日前,由微軟主辦、電氣電子工程師學會(IEEE)協(xié)辦的2016編程之美挑戰(zhàn)賽在山東大學正式拉開帷幕。本屆大賽以智能云為主題,包含編程賽與創(chuàng)意賽兩種賽制,旨在提升青年開發(fā)者在智能云平臺上的綜合實踐能力,加強跨學科交流與合作,激發(fā)學生們的創(chuàng)新思維火花。
“微軟編程之美挑戰(zhàn)賽” 是面向在校學生開展的大型編程比賽,致力于為青年開發(fā)者提供國際一流水平的開發(fā)與交流機會,幫助他們了解、運用先進的算法與編程設計解決各類實際問題。除傳統(tǒng)的編程賽外,本屆大賽特別增設了創(chuàng)意賽,以鼓勵非計算機專業(yè)的青年學生充分發(fā)揮自身在不同學科領域的創(chuàng)造性才能,用全新的方式探索、呈現(xiàn)編程之美。參加創(chuàng)意賽的選手將通過網(wǎng)絡提交參賽作品,評選出的15強選手將與編程賽決出的15強隊伍組隊參加最終的決賽。決賽將于五月底在微軟亞太研發(fā)集團舉行,優(yōu)勝隊伍除獎金外,還可獲得進入微軟創(chuàng)投加速器扶植的創(chuàng)業(yè)企業(yè)實習的綠色通道,以及赴微軟美國總部參觀學習的機會。
微軟亞洲研究院學術合作總監(jiān)潘天佑博士表示:“跨學科的整合可以更好地激發(fā)青年人才的創(chuàng)新活力和創(chuàng)造智慧,我們希望更多的青年才子在‘編程之美’的舞臺上不僅可以共同創(chuàng)造美好的代碼,還能分享、交流美好的智慧,碰撞出閃耀的火花,構建美好的世界。微軟一直十分重視青年人才的培養(yǎng)及科技的創(chuàng)新,并不斷探索多元化的創(chuàng)新人才培養(yǎng)模式,以促進中國教育創(chuàng)新、人才培養(yǎng)和科研發(fā)展。”
IEEE亞洲區(qū)高級總監(jiān)華寧表示,已經邁入第五年的 “編程之美挑戰(zhàn)賽” 為廣大青年學生提供了接觸前沿技術、發(fā)揮自身創(chuàng)造性、實現(xiàn)遠大夢想的機會。作為全球最大的專業(yè)技術協(xié)會,IEEE愿與微軟一道在這個培養(yǎng)和選拔創(chuàng)新人才的重要平臺上,為提升青年學生在未來用科技改變世界的綜合能力而繼續(xù)努力。
作為新一代信息技術和產業(yè)發(fā)展的核心,云計算正在與大數(shù)據(jù)一同驅動著傳統(tǒng)產業(yè)的變革和新型產業(yè)的蓬勃發(fā)展。而隨著在深度學習、大數(shù)據(jù)分析、人工智能、物聯(lián)網(wǎng)等領域的研究進展,微軟集全球之力打造智能云平臺,致力于提供更多樣、更完善、更智能的服務,實現(xiàn)云端的智能創(chuàng)新。微軟中國云計算與企業(yè)總經理申元慶特別支持此次大賽,他說:“本屆大賽以智能云為主題,希望將智能云技術引入學生們的編程實踐中,讓同學們在微軟智能云平臺Azure上利用大數(shù)據(jù)、微軟云技術和智能云服務,結合自身的洞察力來解決實際問題,感受編寫代碼所創(chuàng)造的智能之美。”
2016微軟編程之美挑戰(zhàn)賽的編程賽分為平臺測試、初賽、復賽。編程賽的初賽和復賽均在網(wǎng)絡比賽平臺上舉行,初賽為算法題,采用由微軟研究院開發(fā)的Code Hunt在線編程與評測系統(tǒng)。復賽則采用團隊賽的形式,在微軟智能云平臺上進行,并決出15只隊伍與創(chuàng)意賽的15強選手組隊參加決賽??鐚W科的組隊方式將充分融合不同擅長領域參賽者的智慧,加強選手們在協(xié)作、溝通等方面的軟實力,從而提升青年人才的綜合能力。
自2012年起,微軟編程之美挑戰(zhàn)賽已經成功舉辦四屆,吸引了五萬七千多名大學生參加,助推了他們的能力提升與職業(yè)發(fā)展。除“編程之美”外,基于培養(yǎng)本地創(chuàng)新型人才的理念,微軟亞洲研究院還推出了一系列面向青年的培養(yǎng)項目,如“明日之星”實習生計劃、“微軟學者”獎學金、微軟學生俱樂部、“鑄星計劃”青年學者計劃、聯(lián)合培養(yǎng)博士生項目等。青年人才不僅是“編程之美”的展現(xiàn)者,更是“科技之美”的締造者,未來,微軟必將一如既往地為青年人才構筑通向更廣闊科技世界的橋梁。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。