至顶网软件与服务频道消息: 11月6日,“2019数据智能创新应用大赛”拉开帷幕,正式发布赛题。本次大赛是由北京市科学技术委员会人才交流中心和北京百分点信息科技有限公司联合举办的智能对话顶尖赛事。
大赛以“创新应用 · 数据赋能”为主题,致力于为全国高校、企业、团队和个人搭建一个公平开放的数据智能创新应用竞技平台。目标是探索用数据智能来解决现实世界问题的可行性,挖掘并培养掌握新一代信息技术的数字人才,加强数字人才体系建设,构建数字产业生态,推动数字经济发展。
大赛亮点1:行业竞赛与人才培养深度融合
数据和人才是新时代数字经济发展的重要生产要素。围绕数字人才培养,联合大数据和人工智能头部企业、高等院校、科研机构,以及学堂在线、来Offer、猎聘网等数字人才学习和服务平台,组织大数据、人工智能等领域知名专家与高校名师资源,搭建国内顶尖的数据智能创新竞赛平台和数字人才培训服务平台,提升在大数据分析、数据建模、算法优化、软件编程等领域的数字技能应用和跨界交叉融合能力。
大赛亮点2:权威专家与数字精英紧密互动
大赛设置了高规格的专家评审委员会,邀请来自清华、中科大、复旦等高校学科带头人,中国科学院、中国电子科学研究院等业界专家,以及企业技术负责人担任赛事评委,对参赛选手任务结果进行评选。此次大赛通过竞赛评选、人才培养和应用实践的创新模式,可以为企业和社会发掘数字人才,加强数字人才的培养,为新一代信息技术培养数字精英,服务实体产业升级,推动数字经济快速发展。
大赛亮点3:创新应用与产业实践有机协同
为了加强数字人才培训和实践,大赛通过与北京城市大数据研究院、北京金隅智造工场等数字技术创新与服务平台合作,打造数字人才实践基地,鼓励参赛选手将富有创新性的研究成果转化为应用实践,融通“教育链-人才链-创新链-产业链”, 打造北京数字经济产业生态系统,建设北京数字经济人才高地,推动北京全国科技创新中心建设。
赛题发布 公开业内首批法律问答类数据集
智能问答在各个领域的应用正在获得越来越广泛的关注,尤其对于政务、法律等专业领域而言,智能问答系统的准确度及稳健性尤为重要。
在法律领域,AI律师助手的出现可以有效缓解目前存在的国内法律专业人才稀缺的问题。然而在现实生活中,人们语言表达方式多样,在对话中出现一些错别字或一些无意义的干扰词,就会使机器难以“听懂”一句话的真实意图。目前在智能对话研究领域内,对抗攻击研究是AI领域内的一个新兴研究方向,旨在提高智能问答系统的准确度及稳健性。所谓对抗攻击(Adversarial Attack),就是针对现实中复杂多变的对话情况,来考验模型的稳健性,能否准确地判别用户的输入是否为系统内置给定问题的语义等价问法。
为此,本次赛题定为“基于Adversarial Attack的问题等价性判别”,源自百分点在实践中的真实应用场景,并公开发布业内首批法律问答类数据集。要求参赛团体和个人通过研究智能对话的鲁棒性问题进行算法创新,创造出更多新的智能解决方案,解决法律知识问答当中存在的系统不稳健问题,提高对话系统的“思考能力”和“解决问题”的能力,实现从“听见”到“听懂”, 最终提高AI律师助手的用户体验度。
让机器从“听见”到“听懂”的距离,也许只差一个舞台。本次大赛,是汇集人工智能领域顶尖专家交流技术成果的平台,是科研才俊展现技术实力与创造力的竞技场,是心怀科技理想的青年工程师们展示卓越才华的最佳舞台。希望参赛者以更广阔的视角发挥出最大的创造力,来场硬核的“智斗”。登录官网,了解更多大赛详情:http://2019diac.percent.cn/
好文章,需要你的鼓励
VSCO今日更新VSCO Capture应用,新增视频拍摄功能。用户现可在拍摄照片和视频时应用并调整VSCO的50多种滤镜预设,包括经典胶片到现代创作风格。新版本还推出胶片颗粒滤镜,可动态控制纹理强度、大小和色彩。用户能将颗粒滤镜叠加到Film X滤镜上,结合柯达、富士和爱克发胶片风格,保存个性化胶片配方。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人Adam Mosseri表示,AI生成内容已经占据社交媒体主导地位,预计将超越非AI内容。他认为识别AI内容的技术效果不佳,建议转而为真实媒体建立指纹识别系统,由相机制造商在拍摄时进行加密签名。Mosseri还指出,创作者应优先发布"不完美"的原始图像来证明真实性,因为精美方形图片的时代已经结束。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。