学术联赛 | 运用知识图谱技术,赋能多领域应用 ——“未来杯”AI学术联赛总决赛暨颁奖典礼圆满落幕...

本文转载自公众号:AI学习社。


由北京大学软件工程国家工程研究中心主办,华为终端有限公司及中软国际教育科技集团全程战略支持,STEER TECH科技平台、北京乐智元素科技有限公司、艾肯文化传媒(北京)有限公司、AI TIME承办,华为NAIE网络人工智能平台作为技术支持战略合作伙伴的2021“未来杯高校AI挑战赛”之“AI学术联赛”赛道自2021年6月正式启动以来,历时5个月,经过64强小组赛、32强淘汰赛的激烈角逐和层层选拔,于11月13日迎来了本赛道最终16强入围队伍的总决赛比拼环节。

本场总决赛的评委团由AI学术联赛评委会主席清华大学教授李涓子老师带队,浙江大学教授陈华钧老师、北京大学软件工程国家研究中心副主任孙基男老师、复旦大学教授黄萱菁老师、中科院软件所教授韩先培老师、东南大学教授漆桂林老师、清华大学副教授许斌老师、中软国际教育科技集团卓越研究院副院长阎赫老师、华为NAIE算法专家胡大海老师共同参与。

本届AI学术联赛的赛题,组委会选择了知识图谱领域的技术应用作为竞赛方向,并设置了开放性的命题,不限应用场景,允许参赛团队利用自有或开源技术自行选择。知识图谱将人与知识智能连接起来,在金融、医疗、教育、电商、医疗等场景中都发挥着巨大的作用,通过对各类应用进行智能化升级,能够让用户在最短的时间内获取到精确的信息,从而快速了解某项专业领域内的知识,为用户带来更智能的应用体验。就本次参赛选手的作品呈现来看,从美食到医疗、从教育到生物、从媒体出版到网络安全,无一不展示出知识图谱这一技术已经在社会各行各业中广泛应用、百花齐放的上升发展态势。

从人工智能技术发展的角度来说,知识图谱即是人工智能的重要基石,也是人工智能发展的核心驱动力之一。近些年蓬勃发展的人工智能本质上是一次知识革命,其核心在于通过数据观察与感知世界,实现分类预测、自动化等智能化服务。就人工智能划分出来的认知层与感知层两个层面而言,人类在语音识别、图像识别等感知领域已经取得重要突破,但在需要思考能力的认知层面还需要重大的创新。

作为本届AI学术联赛评委会主席,来自清华大学的李涓子教授在参与了决赛队伍的评审工作之后,对参赛选手及线上收看总决赛直播的知识图谱爱好者们提了几点建议。她讲到,“未来杯”AI学术联赛的办赛目标是希望能够通过竞赛的形式,鼓励相关领域的研究人员建立一套从科研到具体应用的知识图谱技术的全链条,从而把最先进的知识图谱技术和最实际的应用需求结合起来。从本次参赛选手的作品上看,大家研究的大部分都是和我们日常生活领域相关的工作,涉及的技术既涵盖了全周期的知识图谱建设,也包含了机器学习、跨模态、多模态的应用等大家关心的技术点,这是一个非常好的现象,体现出了知识图谱技术的广泛应用性和技术创新性。在今后的学习与研究工作中,希望大家可以更有针对性地突出新方法在某个领域中的落地体现,或者和现代最先进的技术进行比较,并与现有产品和应用场景相结合,通过比赛这种形式,不断涌现出在某个技术领域的新方法与新应用。

此外,她还提到,知识图谱技术应用和构建是一个不断完善的过程,选手们应该以开放的姿态让更多人加入进来,这样才能产生出更有价值的关键技术和更多领域的应用场景,从而更好地体现构建知识图谱的价值,助推知识图谱技术实现持续性的发展。

