雷鋒網(wǎng)消息，雖然為期三天的NIPS 2017正會已經(jīng)結(jié)束，但聚集在長灘的機器學習研究者們?nèi)匀粺崆椴粶p。從12月8日起，大會將進入為期兩天的Workshop階段，來自世界各地的機器學習愛好者們將分為53個Workshop進行各自領(lǐng)域最新研究的研討。

本次的NIPS大會新增了五個官方競賽，大會方也專門設(shè)置了一個專門的Competition Workshop環(huán)節(jié)進行相關(guān)的總結(jié)研討。整個Workshop按五個競賽分為五部分，內(nèi)容設(shè)置上大致相同，即在1小時45分鐘內(nèi)，首先由競賽主辦方講解競賽事宜、解讀本次比賽的意義和比賽中的一些趣事、宣布結(jié)果；然后由1-3支優(yōu)勝隊伍講解他們的競賽思路及做法，最后是相關(guān)的演講及討論。整個Workshop議程安排非常緊湊，從早上8：15分開始，到晚上7:30才結(jié)束，難怪組織方在最后散場時向堅持到最后的參會者致謝，并笑稱這是“NIPS史上最長的Workshop”（The Longest Workshop In NIPS ever）。讓我們來一起看看Workshop的進程吧：

（Competition Workshop議程）

早上8:15，Competition Workshop的組織者、巴塞羅那大學的Sergio Escalera教授及微軟云信息與服務實驗室（CISL）機器學習負責人Markus Weimer至開幕詞，隨后，IBM Watson公布了AI XPRIZE Milestone Award，這是由IBM Watson設(shè)置的、總獎金為5百萬美元的競賽，用于獎勵在全球范圍內(nèi)利用人工智能技術(shù)應對未來世界巨大挑戰(zhàn)的團隊。來自蒙特利爾的Aifred Health和來自米蘭的Amiko AI獲得前兩名并獲得該獎項。

（AI XPRIZE Milestone Award Top 10優(yōu)勝隊伍）

接下來進入正式的各項競賽相關(guān)內(nèi)容。首先登臺的是由“GANS之父”Ian Goodfellow與Google Brain團隊共同舉辦的Adversarial Attacks and Defences（對抗攻擊防御比賽）。關(guān)于該項比賽雷鋒網(wǎng)之前已有詳細介紹，參見：《Ian Goodfellow牽頭舉辦NIPS機器學習對抗賽，提升系統(tǒng)魯棒性》

（小插曲：在Ian Goodfellow講話的時候投影儀出了些問題）

在Ian Goodfellow的介紹結(jié)束后，加州大學伯克利分校電子工程與計算機系教授、2010年度麥克阿瑟天才獎、2009年度MIT TR35獲得者Dawn Song（宋曉東）做了題為《Adversarial Examples Are Prevalent in Deep Learning Systems》的演講。該演講內(nèi)容雷鋒網(wǎng)將在后續(xù)進行整理和分享。

（Dawn Song在演講中）

該競賽的冠軍是來自清華大學的TSAIL團隊，董胤鵬代表團隊介紹了競賽的經(jīng)驗。清華大學的龐天宇和約翰霍普金斯大學的謝慈航也作為另外兩只優(yōu)勝隊伍代表介紹了各自的方法。

（清華大學TSAIL團隊董胤鵬在演講中）

隨后進行介紹的第二個競賽是“Learning to Run”。該項賽事由斯坦福神經(jīng)肌肉生物力學實驗室（MNBL）主辦，要求參賽者開發(fā)一個控制器，使符合生理學的人體模型能夠盡可能快地在復雜的障礙物中進行奔跑。比賽提供人體肌肉骨骼模型和基于物理的模擬環(huán)境，參賽者可以在其中合成物理和生理上精確的運動，最終根據(jù)在規(guī)定的時間內(nèi)跑動的距離和韌帶拉伸懲罰來計分。斯坦福神經(jīng)肌肉生物力學實驗室的Carmichael ong、CrowdAI創(chuàng)始人Sharada Mohanty、Deepsense.ai的Henryk Michalewski等競賽相關(guān)人員進行了競賽的講解、命題和環(huán)境搭建等方面的分享。

（Wojciech Jaskowski演講中）

雷鋒網(wǎng)此前曾經(jīng)對獲得比賽第二名的北京大學信息科學技術(shù)學院大學二年級的黃哲威同學進行了采訪（參見《大二少年的煉丹入門之路：專訪NIPS 2017“Learning to Run” 比賽亞軍黃哲威》）。由于競賽方只為冠軍提供NIPS門票及旅行資助，黃哲威同學沒有來到現(xiàn)場。在現(xiàn)場，獲得第一名的Wojciech Jaskowski（來自NNAISENSE）和第三名、第六名的兩支團隊介紹了自己的競賽思路。

