冠军奖30万！刘强东搞了个“猪脸识别”比赛，中美两地同时启动（附比赛详细日程及赛题说明）

编辑 | Katerina Donna

润色 | 鸽子

11月6日，由京东金融与红杉资本联合主办的首届“JDD-2017京东金融全球数据探索者大会”在751大罐举行，同时，大会宣布首届“JDD-2017京东金融全球数据探索者大赛”也于今日开始，在中美两地同步启动。

为了这个大赛，京东金融真是不惜下了血本了。

首先是京东的当家掌柜也亲自来给大会站台。京东集团董事局主席兼首席执行官刘强东在会上特别说到：“随着公司不断做大，我们在行业内做的越来越深入，无论是从全球范围还是从整个国家来看，我们都确实需要一个庞大的生态体系，只有这样整个行业才能逐步健康和健全起来。正是基于企业壮大后，做开放的生态系统的心态，京东金融携手红杉资本举办了此次JDD大赛。”

在东哥的演讲中，请注意他提到的生态体系。换句话说，京东如今的体量，它要做的不是某项具体的业务，而是要专注于赋能，不断增强内力，修炼内功。而如今，最重要的内功是什么呢？如何更好地赋能呢？

“科技赋能”，刘强东说到，“在这个时代，AI既是一种技术，也是一种思考方式。”

结合到本次比赛，AI正是刘强东当下最重要的内功，那么很自然，选拔AI人才必须是件刻不容缓的重要事儿。

JDD大赛到底玩什么？

于是，结合京东最紧要的业务，一场关于AI人才选拔赛拉开了。这次比赛规格相对比较高，同时中美两地进行。

由于金融业务是京东未来最大的发力点，因此，此次比赛主要瞄准金融业务，涉及四大选题：

• 登陆行为识别
• 店铺销量预测
• 信贷需求评估
• 猪脸识别

大赛将选手划分为两个组别，分别是商业组和算法组。

为了更好地辅导选手，本次大赛引入了导师制。导师将为选手提供48小时贴身辅导。

其中，商业组总决赛导师分别为：

• 登陆行为识别的导师——TalkingData首席执行官 崔晓波
• 店铺销量预测的导师——红杉资本中国基金专家合伙人 车品觉
• 信贷需求评估的导师——微软亚洲研究院城市计算领域负责人、美国计算机学会杰出科学家 郑宇
• 猪脸识别的导师——国际人工智能联合理事会主席、中国香港科技大学计算机科学及工程学系主任 杨强

此外，大赛的评委包括：

• 陈生强——京东金融CEO
• 侯晓天——天灏资本首席执行官
• 胡莹——中国银联助理总裁
• 马宁——领沨资本创始合伙人
• 沈南鹏——红杉资本全球执行合伙人
• 唐杰——清华大学计算机科学与技术系副教授、系科研办公室主任
• 卫哲——嘉御基金创始合伙人兼董事长
• 周涛——电子科技大学 互联网科学中心主任
• 周炜——创世伙伴资本创始主管合伙人

不得不提的是本次大赛的奖金：上个图先

其中，商业组冠军1名，奖金30万，算法组冠军共4名，每名获得30万奖金。

30万啊，这可是国内人工智能大赛单项最高奖金纪录，除奖金外，获胜团队有望对接到相应的投资。

值得一提的是，本次JDD大赛中一道关于“猪脸识别”的赛题，真是别具一格，来看看这具体是一道怎样的别致赛题：

别具一格的赛题——猪脸识别

说到“猪脸识别”，还要从一个故事引入。话说，家住北京周边的养猪专业户老张最近遇到了一个难题，经过多年的辛苦劳动以及经营，他家的养猪场规模也是越来越大，猪的数量从原来的几头发展到现在的上百头。

