AI Challenger設300萬獎金打造「中國版ImageNet」，國內最大規模深度學習數據集上線

【獵雲網（微信：ilieyun）北京】8月29日報道（文/呂夢）

人工智慧產業中，數據、演算法、計算能力是三大基石，其中，數據更是人工智慧科研的最寶貴資產。對於需要運用機器學習作為其業務核心技術的創業團隊來說，高質量的數據集就是競爭優勢的重要保證。

為了能讓更多AI人才有機會拿到真實的數據，解決真實世界裡的問題，今日，由創新工場、搜狗、美團點評、美圖公司聯合主辦的「2018 AI Challenger全球AI挑戰賽」正式開賽。「AI Challenger全球AI挑戰賽」是面向全球人工智慧人才的開源數據集和編程競賽平台，也是目前國內規模最大的科研數據集平台、以及最大的非商業化競賽平台。

在2017年的首屆大賽中，AI Challenger發布了從百萬到千萬量級的4個數據集、6個兼具學術前沿性和產業應用價值的競賽、以及超過200萬人民幣的獎金，吸引了來自全球65個國家的8892支團隊參賽，成為目前國內規模最大的科研數據集平台、以及最大的非商業化競賽平台。

本屆賽制中，四家主辦方投入千萬元規模以上的資金，同時引入了更多企業、大學、政府機構合作。此外，還新增十餘個全新高質量數據集，和十餘個兼具科研、產業應用、社會意義的競賽，以及超過300萬人民幣的獎金。

創新工場人工智慧工程院執行院長王詠剛

創新工場人工智慧工程院執行院長王詠剛介紹了今年大賽的主題，他表示，今年會突出數據集建設和問題設置方面與產業結合的特點，盡量讓AI Challenger發布的數據能直接滿足科研和產業的一線需求。同時，AI Challenger也會盡量突出人才平台、人才社區、人才網路的建設，利用平台把全世界範圍內的優秀人才聚集在一起。

本屆大賽的主題是「用AI挑戰真實世界的問題」，希望在數據集的建設上，既具有科研和學術上的前瞻性，也希望數據集能緊貼AI商業化、AI落地的實際場景、實際需求，從產業需要出發，為學術研究和AI人才培養提供方向性的建議，也反過來幫助產業界更好地利用最新的科研成果，解決真實世界的最有價值的問題。

數據集和賽道如下：

主賽道

觀點型問題閱讀理解競賽：機器閱讀理解是讓機器讀懂人類語言、和人類更好交流互動的重要領域。此技術可廣泛應用於智能搜索、智能問答、智能客服、智能音箱、語音控制等場景，用AI實現基於文字、語音的人機智能互動。數據集包含30萬問題、篇章與候選答案，是全球難度最大的中文觀點型問題機器閱讀理解數據集。

細粒度用戶評論情感分析競賽：在線評論的細粒度情感分析對於深刻理解商家和用戶、挖掘用戶情感等方面有至關重要的價值，並且在互聯網行業有極其廣泛的應用，主要用於個性化推薦、智能搜索、產品反饋、業務安全等。數據集包含15萬條餐飲用戶評論、6大類20個細粒度要素標籤，為業界最大。

英中文本機器翻譯競賽：機器翻譯正越來越成為人們跨越語言障礙的重要工具，應用於各種領域。數據集在2017年數據集的基礎上，總量達到1300萬句對，為業界最大；且其中具有上下文情景的中英雙語數據達到300萬句對，為機器翻譯的研究提供了更多探索空間。

短視頻實時分類競賽：近幾年發展極快的短視頻行業具有明顯的娛樂性和流行性，深受人們喜愛；基於短視頻機器分類的技術還可以廣泛用於視頻內容分析、編輯與生產，監控、安防等領域。數據集包含20萬條短視頻、涵蓋63類流行元素，為業內首個多標籤短視頻分類數據集。

