此前，AI科技大本營曾報道過獎金池高達 300 萬元的AI Challenger 2018 比賽。與往屆不同，今年的比賽共有 5 個主賽道，5 個實驗賽道。

其中，5 個主賽道的數據集包括：觀點型問題閱讀理解數據集、細粒度用戶評論情感分析數據集、英中文本機器翻譯、多標簽短視頻分類數據集、以及自動駕駛數據集。

5 個實驗賽道的數據集包括：基于北京氣象局3年氣象數據的天氣預報競賽，世界上首個農作物病害檢測競賽和數據集，國內首個眼底病變醫學圖像檢測競賽和數據集，以 3D 虛擬圖像訓練機器“認識”真實世界物品的競賽和數據集，讓機器借助輔助知識學習從未見過的新概念的首個國際性零樣本學習競賽和數據集。

如今 AI Challenger 2018 已經進入第二階段，AI科技大本營有幸采訪到了創新工場人工智能工程院執行院長 王詠剛，中國氣象局北京城市氣象研究所副所長 陳敏，以及上海新客科技創始人 劉新農，讓我們得以對這個比賽的意義有更深的了解。

天氣預報競賽

▌意義和影響

氣象要素（如風、溫度、濕度等）的變化，深刻影響著人類生活的各個方面。因此，準確預報未來氣象要素，可廣泛服務于人們日常生活（如穿衣著裝），交通運輸（如航班起降），工業（如風能發電），和農林畜牧業（如水產養殖），致災天氣避險（如臺風預警），突發事件應急處理（如化工原料泄漏）等領域。

隨著人們生活水平的提高、生活方式的豐富，傳統天氣預報方式也正在遇到越來越大的挑戰。AI Challenger 2018 聯合中國氣象局北京城市氣象研究所，也是希望探索傳統氣象+人工智能能不能提高天氣預報的準確性。

實際上，人工智能技術在氣象界很早就開始用了。對氣象學家來講，這不是最新的方法，但是真正用到日常還非常少。為什么？

首先，AI 工程人員缺少數據集，找不到很客觀的評測標準，也缺乏基于 AI 預測天氣的成體系的論文或者學術例文，基本是上從零開始；其次，天氣預報涉及到的數據維度和數據因子，要遠多于此前比較成功的 AI 應用領域；最后是普適性的問題，在天氣預報方法領域，有太多極端的情況，任何一個方法的推出，都要經過所有的考驗，最后才能真正大規模地實際應用。

因此，這個比賽是向外探索的第一步，擔任著驗證未來可能性的使命。

▌數據集和賽程

據介紹，本次 AI Challenger 平臺上開放的北京市氣象數據集，由北京市 10 個氣象站點，共 3 年多的逐小時歷史“觀測”和“睿圖”資料組成。“觀測”集包含 9 個地面氣象要素，通過氣象儀器實時監測得到；“睿圖”集包含地面和特征氣壓層共計 29 個氣象要素，由數值預報模式在超級計算機上運算產生。兩者區別為：前者僅記錄當前氣象要素實況；后者可預測未來 36 小時內氣象要素估計值，但存在誤差。

這是北京市氣象局首次公開發布的氣象數據集，其時間跨度長且密度高，包含氣象要素的實況和預報兩部分，對提高天氣預報準確性具有重要作用。AI Challenger 的參賽選手獲得與氣象局相同的數據，雙方同時對天氣進行預測，并與隨后的真實情況作比對。

下載地址：

https://challenger.ai/dataset/wfd2018

天氣預報競賽目前已經進入到決賽階段，選手需要連續 7 天每天對天氣進行預測，并以最終的總成績決定排行榜，前五名將進入 12 月 18、19 日在北京進行的 AI Challenger 總決賽答辯與頒獎。

農作物病害檢測競賽

▌意義和影響

我國是農業大國，農業與我們的生活息息相關，而農作物病害對農業影響巨大。據中國統計年鑒，2016 年，全國農業生產總值達 5.93 萬億元，占 GDP 的 8.0%，而由農業病害等災害造成的直接損失達 0.503 萬億元，占農業生產總值的 8.48%，可見農業病害防治對于農業生產乃至國家經濟都至關重要。

目前，大部分農民依賴于經驗，而現在新生代的農民的經驗是不足，看錯病跟用錯藥的現象更為普遍了。因此通過人工智能的方法，對農作物進行準確的病害識別并推薦合適的防治措施，創造出能為植物看病的“植物醫生”，可以挽救作物的生命，保證作物的產量，并減少農藥的用量。

▌數據集和賽程

據介紹，整個農作物病害檢測競賽的數據集有標注圖片 50,000 張，包含 10 個物種（蘋果、櫻桃、葡萄、柑桔、桃、草莓、番茄、辣椒、玉米、馬鈴薯），27 種病害，合計 61 個分類（按“物種-病害-程度”分）。數據集隨機分為訓練（70%）、驗證（10%）、測試 A（10%）與測試 B（10%）四個子數據集。其中，訓練集有 32739 張圖片，驗證集有 4982 張圖片，測試集 A 有 4959 張圖片，測試集 B 有 4957 張圖片。