来自浙江大学的陈华钧教授,作为评审团成员之一,也对总决赛答辩选手进行了总结与展望,他表示,经过一天的评审,他能够感受到各参赛队伍所付出的努力,每个作品都有自己的创新点,并且还有一些作品能够与整个AI领域的技术做了深入融合,解决具体的应用问题,由此可见,很多选手在新技术的敏感度方面表现得很不错。同时,在应用维度领域,他也看到选手们所研究的技术应用,已经从传统的公用领域向特定垂直领域发展,使得知识图谱的技术门槛降低,能够有针对性地解决小规模、有特色的垂直领域所面临的问题,拓展了知识图谱技术在更多垂直领域的应用前景。

为了给参赛选手更多与学术界、产业界的知识图谱领域的专家老师学习和交流的机会,“未来杯”组委会在本场比赛正式颁奖前,还安排了专场技术研讨沙龙,让选手们可以通过与业内专家近距离的交流,在不断打磨和优化自己的作品的同时,解决科研过程中的困惑,激发出更多的技术创新灵感。

在专场技术研讨沙龙环节,中软国际教育科技集团竞赛与开源事业部总经理、未来杯大赛负责人,张喆先生提到,本届“未来杯”的全程战略合作伙伴之一,中软国际教育科技集团具有自身的教育背景,举办这次比赛,也是希望能够通过竞赛这种形式,促进技术与产业的深度融合,激发出更多的产业应用。

本届“未来杯”学术合作伙伴,AI TIME的负责人何芸女士也表示,在最初比赛选题环节,经过与组委会专家的研讨,希望通过知识图谱这个赛题方向,让更多学生展示一下自身的学术研究成果,同时与产业界相结合,产出更多有价值的应用。

与会选手在交流期间,向现场专家提出了自己在研究过程中的疑问,并获得了评审团老师的专业讲解与反馈。作为本届“未来杯”全程战略合作伙伴,来自华为公司的NAIE算法专家胡大海老师向会场的老师及同学们简单介绍了一下华为公司及其HarmonyOS技术以及NAIE技术平台的一些发展及应用情况。

华为是全球领先的ICT基础设施和智能终端提供商,致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。

HarmonyOS是新一代智能终端操作系统,为不同设备的智能化、互联与协同提供统一的语言。万物互联时代,没有人会是一座孤岛,华为希望与更多合作伙伴、开发者共同繁荣鸿蒙生态,为全球消费者提供更好的体验、更好的产品、更好的服务。

在专场技术研讨沙龙环节结束后,本次“未来杯”AI学术联赛总决赛的评审团成员,结合各总决赛入围队伍的现场答辩表现,从创新性、完整性、应用前景表现力四个维度进行了综合评审和打分,最终本届“未来杯”AI学术联赛全部获奖选手的奖项及排名公布如下:

dbd8d8ef60ea08c8e02aa005abb5bf51.png

冠亚季军及一等奖获奖团队

(按总决赛最终成绩排名)

此外,根据本次“未来杯”AI学术联赛的奖项设置,入围64强小组赛及入围32强淘汰赛,并参与现场答辩的队伍还将获得本赛道的三等奖及二等奖获奖证书,具体获奖名单公示如下:

6f1e35e0d480624613307094949f09b9.png

二等奖获奖团队

(排名不分先后)

442136feb19bb3a39feca26188bb3a67.png

三等奖获奖团队

(排名不分先后)

在恭喜各赛道获奖队伍及选手的同时,大赛组委会也由衷地感谢各位评委老师和合作伙伴对2021“未来杯”的大力支持,至此,本届“未来杯”AI学术联赛圆满落下帷幕。让我们共同关注即将在12月进行的“未来杯”HarmonyOS技术应用创新赛的总决赛进程,期待更多的优秀选手及作品的涌现!

关注“未来杯”官方公众号【AI学习社】,获取最新赛事资讯!    


OpenKG

OpenKG(中文开放知识图谱)旨在推动以中文为核心的知识图谱数据的开放、互联及众包,并促进知识图谱算法、工具及平台的开源开放。

92f0e7457a00407d0aa53bad345ea21e.png

点击阅读原文,进入 OpenKG 网站。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/477980.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode 1013. 将数组分成和相等的三个部分

1. 题目 给定一个整数数组 A&#xff0c;只有我们可以将其划分为三个和相等的非空部分时才返回 true&#xff0c;否则返回 false。 形式上&#xff0c;如果我们可以找出索引 i1 < j 且满足 (A[0] A[1] … A[i] A[i1] A[i2] … A[j-1] A[j] A[j-1] … A[A.lengt…

谷歌 | 多任务学习,如何挑选有效的辅助任务?只需一个公式!