無人駕駛視覺感知競賽：自動駕駛技術即將改變我們的出行和生活方式。本次大賽的自動駕駛競賽採用了UC Berkeley DeepDrive（BDD）2018年最新發布的BDD 100K數據集，這是全世界最龐大、最複雜的自動駕駛數據集，包含原始圖片1.2億張、標註圖片10萬張，涵蓋多樣天氣和晝夜光照條件。

除5個主賽道之外，AI Challenger 2018還開放5個實驗賽道競賽和相應的數據集：

實驗賽道：

1.天氣預報競賽：氣象要素的變化深刻影響著人類生活的方方面面。我們帶來北京氣象要素數據集，包含10個站點、3年多逐小時歷史「觀測」和「睿圖」資料，探索以AI提高天氣預報的準確性。

2.農作物病害檢測競賽：2016年農作物病害造成的直接損失占我國農業生產總值的8.48%。我們發起世界上首個農作物病害檢測競賽，標註圖片50,000張、包含10種植物的27種病害，探索「AI植物醫生」。

3.眼底水腫病變區域自動分割競賽：我們發起國內首個眼底病變醫學圖像檢測競賽，建立了目前最大的眼底病變數據集，包含由專業眼科醫生標註了三種類型水腫的、各含128張圖片的100個OCT體數據。

4.商品實例分割遷移學習競賽：以3D虛擬圖像訓練機器「認識」真實世界的物品，能極大降低標註成本、也是新興研究熱點。數據集包含不同場景的100個類日常生活用品的30,000張虛擬圖片和9,000張真實照片。

5.零樣本學習競賽：受人類學習能力的啟發，零樣本學習希望藉助輔助知識學習從未見過的新概念。本此競賽是首個國際性零樣本學習競賽，數據集包含78,017張圖片、230個類別、359種屬性。

作為此次比賽的聯合主辦方，搜狗CEO王小川表示，搜狗帶來的數據集是超過30萬問題和答案標註的數據，由於搜狗每天都有數億用戶在使用，所以有規模最大的帶有觀點的中文數據。翻譯方面，搜狗有1300萬對語料，且進行了很好的標註，準確率超過97%，同時還給出了300萬對具有上下文情景的中英雙語數據，也是歷史最大的語料集。

美團則在今年支持了兩個賽道，美團點評CTO羅道鋒介紹，一個是細粒度用戶評價情感分析，美團今年貢獻了15萬條的用戶評論數據集用來做細粒度情感分析。第二個賽道是無人駕駛視覺感知，目前，美團正在研發無人配送機器人，此次支持的是BDD的無人駕駛的數據集，包括原始圖片1.2億張，標註圖片10萬張。

「在今年的五個主賽道里，有三個是NLP（自然語言處理）領域的，兩個計算機視覺領域的。NLP領域是現在人工智慧方面進展比較慢的領域，讓機器真正理解文字的含義，相比較機器認識貓狗要困難的多，是非常有挑戰性的項目。另外兩個賽道，短視頻理解和無人駕駛也是在視覺領域比較前沿比較困難的任務。所以這五個賽道設置都是瞄準現在AI應用裡面還沒有取得很好突破的技術」。

自今日開賽後，12月18、19日進行競賽的總決賽答辯和頒獎。AI Challenger 2018的競賽主要分為三個階段：

第一階段比賽從2018年8月29日至11月4日，參賽隊基於訓練集、驗證集、測試集A，進行演算法設計、模型訓練及評估，並提交預測結果，系統會按照評測指標實時反饋分數，並更新榜單排名。個別競賽採取參賽隊提交代碼、docker的形式進行比賽。期間進行雙周賽排名和評獎。

第二階段比賽從2018年11月6至8日，開放測試集B；各競賽提交結果的時限不同。結果提交後即進入評分、排名、代碼驗證環節，個別比賽還將考察參賽隊的演算法運行效率。參賽選手在測試集B上的預測結果表現，將作為進入決賽的排名依據。

第三階段於12月18、19日進行競賽的總決賽答辯。

實驗賽道數據集和競賽將持續建設，並不定期開放新內容。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！