300万大奖:欢迎参加美团联合主办的全球AI挑战赛
2021/5/12 10:57:28
本文主要是介绍300万大奖:欢迎参加美团联合主办的全球AI挑战赛,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
2018年8月29日,由美团、创新工场、搜狗、美图联合主办的“AI Challenger 2018全球AI挑战赛”正式启动。美团CTO罗道峰、创新工场CEO李开复、搜狗CEO王小川和美图CEO吴欣鸿共同启动了本次大赛,盛况空前。据悉,本次大赛整体奖金规模超过300万人民币。
想报名的同学,点这里!
本次大赛共投入千万元规模以上的资金,建设了十余个全新高质量数据集,已成为目前国内规模最大的科研数据集平台和最大的非商业化竞赛平台。在2017年,有来自全球65个国家的8892支团队参加了大赛,覆盖国内外347所高校,273家企业,而今年这些记录有望被打破。
用AI挑战真实世界的问题
AI竞赛可以吸引和培养人才,展示最新思想和技术,打造良性可持续的AI科研与应用生态。2018年大赛的主题为“用AI挑战真实世界的问题”,共包括5个主赛道和5个实验赛道。美团主要负责了其中两个颇具挑战性的主赛道赛题:细粒度用户评论情感分析(题目来自美团基础研发平台AI平台部NLP中心)和无人驾驶视觉感知(题目来自美团大零售事业群无人配送部)。
美团两个赛道的奖项设置均为:
以下提及金额为税前金额,详细规则请参考《竞赛选手报名协议》
总决赛
* 冠军:400,000人民币,颁发获奖证书;辅导教师奖10,000人民币
* 亚军:40,000人民币,颁发获奖证书;辅导教师奖2,000人民币
* 季军:20,000人民币,颁发获奖证书;辅导教师奖2,000人民币
* 优秀奖(第4、5名):5,000人民币,颁发获奖证书;辅导教师奖2,000人民币
双周赛
* 冠军:5,000人民币
* 亚军:3,000人民币
* 季军:2,000人民币
细粒度用户评论情感分析
为了促进中文自然语言处理技术(NLP)的发展,作为联合主办方,美团的NLP中心承担本次“全球AI挑战赛”主赛道赛题——“面向餐饮领域在线评论的细粒度情感分析”。美团作为全球最大的生活服务电子商务平台,拥有丰富而高质量的在线餐饮评论。在本次大赛中,美团提供了截至目前全球最大的中文餐饮评论细粒度情感标注数据集。相对于现有情感分析领域的数据,本次竞赛中美团数据集具有以下特色:
第一,目前情感分析领域数据集大多集中在影评、购物等领域,中文餐饮领域的数据集较少,此次提供的数据集极大丰富了中文餐饮领域情感分析的数据资源,从而进一步推动让机器理解人类情感的AI技术发展。
第二,数据更加丰富。本次大赛数据来自国内餐饮评价权威App——大众点评的真实公开的用户评论,标注在线评论量达到15万条,是国内目前为止最大最全的面向餐饮领域的细粒度情感分析的数据集。作为全球最大的提供多品类服务的电子商务平台之一,美团拥有广大用户群体和极高的地域覆盖度,因此数据更加丰富,质量更高,且非常具有代表性。
第三,标注体系更加合理。结合美团内部长期的数据使用经验,本数据集的采样和标注方法更科学合理,依据粒度不同构建双层标注体系:第一层为粗粒度的评价对象,第二层为细粒度的情感对象,共包含6大类20个细粒度要素。且每条数据都经过至少两位专业数据标注人员的确认,数据贴近真实应用场景,为本次比赛提供了坚实而可靠的数据支持,共同打造良性可持续的AI科研新生态。
面向商家的情感分析数据集充分汇集了广大用户对于商户的高质量评价,是美团正在构建中的全球最大餐饮娱乐知识图谱中非常重要的组成部分。美团知识图谱能够从细分维度刻画商家,根据用户偏好更精准地推荐适合用户口味、服务、价格、环境、位置的商家。据美团NLP中心负责人王仲远介绍,目前美团知识图谱中的情感分析模型已经在多个应用场景中落地,为用户提供智能AI服务:
第一,改进大众点评上的搜索排序。当用户在大众点评的APP上进行搜索找店时,通过知识图谱中商户评价情感分析数据,优先展示用户评价中反馈较好的商户,真正助力于“让大家吃得更好,生活更好”。
第二,优化外卖商家的品质分级。通过引入知识图谱中针对商家评论中的细粒度的情感分析结果,来收集实际用户对于商家在不同维度的满意程度,指导业务拓展人员及时帮助商家发现并解决相关问题。
第三,打造有“情感识别能力”的智能客服。通过细粒度的情感分析模型,美团正在打造能够识别开心、表扬、不满、愤怒等情绪的智能客服机器人,始终坚持“以客户为中心”的理念,及时发现用户反馈问题时的情绪,帮助用户快速解决问题。
总体而言,细粒度情感分析技术对学术界与工业界有深刻的影响,此次竞赛中,美团提供的面向餐饮领域在线评论的细粒度情感分析数据集将面向全社会开放,希望吸引更多优秀的AI人才参与到相关模型的研发之中,共同促进NLP技术的升级,用AI优化人们的生活体验。
无人驾驶视觉感知
自动驾驶技术将随时改变我们的出行和生活方式。为了探索无人驾驶的前沿感知算法,本次全球AI挑战赛设置了自动驾驶主赛道。该赛道由伯克利自动驾驶产业联盟(BDD)及刚刚推出无人驾驶开放平台的美团负责,无论在数据集的规模和质量,还是赛题的设置,都极具挑战性。
