创新工场联合搜狗美团美图发起AI挑战赛：用AI挑战真实世界问题
|
包括协办/支持方：中国气象局北京城市气象研究所、加州伯克利大学DeepDrive深度学习自动驾驶产业联盟（BDD）、南京理工大学/江苏省人民医院、北京大学、上海新客科技、北京前沿国际人工智能研究院；技术支持伙伴TensorFlow； 教育平台支持伙伴优达学城Udacity、小象学院；AI GPU云支持伙伴UCloud；以及指导单位中关村科技园区管理委员会、北京市经济和信息化委员会。 本次大赛理事会委员、创新工场人工智能工程院执行院长王咏刚表示，希望在2018年，AI Challenger 能吸引更多国际、国内的高水平参赛团队，并建立算法、代码、论文、数据、比赛的分享和交流平台。 未来，“AI Challenger 全球AI挑战赛”将持续投入，建设和发布更大规模的AI前沿领域高质量数据集，涵盖自动驾驶、智慧医疗、智慧金融、机器人等行业应用中的核心AI需求。 将在国内外40多个城市举办技术论坛
AI Challenger 2018 除赛事外，还将举办线上线下社区技术交流。线上社区交流包括官网challenger.ai上的在线社区、微信和Slack群交流，线下社区交流则包括国内外40多个城市的大学举办技术论坛（以下城市按字母音序排列）： 中国：北京、成都、重庆、广州、哈尔滨、杭州、合肥、南京、上海、沈阳、苏州、台北、台南、武汉、西安、厦门、香港、新竹等。 北美：美国伯克利、波士顿、芝加哥、伊萨卡、洛杉矶、密歇根、纽约、帕罗奥多、匹兹堡、西雅图、华盛顿等；加拿大多伦多、埃德蒙顿等。 欧洲：英国剑桥、都柏林、利物浦、伦敦、曼彻斯特、诺丁汉、牛津等；德国慕尼黑，法国巴黎，荷兰代尔夫特，俄罗斯莫斯科等。 亚太：澳大利亚悉尼，印度德里，日本东京，韩国首尔，马拉西亚吉隆坡，新加坡等。 此外，AI Challenger还为“中国高校人工智能人才国际培养计划”提供在线社区和实践平台的支持，这是目前世界上最大的AI人才培养计划，目标在5年内直接培养至少500位老师和5000位学生，并影响数以十万计的学生。 其中，2018年度面向教师的培训班录取计算机专业排名前50高校的100位教师学员；面向学生的DeeCamp训练营从来自全球600多高校的近7000人报名中录取来自85个高校的300位学生学员。 “中国版ImageNet”还要实现哪些小目标？
AI Challenger被称为“中国版 ImageNet”，今年为自己设定了几个小目标： 首先，AI Challenger提出了“用AI挑战真实世界的问题”的口号。也就是说，AI Challenger希望在数据集的建设上，既具有科研和学术上的前瞻性，也希望数据集能紧贴AI商业化、AI落地的实际场景、实际需求，从产业需要出发。 为学术研究和AI人才培养提供方向性的建议，也反过来帮助产业界更好地利用最新的科研成果，解决真实世界的最有价值的问题。 例如，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，都是这一类的，从产业实际需要出发，又紧扣科研前沿内容的好问题。 第二，今年的AI Challenger希望花大力气，围绕AI数据集和AI竞赛，打造一个AI人才可以自由交流、开放讨论、取长补短、协作互助的世界级的平台。 就是说，AI Challenger不仅仅制作、发布高质量数据，举办大规模的竞赛，还利用数据和竞赛，把人才吸引到这个平台上来，形成一种良好人才生态，真正促进AI大环境的健康发展。 第三，在AI人才选拔、培养方面，去年的AI Challenger吸引了全球将近9000支团队参赛，参加AI Challenger比赛的有学生、科研工作者、产业一线的研究员和工程师等，来自不同企业、高校、科研机构的人才汇聚在这个大平台上，交流分享比赛中的成功经验，每个参赛者都收获了一段特别有价值的经历和体验。 AI Challenger的使命之一，就是希望在未来三年里，能消除中美年轻顶尖人才之间的差距，从AI Challenger走出去的优秀选手，最终成长成中国乃至世界AI产业的领军人物。 中国AI商业化和产业化进入非常时期
AI Challenger理事会代表王咏刚表示，今年AI Challenger的主题定为“用AI挑战真实世界的问题”，是有几方面原因的。 首先，人工智能的商业化与产业化进入了一个非常关键的时期，人工智能在那些大数据积累还不完善的领域，如零售、制造、物流、农业、医疗、教育等领域，还需要经历一个长期的发展过程，也会特别严重地依赖于相关场景的数字化程度。 例如，对于一个线下零售卖场来说，如果没有大数据积累，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，就没法针对零售卖场的供应链和销售渠道进行优化，没法提供定制化的服务，没法与拥有大数据的电子商务网站或应用竞争。 因此，人工智能的商业化落地迫切需要符合各行业需求，同时也拥有科技前瞻性的大量训练数据集。 AI Challenger希望扮演推动人工智能商业化落地关键角色，逐步在每个特定领域，投资建立并开放高质量数据，让AI商业化参与者能更容易训练AI模型，加速人工智能商业化步伐。 此外，AI科研领域一直有一种倾向，就是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，转化路径非常漫长和坎坷。 AI Challenger希望在数据集建设和竞赛设置上，有针对性地突出产业界的需要，围绕产业界中的真实问题，为科研人员和工程技术人员提供最好的支持，拉进科研与产业间的距离。 例如，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，都是这一类的，从产业实际需要出发，又紧扣科研前沿内容的好问题。 主办方对挑战者的“几大期待” 如今，AI已经在现实世界中发挥作用，中国作为世界第二大经济体，在大数据数量方面也具备优势，但在AI技术创新能力方面却仍远远落后美国和其他发达经济体。 （编辑：信阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
