Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

3大赛道、2000万奖池,这场人工智能大赛你一定不能错过

机器之心发布

机器之心编辑部

新一轮科技革命蓬勃兴起,人工智能技术不断向纵深发展,改变产业生态,重塑社会面貌。

随着万物互联时代的到来,我们也需要开发更先进的人工智能方法,以应对越来越多的产业应用及科学研究的需求。

为推动人工智能技术发展, 之江实验室、中国人工智能产业发展联盟、杭州市人民政府共同主办了一场面向全球的人工智能赛事——2021 之江杯全球人工智能大赛,设创新赛、揭榜赛、创业赛三个赛道,共 2000 万总奖池,以发掘人工智能领域优秀人才,加快打造人工智能创新高地。

大赛官网:https://zhijiangcup.zhejianglab.com

3大赛道、2000万奖池,这场<mark data-type=concepts data-id=2d28aa9c-942d-471d-bd96-8bfefb7144e0>人工智能</mark>大赛你一定不能错过

用 AI 解决实际应用难题

在嘈杂环境下,如何识别不同对象的声音并保证语音转换的准确率?当计算机面对它从未见过的某类物体时,如何正确识别物体的类别?

这些极具实际应用价值的技术问题是 2021 之江杯全球人工智能大赛创新赛的赛题——非确定场景语音识别、零样本目标物体识别

3大赛道、2000万奖池,这场<mark data-type=concepts data-id=2d28aa9c-942d-471d-bd96-8bfefb7144e0>人工智能</mark>大赛你一定不能错过

据大赛出题人介绍,非确定场景语音识别主要考察参赛队伍在声纹识别和语音识别两方面的技术积累。「参赛者需要提取不同说话人的声纹特征,识别出语音数据集中其中特定的说话人,然后再将提取出来的语音翻译为文本。」

在这道赛题中,设置了城市道路环境场景、地铁机场环境场景、餐厅环境场景、居家环境场景和室外风雨天场景 5 个与日常生活息息相关的场景。通过设置非确定性的环境、包括古诗文在内的各种类型的语音文本、包含多位说话人同时说话的语音段落,考察参赛选手的综合能力以及细节处理能力。

为了让赛题更贴近实际应用场景,本次大赛将零样本目标物体识别的数据集限定在安防检测的场景之下。「在训练的数据集中,可能是电脑、手机、水杯这些常见物品的图像,但在测试集中,需要机器学习模型能够识别出一些异常或者是有危险性的目标对象。」本次大赛的出题人表示。

「如果参赛选手的语音识别机器学习模型能够达到比较高的精度,是能够直接应用在相关场景中的。而零样本目标物体识别具有更高的前沿性,是近年来学术界聚焦的一个热门方向,在一些无法获得大量训练数据的专业领域,有着更大的应用潜力。」

用 AI 赋能各行各业

在本届之江杯全球人工智能大赛中,特别设置了揭榜赛,规划了四大赛题——基于人工智能生成模型的可编辑影视场景生成、基于深度生成网络的多类别参数化三维模型生成算法和系统、基于数据与计算驱动的材料设计算法与模型、基于靶标结构的小分子配体从头设计与生成。

「这些选题涵盖了艺术创作以及材料学、医学相关科学研究领域。」 之江实验室基础理论研究院应用数学与机器智能研究中心研究专家刘斌表示,「赛题设置反映了当前人工智能的一大发展趋势,即人工智能与各行业中计算问题的深度结合。深度学习为代表的人工智能技术,为我们提供了可将多模态、多领域海量数据进行汇聚并高效准确地从中提取规律、价值的可能。

跟传统竞赛方式不同,揭榜赛聚焦前沿研究方向,更看重的是项目的实质效果,能不能达到预期目标。之江实验室对于在本次大赛中揭榜成功的研究团队和项目会进行长期跟踪,评估项目成果。根据大赛赛制,揭榜赛每个赛题最多评比出 1-2 支挑战成功团队,将给予 300-500 万科研经费资助。

3大赛道、2000万奖池,这场<mark data-type=concepts data-id=2d28aa9c-942d-471d-bd96-8bfefb7144e0>人工智能</mark>大赛你一定不能错过

除了创新赛、揭榜赛,本次大赛的另一赛道——创业赛面向的行业领域则更加广阔。创业赛围绕之江实验室科研及相关产业发展方向,在医疗健康、智慧城市、智能制造、智慧金融、信息安全等领域进行人工智能创业项目招募。征集评选期间同步开展杭州、北京、成都三大区域分站赛及线上国际赛。杭州分站赛已于 9 月 28 日举行,3 个项目晋级决赛,北京、成都分站赛将分别于 10 月 22 日、11 月 5 日举行。

本届大赛各赛道报名及初赛正火热进行中,决赛将于 11 月下旬举办,欢迎全球双创精英、高校、科研单位、企业、创客团队等报名参赛,共同推动人工智能技术发展。

请点击「下文链接」至 2021 之江杯大赛官网报名参赛:https://zhijiangcup.zhejianglab.com/zhijiang/index/index.html

图片

产业人工智能
1
相关数据
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。

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。

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)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

物体识别技术

计算机视觉领域的一个分支,研究物体的识别任务

生成模型技术

在概率统计理论中, 生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的条件下。 它给观测值和标注数据序列指定一个联合概率分布。 在机器学习中,生成模型可以用来直接对数据建模(例如根据某个变量的概率密度函数进行数据采样),也可以用来建立变量间的条件概率分布。

机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
推荐文章
暂无评论
暂无评论~