决赛序曲|第三届全国人工智能大赛回忆录

导语

历时半年之久，第三届全国人工智能大赛终于即将由“下半场”进入“倒计时”。在决赛来临之前，我们暂且对赛事作一番回顾。

决赛序曲  赛况回眸

全国人工智能大赛是由深圳市人民政府和鹏城实验室（PCNL）主办的人工智能领域顶尖赛事品牌，至今已成功举办过两届，累计吸引了海内外14个国家和地区的上万选手参与，引起了社会各界的广泛关注。借着我国数字经济与人工智能高速发展的东风，全国人工智能大赛这一赛事品牌继续蓄力释能——第三届全国人工智能大赛由深圳市人民政府、鹏城实验室（PCNL）主办，由深圳市科技创新委员会、新一代人工智能产业技术创新战略联盟（AITISA）联合承办，设置“AI+无线通信”“AI+视觉特征编码”两道前沿赛题，配备396万元奖金，招贤慕才、聚精汇智，积极为人工智能领域发展再添裨益。

历经三个多月的激烈角逐，第三届全国人工智能大赛共吸引了国内外4568名选手报名参赛，组建了4163支队伍，初赛复赛阶段累计提交作品14105次。最终，两大赛题分别有100支参赛队伍晋级复赛、10 支参赛队伍成功晋级决赛。

赛题再现 通俗解读

AI+无线通信：

当今5G面临着在复杂无线环境中对接收信号进行高效检测的巨大挑战。由于无线信道的随机衰落、多径、干扰、环境噪声等因素的影响，无线通信信号的检测变得非常困难。传统的信号相干检测方法对于日益复杂的无线通信场景存在信道知识获取困难和检测误码率高等诸多难题。

随着我们对无线通信的速度和带宽要求越来越高，Massive MIMO（大规模阵列天线）技术逐渐成为无线通信领域的关键技术之一。阵列中的天线数量越多，信道就越处于高维状态。因此，我们需要通过3D赋形和信道预估技术调整各天线阵列的相位和功率，通过空域、时域、频域、极化域等不同的维度提升频谱和能量的利用效率，降低对信道估计的偏差，提高系统的波束指向准确性，将信号强度集中于特定指向区域和特定用户群，在增强用户信号的同时降低小区内的自干扰和邻区干扰。

但在实际应用中，往往面临丰富且复杂的信道场景，且目前大部分AI模型只能适用于单一场景的信道信息，对多场景信道信息的适应能力较差。如何提升智能压缩反馈网络对复杂多场景信道信息的适应性是目前的痛点和难点之一，希望选手们能基于深度学习模型给出更多解决问题的想法和方案。

AI+视觉特征编码：

今年是第一次在全国人工智能大赛中设立AI+视觉特征编码赛道。视觉特征编码是机器视觉的范畴，目标在于让机器拥有人类感知视觉信号的能力，代替人类大脑，作为机器大脑来服务于整个机器系统。

机器视觉和人类视觉存在着重大差异，机器视觉在灰度分辨力、空间分辨力、色彩的分辨、速度、精度等方面，都比人类更具优势；但在智能方面，机器视觉可能存在很多误读，比如环境的变化，角度的变换等。因此，面向人类的视频与面向机器的视频也在应用场景、信息处理、编码和信息处理与使用上存在着巨大差异。面向机器的视频处理与编码技术研究正成为产业界和学术界热点标准化需求提上议事日程。结合AI深度学习特征的提取和编码，预期会成为未来5G、6G的主要流量来源。

视频编码的目标是高效地存储和传输视频文件。当我们把素材内容上传给机器看时，机器需把我们需要的部分提取出来进行传输。在提取时要考虑视觉信息编码效率和机器视觉任务性能，结合传统信号处理技术与人工智能技术，提升精度，优化效率，改善泛化性。

赛题创新 难度升级

相较往届，“AI+无线通信”赛题的每个阶段都独具创新点，通过创新驱动赛题的打磨与优化，力争将赛题打造成AI领域的经典赛题。

• 初赛：采用室外高移动性场景和室内多散射路径等复杂场景混合的真实信道数据。

• 复赛：面向大规模通信系统，信道样本数量庞大。在考察AI接收机设计能力的基础上，鼓励选手设计数据增强处理方法，提高系统性能。

• 决赛：对系统规模、信道数量、数据多样性及复杂性进行综合改进与优化。

层层递进 优中选优

初赛中，我们对赛题进行了轻度分解，拿掉难度较大的部分环节，让参与门槛更低，选手可以借用以往已有的开源方案与代码进行调优。

复赛是整个赛题内容比较完整的体现，难度比初赛更大，要求选手构建更加完整的赛题解决方案，是一个倾向于“评优”的环节。

决赛则是优中选优的“拔尖”阶段，主要考核选手在短期内解决问题的能力——赛题在决赛开始前两天左右才会公布，决赛现场对运行环境、性能调优、算力规模等也会进行一定程度的要求和规范，选手同时间段内还要兼顾报告和答辩PPT的撰写与制作工作等等，这都加大了决赛的复杂程度。

总体而言，初赛、复赛和决赛，难度是递进的，这是一个不断筛选评优的过程。

打磨凝练 努力爬坡

本届大赛首次加入了鹏城云脑II这一应用，以鹏城云脑I作为基础运算环境，与作为训练营运算环境的鹏城云脑II共同构成了大赛的双硬件环境，用人工智能技术为人工智能比赛加码。

从截至复赛的情况来看，跟去年的无线通信赛题相比，今年同赛题选手的成绩有了大幅度的提高。这说明选手的水平和作品的质量都越来越高，也说明大赛越来越能够吸引更多高精尖的技术人才。同时，这也证明赛事正在被不断打磨和凝练，正在向经典赛题的目标“爬坡”。

对“无线通信”赛题关于实际应用场景中痛难点解决的价值和意义这一问题，出题老师表示，“AI+无线通信”赛题针对大规模 MIMO 通信系统中的信道估计、信道反馈与信号检测等技术难题，引导选手利用人工智能技术的强大认知、学习和推理能力，对空、时、频域高维复杂信道数据进行深度解析，以设计出低导频开销的信道估计算法、高比特效率的信道编解码算法与低误码率的信号检测算法。部分优秀选手所提交的参赛方案具有远超传统算法的优异性能，本届大赛的结果证明了人工智能技术在无线通信信道端的性能优势，为人工智能技术在无线通信中的应用找到了最佳落地点。

“AI+视觉特征编码”赛题是由两部分组成，一部分是视觉特征编码，另一部分是编码重建后的视觉特征的性能考核。特征性能的考核沿用了上一届比赛ReID的部分考核方式和考核内容，在上一届“行人重识别”赛题考核行人ReID的基础上，本届AI+视觉特征编码赛题还增加了对车辆ReID的考核，相当于在上一届赛题的基础上做了一个综合的考察、提升和泛化，这是基于不同赛题之间的共性问题进行的一次打磨。

第三届全国人工智能大赛的决赛序曲已奏响，做好迎接终极对决的准备吧！

伙伴们，7月18日-24日，总决赛见！

—End—