雷鋒網(wǎng) AI 科技按，NIPS 2017 正在美國如火如荼召開，作為機器學(xué)習(xí)領(lǐng)域的頂級會議，今年的注冊參會者超過 8000 人。

現(xiàn)場 Keynote、Oral 和 Sportlight 等優(yōu)秀論文的宣講一場接一場，雷鋒網(wǎng) AI 科技評論記者也在時刻關(guān)注。除了論文之外，今年有一個議程尤為矚目，美國時間 12 月 8 日，大會現(xiàn)場將會有一個圍繞 NIPS 2017 Competition Track（NIPS 2017 大賽）的 workshop。NIPS 2017 Competition Track 是今年新增的一項議程，主辦方從 23 個比賽提案中選擇了五個不同類型的數(shù)據(jù)驅(qū)動類比賽，覆蓋領(lǐng)域廣泛。

這場 workshop 將從早上八點持續(xù)到晚上七點半，比賽主辦方和優(yōu)勝選手會分別上臺宣講，其中有大家耳熟能詳?shù)?Ian Goodfellow、Yoshua Bengio 等人（作為比賽主辦方）。

下面雷鋒網(wǎng) AI 科技評論將為大家?guī)黻P(guān)于這五個比賽的詳細信息。

The Conversational Intelligence Challenge（智力對話比賽）

該比賽為莫斯科物理技術(shù)學(xué)院（MIPT）、麥吉爾大學(xué)（McGill University）、蒙特利爾大學(xué)（University of Montreal）等機構(gòu)的多位學(xué)者共同主辦，主辦方為選手提供的獎金為 1 萬美元，F(xiàn)acebook 是比賽的白金贊助商。

據(jù)主辦方介紹，「人機交流對話系統(tǒng)（聊天機器人、個人助理和語音控制界面等）在我們的日常生活中越來越普遍，這場比賽的初衷是想創(chuàng)造一個可以與人類進行智能對話的聊天機器人，他們希望能為開發(fā)下一代智能會話系統(tǒng)貢獻出開放的數(shù)據(jù)集。」

比賽分為四個階段——Qualification round（認證階段）、Human Evaluation Round（評估階段）、Tuning Round（調(diào)整階段）、NIPS Round（NIPS 階段）。在 Human Evaluation Round，每隊選手至少需要評估 150 條對話，而在 Tuning Round，大家需要對自己的方案進行調(diào)整，訓(xùn)練模型。NIPS Round 中，則會對提交的會話系統(tǒng)進行評估。

從目前公開的排行榜上可以看到，中國選手中，來自香港理工大學(xué)和復(fù)旦大學(xué)的 PolyU 團隊在NIPS Round 中取得第五名。

Personalized Medicine: Redefining Cancer Treatment（個性化醫(yī)療：重新定義癌癥治療）

此次比賽的參賽隊伍共有 1386 支，第一名的獎金是 10000 美元，第二名是 3000 美元，第三名是 2000 美元。

該項比賽由 Sloan-Kettering 癌癥中心 (MSKCC) 發(fā)起，在Kaggle上舉辦，目前關(guān)于比賽的討論也有很多，大家要是對這項比賽有興趣，可以點擊 https://www.kaggle.com/c/msk-redefining-cancer-treatment 查看詳情。目前中國選手也取得了不錯的成績，可以看到 kaggle 賬戶為 Li-Der 的中國選手取得了 Public Leaderboard 第一名，kaggle 賬戶為 Yang 的中國選手取得了 Private Leaderboard 第三名。

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(fù)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。

Adversarial Attacks and Defences（對抗攻擊防御比賽）

比賽的全名為 Non-targeted Adversarial Attack，簡介是「Imperceptibly transform images in ways that fool classification models」，也就是說，需要以欺騙分類模型的方式將圖片巧妙地移花接木。該比賽為谷歌大腦團隊（Ian Goodfellow 等人）牽頭主辦，具體而言，分為三個競賽項目：

