频实时分类数据 。该数据集共包含20万条短视频，涵盖舞蹈、健身、唱歌等63类流行元素；并采用多标签分类体系，标签信息包含视频主体、场景、动作等多个维度，标注信息几乎包含视频中展现的所有元素。

AI challenge大赛五大主赛道，关注NLP领域

四家主办公司的大佬，在对AI challenge进行介绍后，也引出了本次大赛的五大主赛道：观点型问题阅读理解竞赛、细粒度用户评论情感分析竞赛、英中文本机器翻译竞赛、短视频实时分类竞赛、 无人驾驶 视觉感知竞赛。主赛道关注NLP (Natural Language Processing)领域，瞄准人工智能还需要突破的领域。

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。该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。

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重要价值，在互联网行业可以用于个性化推荐、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。

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；且其中具有上下文情景的中英双语数据达到300万句对。

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，基于短视频机器分类的技术可用于视频内容分析、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。

无人驾驶视觉感知竞赛。 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，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。

本次AI challenge大赛除五大主赛道外，还包括天气预报竞赛、农作物病害检测竞赛、眼底水肿病变区域自动分割竞赛、商品实例分割迁移学习竞赛、零样本学习竞赛五大实验赛道。

AI进入产业化时期，AI Challenger对标李飞飞发起的ImageNet

对于今年比赛的主题“用AI挑战真实世界的问题”，李开复认为，今年的比赛更多关注产业，如果比赛中遇到好的、适于行产业落地的项目，创新工场也会积极关注具有投资价值的种子选手。去年有很多参赛者进入了BAT、美团、创新工场等互联网科技公司，有两位已在进行创业。

另外，AI Challenger理事会代表王咏刚也表示，今年更关注产业化 ，一方面由于，人工智能的商业化与产业化进入了一个关键时期 ，在大数据积累还不完善的领域，如零售、制造、物流、农业、医疗、教育等，严重依赖于相关场景的数字化程度。

如一个线下零售卖场，若没有大数据积累，没有摄像头等信息采集设备收集的商品信息、行为信息、场景信息等，就无法针对零售卖场的供应链和销售渠道进行优化、无法提供定制化的服务、与拥有大数据的电子商务网站或应用竞争。

此外，AI科研领域与产业界的实际问题距离较远，科研成果到产业界的实际解决方案之间，转化率较低。AI Challenger希望在数据集建设和竞赛设置上，针对性地突出产业界的需要，如无人驾驶中的车道线识别问题，短视频的实时分类问题，细粒度的用户情感分析问题等，都从产业实际需要出发。

另外，AI Challenger宣称已成为“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”。李开复称，相对于BAT“大而杂”的数据，细分领域的数据更“小而精”。

李开复也将AI Challenger对标李飞飞发起的ImageNet竞赛，认为两者的相同点在于用公益的方法让更多人参与人工智能，区别在于AI Challenger的数据量和赛道比ImageNet更丰富。

---

近年来，粤港澳大湾区在打造创新驱动新引擎，科技创新带动资源集聚等方面着力颇多，创新机制、产业升级、人才引流、协同发展等带来了多方面的机遇。相应的，人工智能、人才赋能正深刻地影响着商业步伐。

2018年10月18-19日，亿欧将在深圳举办 “引擎·引领” 2018大湾区国际科创峰会（BATi） ，集合智能制造、智能产品、智慧城市、智慧安防、智慧交通等一众热点问题展开探讨，分析科技创新未来趋势，盘点技术革命下的发展契机。

报名链接：

https://www.iyiou.com/post/ad/id/664

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。