首届字节跳动 “头号玩家”AI 夏令营落幕，联结最优秀的人，做最有挑战的事

“联结最优秀的人，做最有挑战的事”，高校在校学生不仅可以与亚马逊 AWS 机器学习总监 Alexander J. Smola、Facebook 科学家贾扬清等全球 AI 大拿深度互动，还可以完成 AI 从入门到进阶、从理论研究到应用实践的跨越。近日，由字节跳动发起举办的，接受全球高校学生报名参与的人工智能学习实践训练营 “头号玩家”AI 夏令营（ByteDance AI Camp）圆满落下帷幕。

据介绍，在此次为期五天的夏令营中，字节跳动邀请人工智能领域全球顶级专家为学员们授课，同时将学员分组和一线技术团队一同精心打造实践项目。字节跳动希望通过此次夏令营，不仅帮助相关专业优秀大学生深入 AI 前沿研究，也推动他们尝试解决行业内真实存在的技术难题。发起这一夏令营，体现了字节跳动一直以来的人才培养愿景：“联结最优秀的人，做最有挑战的事”。

字节跳动 “头号玩家”AI 夏令营学员合影

夏令营自 5 月启动报名以来，近 2000 名本科、硕士、博士经过申请材料审核、线上笔试、视频面试，最终来自国内外 30 多所知名高校的 70 位优秀学生通过层层考核，被录取为夏令营首批学员。

除了字节跳动以外，不少国际科技巨头也都通过类似训练营项目吸纳培养人才：微软自 2000 年起开展学生夏令营，Google 举办了大学生创新训练营，Facebook 设立专门吸引大学生的编程马拉松比赛。

在两天的封闭式课程中，由马维英领衔的字节跳动专家团，亚马逊 AWS 机器学习总监 Alexander J. Smola，Facebook 科学家、Caffe 之父贾扬清等业界大牛与南京大学教授周志华等学术专家，一起为学员们带来了 14 场高质量技术课程，课程涵盖机器学习、深度学习、对抗学习、计算机视觉、自然语言处理等人工智能技术的各项前沿领域知识及应用。

2 天上完 14 门课程，面对高强度的知识学习，没有学员缺席过一节课。主办方被同学们强烈的求知热情感染，在第二天晚上补增由加州伯克利大学马毅教授带来的计算机视觉前沿技术讲座。讲座持续到深夜 23:30，同学们还在踊跃提问，久久不愿离去。

“学术的老师讲完，行业的老师讲，感觉刚知道学术上一个前沿的东西，接下来就知道怎么落地到实际中，这样听下来蛮受用的。” 学员表示很喜欢这种交叉授课的方式。

在封闭式课程结束后的项目实践中，学员们选择自己感兴趣的 AI 项目课题，在行业导师的指导下三人一组在三天内完成 AI 项目，参加评比。

这次活动的 9 个项目课题，如图文生成、创意换脸、新闻情感分类和时间序列的检测报警，均出自行业一线。字节跳动的工程师们把工作中遇到有意义的问题拿出来，并精心构建了数据集、工具集，为每组配备足够的算力，让学员们尝试解决。

最终在评比中获得一等奖并赢得五万元奖金的是课题 “时间序列的检测报警” 研究小组。该组导师因第一天在外地出差，只在线上把文档和操作步骤发给项目小组，没想到第二天一早和小组成员见面时，三位组员已经把 baseline 的结果跑起来，还搜索了论文，用机器学习的方法去复现，技术能力令导师大感意外。导师表示非常期待他们把时间序列项目继续做下去，放到线上去真正解决问题。

字节跳动副总裁杨震原和人工智能实验室科学家李航为一等奖获奖小组学员颁奖

同样令人印象深刻的还有创意变脸项目。小组用 3 天时间，做出一个前后端完整的换脸产品，人脸、表情包、油画甚至动物的脸部五官互相替换。此项目需要考虑用户的脸与模特的脸的方向不同、肤色的差异、眼镜的置换、面部结合的边缘化处理等问题，他们不仅使用了人脸检测、关键点定位、人脸融合等技术，还把学术界最新研究成果融入到产品中，评审展示时大获好评。

值得一提的是，很多学员在参加夏令营之前，并不具备相关的经验，甚至没接触过 NLP（自然语言处理）和 CV（计算机视觉），更有同学从 Caffe（卷积神经网络框架）的基础环境搭建开始学。通过这次字节跳动组织的夏令营，大家在专家和导师的指导下激发了潜力，解锁了新技能。

学员中还有一名出生于 2003 年的 “00 后”，他被作为夏令营 “特招旁听生” 加入。这名学员小学时参加过计算机竞赛，初一学微积分，初三接触机器学习。他坦言最喜欢中马毅老师的授课，经过马毅老师深入浅出的讲述，原本模糊的 CV 方向内容变得清晰很多，“头号玩家”AI 夏令营让他受益匪浅。

字节跳动 “头号玩家”AI 夏令营中的 “00 后” 学员

许多学员都为能够在读书期间参与这些有影响力、有价值的项目而热血沸腾。来自清华大学的王同学说，在金融机构实习时曾接触过时间序列，不过他的研究最后没能拿到市场上用，而这一次，他很明确 “自己在做的事情对工业有影响力”。

“头号玩家”AI 夏令营的相关负责人表示：希望这次夏令营活动不仅能让学员们在自己的学员们在 AI 之路上更进一步，也希望他们带着字节跳动的人才培养初衷回到校园，在返校后影响身边更多有志于 AI 的技术人才，激发更多优质想法落地业界，成为全球 AI 技术领域的先行者。”

产业今日头条字节跳动李航马维英李磊

相关数据

李航人物

李航，毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。曾任日本NEC公司中央研究所研究员，微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任，是《统计学习方法》作者。

来源：个人页面百度百科李航

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

基准技术

一种简单的模型或启发法，用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

来源：Google ML Glossary

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

卷积神经网络技术

卷积神经网路（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层（对应经典的神经网路）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路，卷积神经网路需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据，它可以被认为是以一定时间间隔采样的一维网格，又如图像数据，其可以被认为是二维像素网格。

来源：Goodfellow, I.; Bengio Y.; Courville A. (2016). Deep Learning. MIT Press.维基百科

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科