Bygga en AI-modell som kan lösa matematiska problem, designa bilder och komponera musik

[annons_1]

bror 2 att organisera.jpg — Arrangörerna är experter och seniora medarbetare på Zalo.

Den 6 november 2023 tillkännagav Zalo AI Challenge 2023 officiellt tre ämnen som motsvarar tre olika områden inom AI. Mer specifikt, inom området Natural Language Processing (NLP), med ämnet Elementary Math Solving, ska teamen bygga en AI-modell för att lösa elementära matematiska problem enligt vietnamesiska utbildningsstandarder .

I bildsektionen, med ämnet Generering av reklambanners, kommer AI automatiskt att designa reklambanners baserat på den givna beskrivande informationen.

Med problemet med bakgrundsmusikgenerering – inom ljudområdet behöver AI-modellen ”generera” bakgrundsmusik baserat på krav på melodi, instrument, musikgenre etc. Alla inmatningskrav för de tre ovanstående problemen uttrycks i textform.

Alla tre problem i årets tävling är en del av trenden Generativ AI, en teknikvåg som uppmärksammas världen över. Med Generativ AI hoppas forskare att artificiell intelligens kan gå mot självproducerande innehåll, precis som människor gör.

Detta är en banbrytande utveckling av AI som markerar övergången från traditionella AI-modeller för dataanalys och klassificering till innehållsgenererande AI för att effektivt stödja mänskligt liv i framtiden.

Generativ AI är en ganska ny AI-trend inte bara i Vietnam utan även runt om i världen , så årets ämne anses vara mer utmanande än tidigare gånger.

Enligt Dr. Chau Thanh Duc, chef för forskning och utveckling på Zalo AI, kommer varje år även tävlande som omedelbart kan börja bygga sina egna lösningar sannolikt att uppnå höga resultat. I år behöver lagen investera i både forsknings- och träningsutrustning.

”Tävlingsteam bör kartlägga och undersöka lämpliga modeller och sedan bygga lösningar. Generativ AI kräver också vissa krav för träningsmaskiner, så de behöver bestämma sin egen riktning, lämplig för deras nuvarande förhållanden”, förklarade Dr. Chau Thanh Duc vidare.

Dessutom har varje problem i sig sina egna utmaningar för de tävlande lagen. I problemet med att lösa grundläggande matematikproblem måste AI-modeller inte bara förstå och besvara, utan också ha förmågan att resonera och lösa problem.

I problemet med generering av reklambanners konkurrerar AI-modeller med varandra om bildskapande – ett ganska svårt krav när kreativitet inte har några gränser och utvärdering inte är lätt ens för människor.

På liknande sätt, i ämnet Bakgrundsmusikgenerering, är ljud i allmänhet och musik i synnerhet saker som människor bara kan känna, men inte kan se eller röra vid. Därför kommer hur man optimerar modellen att vara ett "hjärnvägande" problem för de team som väljer detta ämne.

Genom att välja Generativ AI som huvudämne för årets tävling, genom ett pris på upp till 15 000 USD och en högkvalitativ utbildningsdatauppsättning, hoppas Zalo AI att studenter och små forskargrupper kan få tillgång till nödvändiga resurser och få mer motivation att utveckla generativa AI-modeller.

Genom att främja denna trend inom AI-gemenskapen, inte bara begränsat till stora företag med stor potential, får Vietnam fler möjligheter att komma ikapp med världens våg av generativ AI-teknik.

Tävlingens arrangörer förklarade detta genom att säga att ju fler individer och organisationer som deltar i AI-forskning och utveckling, desto större anledning finns det att förvänta sig mer kompletta AI-modeller i framtiden.

”Att vinna en tävling är inte lika viktigt som att övervinna sig själv för att fortsätta på AI:s resa – som i sig är full av svårigheter och utmaningar. Med Zalo AI Challenge hoppas vi motivera och inspirera dem som följer denna resa. Vi tror att efterföljande forskning kommer att inspireras mer att fortsätta och göra bättre ifrån sig i framtiden”, tillade Duc.

Dessutom är samhällsengagemang och lärande lika viktigt för att främja utvecklingen av den vietnamesiska AI-industrin. Forskargrupper kan dela sina resultat för att skapa konkurrenskraftig motivation och förbättra modeller för andra grupper, samtidigt som parterna också lär sig och ärver erfarenheter från varandra.

Av den anledningen valde Zalo AI Challenge Kaggle-formatet och behöll det samma under de 6 gånger det hölls. Under tävlingen kommer de tävlande lagen kontinuerligt att uppdatera sina modellresultat på Leaderboard Ranking så att de direkt kan övervaka varandras träningsprocess i realtid.

Samtidigt, efter att tävlingen är avslutad, uppmuntrar Zalo AI alltid team att dela sina lösningar med AI-communityn inom ramen för Zalo AI Summit eller på vietnamesiska teknikforum.

foto 4 vänner stillbild.jpg — Teamen kommer att ha möjlighet att få råd från AI-experter i Vietnam och runt om i världen.

Zalo AI kommer också att bidra med träningsdata från tävlingen så att de tävlande teamen, och den bredare AI-gemenskapen, kan fortsätta sin forskning. Att förbereda datamängden är också en omfattande process med förhoppningen att hjälpa AI-personer att få tillgång till datamängder av hög kvalitet.

I år är Zalo AI:s dataset mer fokuserat på akademiska standarder, med målet att användas för vetenskaplig forskning.

Förutom högre tjänstemän på Zalo AI fick deltagarna även råd från ledande AI-experter som professor Nguyen Le Minh, chef för Interpretable AI Research Center vid Japan Advanced Institute of Science and Technology (JAIST), docent Tran Thanh Long, biträdande dekanus och forskningschef för fakulteten för datavetenskap, Warwick University (Storbritannien), och Dr. Ngo Duc Thanh - chef för fakulteten för datavetenskap, Ho Chi Minh City University of Information Technology.

Tävlingen öppnar officiellt den 6 november 2023 och sista inlämningsdag för träningsdatasetet går ut den 1 december 2023. Under denna tid kommer lagens resultat att publiceras på topplistan. Modellerna för de tävlande lagen kommer sedan att testas på ett annat dataset än det ursprungliga träningsdatasetet, och tävlingens slutresultat kommer att beräknas baserat på modellresultaten på detta dataset. De vinnande lagen kommer att dela sina lösningar på Zalo AI Summit 2023.

Kommentar (0)