看着这么多的肥猪，老张心里美滋滋。可是伴随着猪对的数量增长，让人发愁的事情也随之而来。这些猪的体型都很相近，老张想要清晰的分辨出每头猪变得越来越困难。

可是，为了了解每头猪的状态，他又必须得认清每一头猪，此猪而非彼诸。

怎么办呢？

要分辩不同的人，有人脸识别；同理，要认清不同的猪，就整个猪脸识别呗！（猪也是这么想的）

那京东为什么花大力气来做这个赛题呢？它能得到什么好处？

在JDD-2017 京东金融全球数据探索者大会上，国际人工智能联合会理事会主席、中国香港科技大学计算机科学及工程学系主任杨强对于“猪脸识别”是这么看的，“首先我们可以获取大量数据，而不用担心隐私问题，我们想猪可能不太关心隐私。此外，这涉及到一个活体识别的问题，背后确实存在一个商业场景的问题。”

也就是说，好处有三：

• 第一，隐私的问题将不存在；
• 第二，可以更好地研究活体识别；
• 第三，没准能将此经验复制到其他场景。

那么，其中的经验到底还可以应用于哪些场景呢？关于这个问题，营长目前还没有得到满意的答案。

通过猪脸识别，养猪户老张能得到什么好处呢？

杨强提到，AI能轻松地帮他鉴别出，不同的猪只在养殖过程中的各种活动，于是，老张能看到这个猪是不是活跃，是不是萎靡，如果是一只非常不爱动的猪，就可以在一定程度上对它的健康作决策，继而保险就可以做出相关预测。

再者，消费者可能喜欢不同类型的猪肉，这又是对猪的鉴别衍生出的个别化需求。

别看它就是一只猪，这其中可既有深度学习的应用，又有商业应用，既有趣，又极有未来潜力。

想来认猪吗？今天就可以报名啦。

官方消息显示，自11月6日开始，参赛团队就可以通过“JDD—2017京东金融全球数据探索者大赛”官网进行报名。

本着体贴周到服务读者的原则，营长在此将比赛有关的所有重要信息，包括所有赛题的背景及相关重要信息罗列如下，希望对你有所帮助。

比赛详细信息

比赛日程（重要的时间节点请注意）

11.06-11.20——报名。参赛选手通过「JDD—2017京东金融全球数据探索者大赛」官网进行报名 报名成功后即可进入选拔赛。

11.09-12.12——选拔赛 。根据赛题通过机器评分选出16名参赛选手入总决赛

12.15-12.17——总决赛。16名进入总决赛的选手线下封闭48小时（通过相关材料、数据的提交以及现场展示等环节，分数由评委打分综合决定，选出冠亚季军， H5投票现场截止，投票最高者获得最具网络人气奖。）

评审标准

选拔赛——通过机器评分选出TOP16

总决赛——由评委根据demo和BP打分排名，打分标准为技术（20%）、创新性（30%）、商业价值（20%）、潜在市场（20%）、现场表现（10%）

网络人气奖——由H5投票最高者获得。

关于“猪脸识别”题目的其他问题

本赛题需要参赛者设计一个算法，能够通过猪的照片来正确的辨别每一头猪的身份。训练数据训练数据包含30头猪的视频素材，每头猪对应一个文件，时长约1分钟，文件名即为猪的编号。参赛者需自行决定如何从视频中获取图像数据。

评测数据测试数据为30头猪的照片3000张，参赛者需要用算法来区分这些照片上的猪的身份，即预测每张照片属于每个类别（猪）的概率。本赛题AB榜评测数据各包含3000张照片，B榜照片的下载将在B榜开放当天挂出来。

根据参赛者提交的图片分类概率，按如下公式计算得到分数，其中N为测试图片的数量，M为分类的数量，pij 为预测图像i是第j头猪的概率，为防止出现计算异常，计算时会将p替换为max(min(p,1-10-15),10-15)，yij 为图像i的真实分类，即如果图像i是第j头猪，则y=1，否则y=0：提交要求提交的数据文件应为csv文本，英文逗号分隔，无BOM的utf8编码，不包含列名。文件中只包含三列：图片号（id），猪的类别（pig_id），分类概率，必须包含测试集中每张图片属于每个分类的概率。

关于信贷需求预测的赛题

通常来说，开展信贷业务不仅需要评估客户的风险水平，还需要对客户的借款需求进行预测，做好资金额度与需求的匹配才能提高资金利用率，降低成本并增加收益，因此预测用户的信贷需求是金条产品运营的核心问题之一。

