300萬大獎:歡迎參加美團聯合主辦的全球AI挑戰賽

2018年8月29日,由美團、創新工場、搜狗、美圖聯合主辦的「AI Challenger 2018全球AI挑戰賽」正式啓動。美團CTO羅道峯、創新工場CEO李開復、搜狗CEO王小川和美圖CEO吳欣鴻共同啓動了本次大賽,盛況空前。本次大賽總體獎金規模超過300萬人民幣。算法

想報名的同窗,點這裏微信

本次大賽共投入千萬元規模以上的資金,建設了十餘個全新高質量數據集,已成爲目前國內規模最大的科研數據集平臺和最大的非商業化競賽平臺。在2017年,有來自全球65個國家的8892支團隊參加了大賽,覆蓋國內外347所高校,273家企業,而今年這些記錄有望被打破。框架

用AI挑戰真實世界的問題

AI競賽能夠吸引和培養人才,展現最新思想和技術,打造良性可持續的AI科研與應用生態。2018年大賽的主題爲「用AI挑戰真實世界的問題」,共包括5個主賽道和5個實驗賽道。美團主要負責了其中兩個頗具挑戰性的主賽道賽題:細粒度用戶評論情感分析(題目來自美團基礎研發平臺AI平臺部NLP中心)和無人駕駛視覺感知(題目來自美團大零售事業羣無人配送部)。機器學習

美團兩個賽道的獎項設置均爲:學習

如下說起金額爲稅前金額,詳細規則請參考《競賽選手報名協議優化

總決賽人工智能

  • 冠軍:400,000人民幣,頒發獲獎證書;輔導教師獎10,000人民幣
  • 亞軍:40,000人民幣,頒發獲獎證書;輔導教師獎2,000人民幣
  • 季軍:20,000人民幣,頒發獲獎證書;輔導教師獎2,000人民幣
  • 優秀獎(第四、5名):5,000人民幣,頒發獲獎證書;輔導教師獎2,000人民幣

雙週賽設計

  • 冠軍:5,000人民幣
  • 亞軍:3,000人民幣
  • 季軍:2,000人民幣

細粒度用戶評論情感分析

爲了促進中文天然語言處理技術(NLP)的發展,做爲聯合主辦方,美團的NLP中心承擔本次「全球AI挑戰賽」主賽道賽題——「面向餐飲領域在線評論的細粒度情感分析」。美團做爲全球最大的生活服務電子商務平臺,擁有豐富而高質量的在線餐飲評論。在本次大賽中,美團提供了截至目前全球最大的中文餐飲評論細粒度情感標註數據集。相對於現有情感分析領域的數據,本次競賽中美團數據集具備如下特點:對象

第一,目前情感分析領域數據集大多集中在影評、購物等領域,中文餐飲領域的數據集較少,這次提供的數據集極大豐富了中文餐飲領域情感分析的數據資源,從而進一步推進讓機器理解人類情感的AI技術發展。排序

第二,數據更加豐富。本次大賽數據來自國內餐飲評價權威App——大衆點評的真實公開的用戶評論,標註在線評論量達到15萬條,是國內目前爲止最大最全的面向餐飲領域的細粒度情感分析的數據集。做爲全球最大的提供多品類服務的電子商務平臺之一,美團擁有廣大用戶羣體和極高的地域覆蓋度,所以數據更加豐富,質量更高,且很是具備表明性。

第三,標註體系更加合理。結合美團內部長期的數據使用經驗,本數據集的採樣和標註方法更科學合理,依據粒度不一樣構建雙層標註體系:第一層爲粗粒度的評價對象,第二層爲細粒度的情感對象,共包含6大類20個細粒度要素。且每條數據都通過至少兩位專業數據標註人員的確認,數據貼近真實應用場景,爲本次比賽提供了堅實而可靠的數據支持,共同打造良性可持續的AI科研新生態。

面向商家的情感分析數據集充分聚集了廣大用戶對於商戶的高質量評價,是美團正在構建中的全球最大餐飲娛樂知識圖譜中很是重要的組成部分。美團知識圖譜可以從細分維度刻畫商家,根據用戶偏好更精準地推薦適合用戶口味、服務、價格、環境、位置的商家。據美團NLP中心負責人王仲遠介紹,目前美團知識圖譜中的情感分析模型已經在多個應用場景中落地,爲用戶提供智能AI服務:

第一,改進大衆點評上的搜索排序。當用戶在大衆點評的APP上進行搜索找店時,經過知識圖譜中商戶評價情感分析數據,優先展現用戶評價中反饋較好的商戶,真正助力於「讓你們吃得更好,生活更好」。

第二,優化外賣商家的品質分級。經過引入知識圖譜中針對商家評論中的細粒度的情感分析結果,來收集實際用戶對於商家在不一樣維度的滿意程度,指導業務拓展人員及時幫助商家發現並解決相關問題。

第三,打造有「情感識別能力」的智能客服。經過細粒度的情感分析模型,美團正在打造可以識別開心、表揚、不滿、憤怒等情緒的智能客服機器人,始終堅持「以客戶爲中心」的理念,及時發現用戶反饋問題時的情緒,幫助用戶快速解決問題。

整體而言,細粒度情感分析技術對學術界與工業界有深入的影響,這次競賽中,美團提供的面向餐飲領域在線評論的細粒度情感分析數據集將面向全社會開放,但願吸引更多優秀的AI人才參與到相關模型的研發之中,共同促進NLP技術的升級,用AI優化人們的生活體驗。