隨后，加州大學伯克利分校副教授、2016年度MIT TR35獲獎者Sergey Levine發(fā)表了題為《From Learning to Run to Learning to Think》的演講。本演講雷鋒網(wǎng)將在后續(xù)進行整理和分享。

（NVIDIA代表為Wojciech Jaskowski頒發(fā)證書）

Wojciech Jaskowski獲得NVIDIA 新一代超級計算機DGX Station，而第二、第三名將獲得NVIDIA在NIPS 2017上剛剛發(fā)布的Titan V顯卡。

在午飯后，首先進行介紹的是第三項競賽“The Conversational Intelligence Challenge”。雖然本競賽組織者中包括機器學習大神Yoshua Bengio，但Bengio本人并沒有出現(xiàn)在現(xiàn)場，來自俄羅斯的Mikhail Burtsev主持了本環(huán)節(jié)。

“The Conversational Intelligence Challenge”的議程安排為：競賽主席Mikhail Burtsev致辭、頒獎典禮、獲獎隊伍介紹、以及一個主題演講和一個Panel。

頒獎環(huán)節(jié)。莫斯科物理技術(shù)學院（MIPT）和波蘭弗羅茨瓦夫大學（University of Wroclaw）分獲前兩名，來自香港理工大學和復旦大學的 PolyU 團隊在NIPS Round 中取得第五名。由于第一、第二名分數(shù)（在統(tǒng)計學意義上）相差不大，競賽組織者決定這兩支隊伍將分享10000美元獎金（你們這是在和稀泥吧）。

第四項競賽為Personalized Medicine: Redefining Cancer Treatment。該項比賽由 Sloan-Kettering 癌癥中心 (MSKCC) 發(fā)起，在Kaggle上舉辦，有1386支隊伍參加了第一階段的比賽，357支隊伍參加了第二階段的比賽。在比賽中，參賽選手需要開發(fā)基于臨床證據(jù) (文本) 的基因突變分類算法，基因突變可以劃分為 9 類。即使對專家來說，解釋臨床證據(jù)也非常具有挑戰(zhàn)性，因此想要成功對臨床證據(jù)（文本）建模難度非常大。這類算法可以幫助人們解決癌癥的復雜性，并且發(fā)現(xiàn)以前未知的基因突變，這些突變往往對癌細胞的生成起到重要作用。大會組織者、世界上歷史最悠久、規(guī)模最大的私立癌癥中心MemorialSloan-Kettering Cancer Center工程與機器學習總監(jiān)Iker Huerga和首席科學家JJ Gao分別發(fā)表了演講。美中不足的是，這兩位演講者的PPT中都把自家機構(gòu)的名字打錯了...

（Center打成Cancer，晚飯扣一個雞腿）

華人選手在本次競賽中表現(xiàn)出色。其中來自康奈爾大學的團隊獲得第一名，張希同學代表隊伍進行了分享。該分享的PPT也會在隨后在網(wǎng)上放出，雷鋒網(wǎng)將持續(xù)關(guān)注。

最后一項競賽是“Human-Computer Question Answering”。該項該項賽事由馬里蘭大學（University of Maryland）、斯坦福大學（Stanford University）等多家機構(gòu)的研究人員發(fā)起，亞馬遜 AWS 提供設(shè)備資助。比賽方式與我們所熟悉的Jeopardy人機智力競賽有所不同，問答系統(tǒng)在接收問題時，每次收到一個單詞，由系統(tǒng)自主決定什么時候回答。越往后問題提示就越多，難度也隨之降低，而回答問題得到的得分也越少。

本次競賽冠軍為來自日本的一支工作室性質(zhì)的創(chuàng)業(yè)團隊Studio Ousia。該團隊參賽的問答系統(tǒng)的正確率得分不僅遠遠超出了0.55的基準線，比第二名也高出了超過20個百分點。

在現(xiàn)場，該系統(tǒng)還與來自不同領(lǐng)域的六位人類頂尖智力問答選手過招。在60道題的回答中，機器的得分遠遠超過了人類聯(lián)隊，往往是主持人一道問題剛說了幾秒鐘，機器就已經(jīng)說出了答案，以至于人類選手每答對一道題目，現(xiàn)場就會響起熱烈的掌聲。

本次“人機競賽”的相關(guān)結(jié)果雷鋒網(wǎng)將另行詳細報道。

競賽結(jié)束的時候已經(jīng)是晚上7點多鐘，但不少參會者仍然在現(xiàn)場興致勃勃地討論。這雖然是NIPS第一次舉辦競賽，但這種形式不僅能吸引更多機器學習隊伍參與，也可以以更直觀的方式展示機器學習在網(wǎng)絡(luò)安全、神經(jīng)與肌肉模擬和手術(shù)應用、基因解析、問答系統(tǒng)等領(lǐng)域的最新應用，取得了非常不錯的效果。相信在明年的NIPS上，我們也能看到更精彩的競賽。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。