• Non-targeted Adversarial Attack，競賽者所提交的系統(tǒng)需要對給定的圖片進行處理，使得某個通用機器學(xué)習(xí)分類器無法識別。

• Targeted Adversarial Attack，競賽者所提交的系統(tǒng)需要對給定的圖片進行處理，讓某個通用機器學(xué)習(xí)分類器能成功識別圖像屬于特定類別。

• Defense Against Adversarial Attack，競賽者需要構(gòu)建一個機器學(xué)習(xí)分類器，擁有足夠的魯棒性使之能正確鑒別對抗性的圖像。

本次比賽共有 91 支隊伍參賽，排行榜顯示，來自清華大學(xué)的 TSAIL 團隊（Yinpeng Dong, Tianyu Pang, Fangzhou Liao）占領(lǐng) Leaderboard 榜首。

目前大多數(shù)現(xiàn)有的機器學(xué)習(xí)系統(tǒng)的魯棒性很差，容易受對抗樣本的影響，樣本經(jīng)過輕微修改后，可能就會讓機器學(xué)習(xí)發(fā)生錯誤，這一比賽主要是為了加快研究機器學(xué)習(xí)分類器的對抗樣本，提升其魯棒性。

相關(guān)文章：

Ian Goodfellow牽頭舉辦NIPS機器學(xué)習(xí)對抗賽，提升系統(tǒng)魯棒性

Learning to Run（學(xué)習(xí)跑步比賽）

本次比賽共有 595 支隊伍報名，中國選手在其中表現(xiàn)不俗，來自中國科學(xué)技術(shù)大學(xué) USTC-IMCL 團隊在 Round 1 中排名第一，來自清華大學(xué)的黃哲威在 Round1 和 Round2 中均排名第二，比賽的前幾名幾乎全被中國選手包攬。值得一提的是，冠軍選手可以獲得 NVIDIA DGX Station，亞軍和季軍的獎品則是 NVIDIA Titan Xp。

該項賽事由斯坦福神經(jīng)肌肉生物力學(xué)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(xué)的人體模型能夠盡可能快地在復(fù)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。

根據(jù)比賽要求，參賽者需要建立一個采用當前狀態(tài)觀察（41維向量）為輸入的函數(shù)f，并以最大化獎勵的方式輸出肌肉的激勵行為（18維向量）。其中，總回報是最后一次迭代后X軸上的骨盤位置（即跑動的距離）減去過度使用韌帶力量帶來的懲罰（韌帶的作用是防止關(guān)節(jié)過度彎曲，如果跑動幅度過大會導(dǎo)致韌帶受到傷害，而這是在比賽中需要避免的）。

相關(guān)文章：

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 | NIPS 2017

Human-Computer Question Answering（人機問答系統(tǒng)比賽）

眾所周知，智能問答系統(tǒng)涉及的領(lǐng)域很廣，比如說知識的抽取和表示，用戶問句的語義理解和通過知識推理得到答案。這些領(lǐng)域都需要進行深入研究，才能得到更好的智能問答系統(tǒng)。今年，參賽選手需要提交類似 IBM Watson 一樣的智力問答系統(tǒng)，這個問答系統(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。

機器學(xué)習(xí)在語音、圖像等領(lǐng)域都取得了不錯的成績，但對自然語言的處理仍是一個難點，這次的比賽也將極具挑戰(zhàn)性。

該項賽事由馬里蘭大學(xué)（University of Maryland）、斯坦福大學(xué)（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。在明天的 workshop 上，美國時間下午 6 點，勝出的系統(tǒng)還會與人類頂尖智力問答選手過招，這也將會非常精彩。

關(guān)于 NIPS 2017 Competition Track 的介紹就此結(jié)束，雷鋒網(wǎng) AI 科技評論也會持續(xù)關(guān)注，為大家?guī)碜钚孪ⅰ?/p>

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。