项目背景
2015年9月，世界各国领导人在一次具有历史意义的联合国峰会上上通过了2030年可持续发展议程，该议程涵盖17个可持续发展目标，于2016年1月1日正式生效。这些新目标适用于所有国家，因此，在接下来的15年内，各国将致力于消除一切形式的贫穷、实现平等和应对气候变化，同时确保没有一个人掉队。
当今世界，创新驱动增长已不再是高收入国家的特权。对越来越多的国家尤其是新兴经济体而言，创新正成为推动经济增长的主要因素。随着尖端技术逐渐家喻户晓，中国各领域的创新氛围日益浓厚，尤其是在Z具活力的商业领域。
然而，尽管技术创新已使众多领域受益良多，却未能有效解决社会与环境问题——这也意味着这些领域蕴含着巨大的技术创新潜力。在基础研究方面，基因工程、新材料和可再生能源给所有行业带来了巨大的驱动力； 3D打印机和人工智能等信息和通信技术的发展大幅度地提高了工作效率；大数据和机器学习等方法上的突破也前所未有地拓宽了研究视野。这些创新元素成为了驱动发展领域改革的新动能，将为政府部门、学术机构、国际组织、私营企业乃至整个社会的深入创新打下坚实的基础，并真正惠及各阶层人群。
项目介绍
联合国开发计划署署长海伦·克拉克表示：“今天我们面对社会发展领域的挑战是复杂的但相互之间也是有联系的。当今世界存在许多不稳定性、不确定性以及不可预测性...这需要全民参与在发展中寻找基于创新的解决办法，采用新技术和媒体的支持去改善提供服务的质量。”
为了激发人们改变世界的雄心，联合国开发计划署（UNDP）与百度共同启动责任创新挑战计划，为中国可持续发展进程中遇到的挑战寻求创新解决方案，进一步向全人类的可持续发展迈进。
挑战赛向所有人开放，任何热衷于利用科技和创新造福社会的个人或团队都可以提交创新方案参与比赛。我们的目标是提供一个开放的平台，结合来自中国的先进技术和创新力，找到可持续发展问题可能的解决方案。
为了更美好的明天，为了我们共同的未来，我们需要你的加入。
获胜团队或个人将得到技术、资金、导师三重支持。
期待通过你的创想一起加速未来，改变世界！
时间表
创意提交截止日期
2017/3/10
四大挑战
为了利用创新的力量实现可持续发展目标（Sustainable Development Goals），首届挑战赛选取了以下四个重点领域：
减少贫困
改革开放三十年中国的减贫事业取得了巨大成功，农村贫困人口从1978年的7.7亿人减少到了2015年的5575万人。然而，中国的减贫形势依然严峻，面临着脱贫任务重、宏观经济调整、气候变化和不确定的自然灾害、市场因素等方面的挑战。想要达成2020年脱贫攻坚计划，完成扶贫对象脱贫、贫困县摘帽和解决区域性整体贫困问题仍需要进一步的改革和创新。
改善交通
随着城市化进程的加快，中国在交通领域面临着巨大的转型。绿色交通、智能交通、实时路况等新能源与新技术的出现将为交通领域的变革提供新的动力。根据公安部交通管理局的Z新数据，截至2016年6月底，中国的汽车总保有量已达到18.4亿辆。由于政府已将强制性排放目标纳入国民经济和社会发展的中长期规划，决策者和私营部门都将新能源汽车、公共交通和覆盖全国的高效交通网络等纳入考虑范围，从而缩小区域间差距。
灾害管理与预防
中国是世界上受自然灾害影响Z严重的国家之一，灾害种类多、发生频率高、分布地域广、造成的损失大。这严重影响了农业的可持续发展，毁坏了基础设施，带来了巨大的经济损失，也是农村贫困的重要原因之一。基于此，灾害防御和灾害治理成为关系环境、贫困和发展等多个领域的重要议题。引入各界的创新力量，建立囊括承载力提升、灾害监测、灾后重建和灾害教育等方面的全国范围和地方有针对性的灾害管理体系，对于中国的可持续发展至关重要。
环境保护
鉴于中国的人口和经济规模，其环境问题对于全球整体环境而言意义非凡。中国经济飞速发展的同时，面临着许多严峻的环境问题，空气污染、水污染、荒漠化和生态多样性减少无一不威胁着每个人的日常生活。以雾霾问题为例，根据世界
技术支持
用技术升级传统解决方案
语音技术
多场景语音服务支持专家，让你的方案长上耳朵、开口说话
语音识别：将声音转化为文字，让你的应用拥有一双耳朵
语音合成：将文字转化为声音，让你的应用开口说话
图像技术
图片文字和内容识别专家，让你的方案拥有一双眼睛
文字识别：多语言文字检测和识别，整图文字定位和单字图像
识别人脸识别：基于业界领先的智能人脸分析算法，提供人脸检测、人脸识别、关键点定位、属性识别和活体检测等一整套技术方案
自然语言
人机对话翻译专家，帮助你对人类如果你的创意需要对人类自然语言进行分析、理解、生成、翻译，实现自然地人机对话交互
神经语言程序：帮助机器学习人类的语言
机器翻译：基于计算机语言进行自动翻译
用户画像
用户识别与分析专家，基于海量互联网数据，提供精准大数据服务
用户画像：通过标签描绘用户的基本属性、行为习惯、消费和兴趣爱好
推荐算法：快速搭建系统，优化算法效果，支持多种经典推荐算法
机器学习
深度学习平台为大数据应用提供深度学习算法支持
深度模型：广泛支持各种深度学习模型，支持多种优化算法
模型训练：支持多机多显卡训练，充分利用机器性能，支持稀疏更新
模型预测和评估：支持线下多语言预测接口
这些技术也将为创意方案提供支持