在数据集方面,本赛道采用了UC Berkeley 2018年最新发布的BDD数据集。BDD数据集是全世界最庞大、最复杂,可以推动自动驾驶发展的数据集。这套数据集包含原始图片1.2亿张,标注图片10万张,涵盖了美国四个区域多样的天气条件,以及白天黑夜的不同光照情况。BDD中包含了道路目标检测、道路目标分割、可行驶区域、车道线等多种标注。本次比赛使用了道路目标检测和可行驶区域两方面的标注。道路目标检测包括行人、交通灯、交通标志,以及多种车辆。可行驶区域包括优先通行区域以及非优先通行区域。这种复杂的数据分布也使得本次比赛更具有挑战性。
无人驾驶算法部分按模块可以分为感知、定位、决策控制,本次挑战任务主要集中在感知模块,包含了检测和分割两个方向。检测是在一幅图片中框选出目标物体的位置,并给出目标物体的类别。检测主要应用于无人驾驶中的障碍物检测,使得无人车可以在行驶中进行主动的避障。分割是对一副图片中的每个像素进行分类,主要应用于一些区域的检测,以及识别出一些物体的完整轮廓。
本次挑战美团创造性的将两方面任务结合到了一起,希望选手能在通过多任务学习来同时解决两个问题,并且保证模型的轻量和快速。多任务学习是迁移学习的一种,也是目前比较前沿的领域。本次比赛是业界非常少有的涉及到迁移学习的比赛,并且本次比赛将模型运行时间列入考量也是非常新颖的地方。
值得一提的是,检测和分割这两个自动驾驶的任务在美团目前的业务中也均有落地应用。当前自动驾驶技术虽尚不成熟,但相对于开放道路上实现载人的自动驾驶,在低速的限定环境内的配送场景内,实现自动驾驶已经指日可待。
无人配送是人工智能的典型落地场景,完成无人配送需要自动驾驶技术、机器人技术、视觉分析,自然语言理解,机器学习、运筹优化等一系列创新技术的高度集成。国内的配送需求量巨大,场景复杂具有中国特色,为人工智能发展应用落地提供业务支撑,需要国内完全的自主创新而非“拿来创新”,无人配送的成功应用将标志着包括自动驾驶,机器人控制,机器学习等一些列的创新技术实现了重大突破,在应用场景的倒逼下,中国无人配送技术及应用领域将有机会成为世界的前沿。
美团致力用先进的无人驾驶技术,对配送侧进行改革,增加运力的供给。美团无人配送车主要运用自主研发的路径规划和避障算法,通过摄像头和激光雷达等元器件判断障碍物,实时计算行进路线,进而使得产品技术完整度高,既可以按照既定路线自动导航行驶,而且也具备路径规划、智能避障、车道保持、智能跟随等功能。
美团目前已正式加入加州大学伯克利DeepDrive深度学习自动驾驶产业联盟,同时与清华大学签订了框架合作。美团还将持续与高校实验室通力合作,既有自主研发,同时借鉴引进其他先进经验,在无人配送场景、数据等方面加快自动驾驶的技术创新、理论创新、以及落地应用的进程。
美团是首次参与主办AI Challenger全球挑战赛,两个主赛道的数据集和命题分别由NLP中心王仲远团队和无人配送部夏华夏团队负责。在筹备大赛期间两个团队都付出了巨大努力。比如细粒度用户评价数据集,由350位数据标注人员共投入了近6万小时。无人配送部在比赛命题方面,设计了一种业界首创的评测体系,同时考察模型准确性与运行时间。 在此,特别感谢NLP中心和无人配送部对此次大赛的鼎力支持。
招聘信息
美团点评NLP团队招聘各类算法人才,Base北京上海均可。NLP中心使命是打造世界一流的自然语言处理核心技术和服务能力,依托NLP(自然语言处理)、Deep Learning(深度学习)、Knowledge Graph(知识图谱)等技术,处理美团点评海量文本数据,打通餐饮、旅行、休闲娱乐等各个场景数据,构建美团点评知识图谱,搭建通用NLP Service,为美团点评各项业务提供智能的文本语义理解服务。我们的团队既注重AI技术的落地,也开展中长期的NLP及知识图谱基础研究。目前项目及业务包括美团点评知识图谱、智能客服、语音语义搜索、文章评论语义理解、美团点评智能助理等。真正助力于“让大家吃得更好,生活更好”企业使命的实现,优化用户的生活体验,改善和提升消费者的生活品质。欢迎各位朋友推荐或自荐至 hr.ai@meituan.com。
算法岗:NLP算法工程师/专家/研究员 、知识图谱算法工程师/专家/研究员
工程岗:C++/Java研发专家/工程师 、AI平台研发工程师/专家
产品岗:AI产品经理/专家(NLP、数据方向)
这篇关于300万大奖:欢迎参加美团联合主办的全球AI挑战赛的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-26初学者指南:轻松掌握Textual Inversion
- 2024-11-26Textual Inversion入门教程:轻松掌握文本翻转技巧
- 2024-11-2570 个群都来问我的 AI 日报,是这么做的。
- 2024-11-20实战:30 行代码做一个网页端的 AI 聊天助手
- 2024-11-185分钟搞懂大模型的重复惩罚后处理
- 2024-11-18基于Ollama和pgai的个人知识助手项目:用Postgres和向量扩展打造智能数据库
- 2024-11-15我用同一个提示测试了4款AI工具,看看谁设计的界面更棒
- 2024-11-15深度学习面试的时候,如何回答1x1卷积的作用
- 2024-11-15检索增强生成即服务:开发者的得力新帮手
- 2024-11-15技术与传统:人工智能时代的最后一袭纱丽