文 | 小伟编 | 小轶前言说到多任务学习&#xff0c;大家都不陌生&#xff0c;不管是在学术界还是工业界都已经有了很多成熟的探索与应用。在理想的多任务学习中&#xff0c;各个任务对彼此应当是有益的&#xff0c;所有任务相互促进&#xff0c;从而达到超过单任务学习的效果。…

LeetCode 888. 公平的糖果交换(哈希set)

文章目录1. 题目2. 解题2.1 暴力查找2.2 哈希set1. 题目 爱丽丝和鲍勃有不同大小的糖果棒&#xff1a;A[i] 是爱丽丝拥有的第 i 块糖的大小&#xff0c;B[j] 是鲍勃拥有的第 j 块糖的大小。 因为他们是朋友&#xff0c;所以他们想交换一个糖果棒&#xff0c;这样交换后&#…

OpenKG开源系列 | 面向知识的推理问答编程语言KoPL(清华大学)

OpenKG地址&#xff1a;http://openkg.cn/tool/koplGitHub地址&#xff1a;https://github.com/THU-KEG/KoPL网站地址&#xff1a;https://kopl.xlore.cn开放许可协议&#xff1a;MIT License贡献者&#xff1a;清华大学&#xff08;曹书林、史佳欣、姚子俊、吕鑫、聂麟骁、逄凡…

前端组件化开发实践

前言 一位计算机前辈曾说过&#xff1a; Controlling complexity is the essence of computer programming.随着前端开发复杂度的日益提升&#xff0c;组件化开发应运而生&#xff0c;并随着 FIS、React 等优秀框架的出现遍地开花。这一过程同样发生在美团&#xff0c;面临业务…

LeetCode 937. 重新排列日志文件(自定义排序)

1. 题目 你有一个日志数组 logs。每条日志都是以空格分隔的字串。 对于每条日志&#xff0c;其第一个字为字母数字标识符。然后&#xff0c;要么&#xff1a; 标识符后面的每个字将仅由小写字母组成&#xff0c;或&#xff1b;标识符后面的每个字将仅由数字组成。 我们将这…

预训练时代微调新范式,高性能加速2800%,NLPer赶紧看过来!

一、导读PaddleNLP 是兼具科研学习和产业实践能力的 Python NLP 工具包&#xff0c;提供中文领域丰富的预训练模型和部署工具&#xff0c;被高校、企业开发者广泛应用。近日&#xff0c;PaddleNLP v2.1正式发布&#xff0c;为开发者带来三项重要更新&#xff1a;开箱即用的工业…

论文浅尝 | GaussianPath: 用于知识图谱推理的贝叶斯多跳推理框架

笔记整理&#xff1a;谭亦鸣&#xff0c;东南大学博士生来源&#xff1a;AAAI’21链接&#xff1a;https://ojs.aaai.org/index.php/AAAI/article/view/16565多跳推理由于对下游任务例如问答和图谱补全的可解释性受到关注。多跳推理是一个典型的顺序决策过程&#xff0c;可表述…

AllenAI 发布万能问答系统 MACAW!各类题型样样精通,性能大幅超越 GPT-3!

文 | python前言GPT-3 等超大规模预训练语言模型&#xff0c;在少监督任务&#xff08;few-shot tasks&#xff09;上取得了令人瞩目的成绩。而这篇文章中&#xff0c;AllenAI的研究员提出了大规模生成式问答模型&#xff0c;MACAW。基于多角度预训练&#xff0c;MACAW可以用于…

论文浅尝 | SMBOP: Semi-autoregressive Bottom-up Semantic Parsing

笔记整理&#xff1a;陈永锐&#xff0c;东南大学博士来源&#xff1a;NAACL 2021概述近年来语义解析的事实上的标准解码方法是使用自顶向下的深度优先遍历对目标程序的抽象语法树进行自回归解码。该工作提出了一种替代方法&#xff1a;半自回归自底向上解析器&#xff08;SMBO…