该赛题需要通过竞赛数据中的用户基本信息、在移动端的行为数据、购物记录和历史借贷信息来建立预测模型，对未来一个月内用户的借款总金额进行预测。

其中包含了各种维度的序列数据、品类交易数据，参赛者可以采用各种类型的数据预处理算法、模型融合等技术来解决信贷需求这个关键的商业问题。

训练数据为2016-08-03到2016-11-30期间，用户在移动端的行为数据、购物记录和历史借贷信息，及11月的总借款金额。参赛者需要对每个用户（t_user表中的全部用户）在2016年12月的总借贷金额进行预测。

要求提交的数据文件应为csv文本，英文逗号分隔，无BOM的utf8编码，不包含列名。文件中只包含两列：用户id（uid），预测的总借贷金额，其中用户id必须唯一，必须包含训练集中的全部用户。

关于店铺销量预测的赛题

对店铺销量进行预测是“京小贷”业务信用评估的关键环节之一，只有准确的预估店铺未来的销量，才能合理的设定贷款额度，提高资金利用率。

该赛题需要对店铺开展贷款业务需要定期测量和跟踪经营状况，对店铺销量进行预测是其中的关键环节之一，只有这样才能准确的评估其资金需求并设定合理的贷款额度。

通过竞赛数据中店铺过往的销售记录，商品信息，商品评价，以及广告费用等信息来建立预测模型，预测店铺未来90天内的销售额。

训练数据包含2017-04-30日之前270天之内若干店铺的每日订单量、销售额、顾客数、评价数、广告费用等数据，下架时间在2017-04-30之后或者未下架的商品数据，以及这些店铺2016年6月-2017年1月每月末后90天内的销售额，同时需要对每个店铺（训练数据中涉及的全部店铺id）在2017-04-30之后90天内的总销售额进行预测。

提交的数据文件应为csv文本，英文逗号分隔，无BOM的utf8编码，不包含列名。文件中只包含两列：店铺id（shop_id），预测销量，其中店铺id必须唯一，必须包含全部店铺。

关于登录行为识别的赛题

大数据风控引擎会对用户登录后进行的每一笔交易进行评判，自动对疑似有风险的交易进行拦截操作。

登录识别的应用情景是在用户进行金融交易支付时，通过其近期的登录行为来判断本次交易的风险程度，进而及时拦截可疑的支付动作。

需要做到能够在常用的分类算法基础上，构建针对登录行为识别的、有业务可解释性的模型，对账户的登录行为进行评判。

训练数据包括2015年1月1日至6月30日的用户登录信息以及该时段内这些用户的交易风险标志，由于用户不会每次登录都发生交易，所以风险标志少于登录次数，需要自行决定如何将登录行为与交易行为进行关联。需要根据2015年7月1日至7月31日的登录行为信息，来预测这个时间段中每一笔交易的风险标志。

提交的数据文件应为csv文本，英文逗号分隔，无BOM的utf8编码，不包含列名。文件中只包含两列：主键（rowkey），是否有风险（1表示有风险，0表示无风险），其中主键必须唯一，必须包含测试集中的全部rowkey。

最后的话

最后，营长想说，京东愿意这么大力来做这个比赛，营长内心是激动的。这是一个双赢。

对选手来说，大量的一手的高质量数据将被贡献出来，选手们不再是空中楼阁般地比拼武艺，而是能融入实际场景，解决实际问题。而一旦能以突破性的方式解决问题，团队不仅能得到重磅奖金，更重要的是，有希望能直接获得投资。

对于京东来说，信贷需求预测，店铺销量预测是需要升级的核心能力，把问题抛出来，在全社会的智慧中寻找最佳答案，无疑是最省事也是最省钱的方式。 如果看中了哪个团队，也可以直接投资，省去了自建团队的各种麻烦事。

在前不久，创新工场发起的AI challenger挑战赛，搜狗拿出大量数据供选手比赛，由于比赛的数据量大，而且质量高，在选手中颇得好评。

可以想见，由企业发起，解决实际问题的比赛，在明年还会越来越多。这是一个开放的信号：数据、资源、资金、人才、技术，一个都不能少，才能真正促进企业不断在AI的豪华军备升级中，拔得头筹。