5 月份的时候，百度超级计算机 Minwa 在计算机视觉挑战赛（ILSVRC）上取得了“世界***的成绩”，他们的系统在测试 ImageNet 分类数据集中的错误率仅为 4.58%，击败了谷歌、微软等竞争对手。
而在 6 月 2 日，ILSVRC 的组织者指出，百度在测试过程中作弊，测试的频率远超规定次数。ImageNet 允许参赛方每周提交两组测试结果。然而，百度在 3 月份的 5 天内提交了逾 40 次测试结果。对此，百度承认违规行为，并且已经就此事道歉。
曾在 ImageNet 测试中获胜的人工智能公司 Clarifai CEO Matthew Zeiler 表示：
“这种做法十分糟糕，这正是为什么要将测试数据独立服务器上，并限制访问次数的原因。如果你知道了测试数据，你就会修改你的模型参数，怎么优化都可以。”
目前，ImageNet 组织方已经要求百度停止在明年提交 ImageNet 测试成绩。
相关报道一、百度在人工智能基准测试中取得全球***的成绩
《华尔街日报》报道称，百度在人工智能基准（Artificial Intelligence Benchmark）测试中取得全球***的成绩。研究人员称，这与百度的秘密武器“超级计算机 Minwa”有很大的关系。
在测试中，Minwa 扫描了拥有百万张图片的数据库 ImageNet，并“学会”按照预先确定的 1000 个类别对图片进行分类。在这样的测试中，错误率越低代表识别越精确，目前，一般人的识别错误率为5%。微软的软件是 4.94%，Google 是 4.8%，而百度是 4.58%。值得一提的是，早前百度在这样的测试中，错误率为 5.98%。与今天的相比，进步比较大。
或许因为这样，在接下来的 18 个月里，百度计划建造运算速度更加快，更加高级的计算机：一个每秒能够执行7*1015 次计算的超级计算机，这足以跻身全球超级计算机排行榜前十名。
据悉，百度的 Minwa 包含 36 个服务器节点，每个节点由 2 个六核英特尔 Xeon E5-2620 处理器和 4 个 NVIDIA Tesla K40m GPU 构成。Minwa 超级电脑有 1.7TB 设备内存和 6.9TB 主内存。
相关报道二、ILSVRC 的组织者公布详情，百度道歉
北京时间 6 月 2 日下午消息，百度在近期的大规模视觉识别挑战赛(ILSVRC)中被曝存在违规行为。ILSVRC 的组织者已经公布了具体详情，而百度的相关团队已表示了道歉。
以下为邮件全文：
ILSVRC 社区成员：
这是继 2015 年 5 月 19 日公告之后的后续声明，其中包括更多细节和测试服务器的状态。
从 2014 年 11 月 28 日至 2015 年 5 月 13 日，百度一个团队使用至少 30 个帐号向测试服务器进行了至少 200 次提交，远超每周只能提交两次的限制。这其中包括在短时间内极高的用量。例如，在从 3 月 15 日至 3 月 19 日的 5 天时间里，提交次数超过了 40 次。图A显示了与百度团队相关的 ImageNet 帐号的提交次数。图B显示了这些帐号与所有其他帐号活跃程度的对比。
图A
图B
这一期间获得的成果在近期的 arXiv 论文中进行了报告。由于违反了测试服务器的使用规定，这些结果可能无法与其他团队获得并报告的结果对比。通过在测试服务器上测试多种略有不同的解决方案，有可能会出现以下情况：1) 基于测试结果，在一系列类似解决方案中选出***方案，从而获得不大，但可能很重要的优势；2) 直接基于测试数据，而不是训练和验证数据，选择进一步的研发方式。
我们于 2015 年 5 月 14 日注意到了这些违规，并于 2015 年 5 月 17 日通知了论文作者。2015 年 5 月 22 日，在进行讨论，并征求我们研究社区高级顾问的意见之后，我们通知作者：
1. 他们通过 ImageNet 测试服务器获得的结果无法与他人的结果直接对比。
2. 对百度基于这些结果新提交的任何内容，我们持怀疑态度。这包括关于 ILSVRC 挑战任务的所有提交内容，以及共享数据集的一部分。因此，我们要求他们在未来 12 个月内停止向评估服务器和挑战任务提交任何内容。
我们正在与涉及此次事件的团队进行沟通。他们请求我们向整个社区转发包括以下声明在内的消息。需要指出，为了保持中立性和独立性，我们没有也不能与任何团队合作，以表述或评估结果。
目前测试服务器已经重新上线。我们期待继续在图像识别领域取得进展。
ILSVRC 组织者
以下是来自百度该团队的消息：
ILSVRC 社区：
近期，ILSVRC 组织者联系了我们异构计算团队，并告知我们，我们超过了每周允许向 ImageNet 服务器进行提交的次数(在我们项目的生命周期中约为 200 次)。
我们对这一错误表示道歉，并将继续评估结果。我们已向研究论文《Deep Image: Scaling up Image Recognition》加入了注释，并将在了解更多情况后提供相关的更新。
我们支持 ImageNet 挑战的公平性和透明性，并将致力于科学发展的诚实性。
吴韧，百度异构计算团队