美团酒店Node全栈开发实践

前后端分离的背景 “前后端分离”显然已不是什么新鲜的话题&#xff0c;Zakas在2013年10月份就曾发表过一篇博客《Node.js and the new web front-end》讨论Node背景下新时代的前端。毫无疑问&#xff0c;Node的出现给JavaScript语言带来了新的生机&#xff0c;也使得前端开发者…

统计学习方法总结

统计学习方法总结 阅读目录(Content)0. 相关知识点0x1: 监督学习1. 模型假设空间2. 生成模型与判别模型的联系与区别 3. 学习策略4. 分类问题与回归问题5. 利用模型进行预测和分析0x2&#xff1a;模型评估与模型选择1. 训练误差与测试误差2. 过拟合与模型选择0x3&#xff1a;正…

LeetCode 997. 找到小镇的法官(图的出度和入度)

1. 题目 在一个小镇里&#xff0c;按从 1 到 N 标记了 N 个人。传言称&#xff0c;这些人中有一个是小镇上的秘密法官。 如果小镇的法官真的存在&#xff0c;那么&#xff1a; 小镇的法官不相信任何人。每个人&#xff08;除了小镇法官外&#xff09;都信任小镇的法官。只有…

哈工大|NLP数据增强方法?我有15种

文 | rumor源 | 李rumor卷友们好&#xff0c;我是rumor。十一假期过的太快了&#xff0c;不知道你们缓过来没有&#xff0c;没有的话今天我们就来一起读一篇综述缓缓&#xff0c;弥补假期没学习的遗憾。这篇40多页的综述出自哈工大车万翔老师的团队&#xff0c;一共总结了15种N…

论文浅尝 | Wordly Wise(WoW) - 用于语音视觉知识问答的跨语言知识融合模型

笔记整理: 谭亦鸣&#xff0c;东南大学博士生来源&#xff1a;NAACL’21链接&#xff1a;https://aclanthology.org/2021.naacl-main.153.pdf论文提出了一种新的知识图谱问答数据集命名为FVSQA&#xff0c;这是一种语音视觉知识问答类型的任务&#xff0c;即问题形式为音频&…

美团Android DEX自动拆包及动态加载简介

概述 作为一个android开发者&#xff0c;在开发应用时&#xff0c;随着业务规模发展到一定程度&#xff0c;不断地加入新功能、添加新的类库&#xff0c;代码在急剧的膨胀&#xff0c;相应的apk包的大小也急剧增加&#xff0c; 那么终有一天&#xff0c;你会不幸遇到这个错误&a…

LeetCode 83. 删除排序链表中的重复元素(链表)

1. 题目 给定一个排序链表&#xff0c;删除所有重复的元素&#xff0c;使得每个元素只出现一次。 示例 1: 输入: 1->1->2 输出: 1->2示例 2: 输入: 1->1->2->3->3 输出: 1->2->3来源&#xff1a;力扣&#xff08;LeetCode&#xff09; 链接&#…

用多模态信息做 prompt,解锁 GPT 新玩法

文 | 子龙编 | 小轶自多模态大火以来&#xff0c;井喷式地出现了许多工作&#xff0c;通过改造预训练语言模型&#xff0c;用图像信息来增强语义信息&#xff0c;但主要集中在几个 NLU 任务上&#xff0c;在 NLG 上的研究比较少。今天要介绍的这篇 paper Multimodal Conditiona…

论文浅尝 | 基于时序知识图谱的问答

笔记整理&#xff1a;姚云志&#xff0c;浙江大学在读博士&#xff0c;研究方向为自然语言处理。链接&#xff1a;https://arxiv.org/pdf/2106.01515.pdf时序知识图谱是一种多关系的知识图谱&#xff0c;相较于常规的知识图谱&#xff0c;时序知识图谱中的关系中会与时间段相关…

Logistic Regression 模型简介

逻辑回归&#xff08;Logistic Regression&#xff09;是机器学习中的一种分类模型&#xff0c;由于算法的简单和高效&#xff0c;在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇&#xff0c;主要关注逻辑回归算法的数学模型和参数求解方法&#xff0c;最后也…