無人駕駛視覺感知

自動駕駛技術將隨時改變咱們的出行和生活方式。爲了探索無人駕駛的前沿感知算法,本次全球AI挑戰賽設置了自動駕駛主賽道。該賽道由伯克利自動駕駛產業聯盟(BDD)及剛剛推出無人駕駛開放平臺的美團負責,不管在數據集的規模和質量,仍是賽題的設置,都極具挑戰性。

在數據集方面,本賽道採用了UC Berkeley 2018年最新發布的BDD數據集。BDD數據集是全世界最龐大、最複雜,能夠推進自動駕駛發展的數據集。這套數據集包含原始圖片1.2億張,標註圖片10萬張,涵蓋了美國四個區域多樣的天氣條件,以及白天黑夜的不一樣光照狀況。BDD中包含了道路目標檢測、道路目標分割、可行駛區域、車道線等多種標註。本次比賽使用了道路目標檢測和可行駛區域兩方面的標註。道路目標檢測包括行人、交通燈、交通標誌,以及多種車輛。可行駛區域包括優先通行區域以及非優先通行區域。這種複雜的數據分佈也使得本次比賽更具備挑戰性。

無人駕駛算法部分按模塊能夠分爲感知、定位、決策控制,本次挑戰任務主要集中在感知模塊,包含了檢測和分割兩個方向。檢測是在一幅圖片中框選出目標物體的位置,並給出目標物體的類別。檢測主要應用於無人駕駛中的障礙物檢測,使得無人車能夠在行駛中進行主動的避障。分割是對一副圖片中的每一個像素進行分類,主要應用於一些區域的檢測,以及識別出一些物體的完整輪廓。

本次挑戰美團創造性的將兩方面任務結合到了一塊兒,但願選手能在經過多任務學習來同時解決兩個問題,而且保證模型的輕量和快速。多任務學習是遷移學習的一種,也是目前比較前沿的領域。本次比賽是業界很是少有的涉及到遷移學習的比賽,而且本次比賽將模型運行時間列入考量也是很是新穎的地方。

值得一提的是,檢測和分割這兩個自動駕駛的任務在美團目前的業務中也均有落地應用。當前自動駕駛技術雖尚不成熟,但相對於開放道路上實現載人的自動駕駛,在低速的限定環境內的配送場景內,實現自動駕駛已經指日可待。

無人配送是人工智能的典型落地場景,完成無人配送須要自動駕駛技術、機器人技術、視覺分析,天然語言理解,機器學習、運籌優化等一系列創新技術的高度集成。國內的配送需求量巨大,場景複雜具備中國特點,爲人工智能發展應用落地提供業務支撐,須要國內徹底的自主創新而非「拿來創新」,無人配送的成功應用將標誌着包括自動駕駛,機器人控制,機器學習等一些列的創新技術實現了重大突破,在應用場景的倒逼下,中國無人配送技術及應用領域將有機會成爲世界的前沿。

美團致力用先進的無人駕駛技術,對配送側進行改革,增長運力的供給。美團無人配送車主要運用自主研發的路徑規劃和避障算法,經過攝像頭和激光雷達等元器件判斷障礙物,實時計算行進路線,進而使得產品技術完整度高,既能夠按照既定路線自動導航行駛,並且也具有路徑規劃、智能避障、車道保持、智能跟隨等功能。

美團目前已正式加入加州大學伯克利DeepDrive深度學習自動駕駛產業聯盟,同時與清華大學簽定了框架合做。美團還將持續與高校實驗室通力合做,既有自主研發,同時借鑑引進其餘先進經驗,在無人配送場景、數據等方面加快自動駕駛的技術創新、理論創新、以及落地應用的進程。

美團是首次參與主辦AI Challenger全球挑戰賽,兩個主賽道的數據集和命題分別由NLP中心王仲遠團隊和無人配送部夏華夏團隊負責。在籌備大賽期間兩個團隊都付出了巨大努力。好比細粒度用戶評價數據集,由350位數據標註人員共投入了近6萬小時。無人配送部在比賽命題方面,設計了一種業界獨創的評測體系,同時考察模型準確性與運行時間。 在此,特別感謝NLP中心和無人配送部對這次大賽的鼎力支持。

招聘信息

美團點評NLP團隊招聘各種算法人才,Base北京上海都可。NLP中心使命是打造世界一流的天然語言處理核心技術和服務能力,依託NLP(天然語言處理)、Deep Learning(深度學習)、Knowledge Graph(知識圖譜)等技術,處理美團點評海量文本數據,打通餐飲、旅行、休閒娛樂等各個場景數據,構建美團點評知識圖譜,搭建通用NLP Service,爲美團點評各項業務提供智能的文本語義理解服務。咱們的團隊既注重AI技術的落地,也開展中長期的NLP及知識圖譜基礎研究。目前項目及業務包括美團點評知識圖譜、智能客服、語音語義搜索、文章評論語義理解、美團點評智能助理等。真正助力於「讓你們吃得更好,生活更好」企業使命的實現,優化用戶的生活體驗,改善和提高消費者的生活品質。歡迎各位朋友推薦或自薦至 hr.ai@meituan.com。

算法崗NLP算法工程師/專家/研究員 、知識圖譜算法工程師/專家/研究員

工程崗C++/Java研發專家/工程師 、AI平臺研發工程師/專家

產品崗AI產品經理/專家(NLP、數據方向)

發現文章有錯誤、對內容有疑問,均可以關注美團技術團隊微信公衆號(meituantech),在後臺給咱們留言。咱們每週會挑選出一位熱心小夥伴,送上一份精美的小禮品。快來掃碼關注咱們吧!

相關文章
相關標籤/搜索