"Veliki izazovi-2020" je tako ambiciozno zvani jedan od projekata koji se održavaju u drugoj polovini prosinca u edukativnom centru Sirius. U toku ovog naučnog i tehnološkog projektnog programa, srednjoškolci su obučavali umjetnu inteligenciju. Momci su trebali podučavati automobil do sljedeće mudrosti:
- Napišite vesti.
- Razviti nove droge.
- Analizirajte slike CT-a.
- Studijski profili podnositelja zahtjeva u društvenim mrežama.
Školci su pomogli stručnjacima iz Univerziteta Innopolis, Yandex, Veća škola menadžmenta Spbsu, VTB banke, Biocad. Planirano je da se najbolje ponude provode u praksi.
Andrei Rasjorgorodsky, šef redatelja "Big Data", direktor Fiztech-School-a primijenjene matematike i informatike MFTI-a, namijenjen je da sesija trajala 10 dana. Za to vrijeme momci su naučili da rade sa različitim alatima za digitalnu tehnologiju i sada će moći koristiti svoje vještine u budućnosti kod kuće.
Projekt predviđa poseban smjer "veliki podaci, umjetnu inteligenciju, financijsku tehnologiju i mašinsko učenje". 28 jedanaesti razreda iz 18 regija Rusije pozvano je da radi u njemu. Ti momci su postali finalisti potpuno ruskog konkurencije dizajna i istraživačkog rada.
Za učesnike u ovom pravcu Yandex je formirao poseban nalog: za razvoj programa za generiranje vijesti, tako da se modernim izdanjima mogu koristiti u svakodnevnom radu. VTB banka i Državni univerzitet Sankt Peterburg takođe su dali zadatak školarke Siriusa. Momci moraju analizirati društvene mreže i na osnovu primljenih informacija za portret podnositelja zahtjeva poslovne škole.
Naučnici zbunjuju školarke sa složenom željom: momci bi trebali naučiti umjetnu inteligenciju da precizno predviđaju pomoć računarskog modeliranja strukture molekularnog kompleksa prilikom stvaranja novih lijekova. Automobil će morati pronaći najvjernije kombinacije i one koji zaista postoje u prirodi. Nova metoda mora se predvidjeti koliko je učinkovito priprema stvorena. Prijedlozi srednjoškolaca trebaju se koristiti u algoritmu živice od biokade.
Digitalne tehnologije zasnovane na umjetnoj inteligenciji postale su se aktivno primjenjivale u medicinskoj industriji u mnogim zemljama svijeta. To je olakšalo početkom koronavirus pandemije. Telemedicinske tehnologije pokazale su prednost automatizacije mnogih procesa, pomogli da se klinike za istovar i ljekarima više puta povećali teret, uspijevaju osigurati visokokvalitetnu daljinu medicinsku njegu pacijentima.
U okviru naučnog i tehnološkog projekta Sirius "Veliki izazovi-2020", studenti koji sudjeluju u programu dobili su težak zadatak iz rentgegologa Rusije. Od ljekara se traži da podučavaju umjetnu inteligenciju za analizu medicinskih slika koristeći računarsku viziju i brzo i precizno pronađu patologiju u plućima. Pomoć i vrhovi neurozete olakšavaju rad radiologa, smanjuju vrijeme za obradu slika.
Za takve razne i složene probleme, kao primanje medicinskih slika, duboko učenje zahtijeva velike skupove podataka kako bi se postigao potreban nivo tačnosti. Preporuke umjetne inteligencije obično su vrlo precizne. Rezultati rada bit će preneseni u biblioteku otvorenog koda, pristup kojem će biti otkriveni za stručnjake iz svih zemalja. Školska rješenja mogu se testirati i primijeniti u praksi ako će kvalitet razvoja organizirati korisnika. Pomoć partnerstva školarcima osigurava Centar za umjetnu inteligenciju Univerziteta u Innopolisu.
Projektni tim zapošljava šest razreda iz Hanty-Mansijskog autonomnog okruga Okrug, Sevastopol, teritoriju Khabarovska, Republike Baškortostana, Tjumenata i Kemerova i regiona. Pomoću ih stručnjaci iz centra Innopolisa.
Semen Kiselev, istraživač Centra za umjetnu inteligenciju Univerziteta u Innopolisu, Vodeći projekat, rekao je da programeri uvode djecu sa metodama mašinskog učenja i računarskog vida. Popularizacija matematike, programiranja i strojnih metoda učenja omogućit će vam promjenu odnosa prema uvodnim mogućnostima mnogih kojima je potrebna ova promjena. Projekt će potaknuti školarce da postanu aktivniji u proučavanjem izgleda za digitalnu transformaciju društva, uvjeravajući ih da ih može dovesti do zanimljivijeg i intelektualnijeg puneg života. Iskustvo rada sa neuronskim mrežama dovodi do izbora buduće profesije, omogućuje vam da dodirnete aktivnosti u atmosferi slobode, razvijate povjerenje u sebe i pružit ćete djeci i adolescentima nadležnosti koje im treba u budućnosti.
Momci pokazuju gdje u kojima područja mogu primijeniti stečenu znanju. Učesnici stvaraju takve modele i algoritme za analizu snimka pluća, u kojima će neuraminizirati samo-napredak za prepoznavanje pneumonije i drugih respiratornih bolesti, pneumotorakta ili tumora. Modeli dubokih učenja mogu se predvidjeti gotovo bez nepogrešivom tačnošću, jer je interna logika modela teško otkriti i tumačiti, argumenti u korist zašto je ta odluka tačna, često ostaju neprimjetna.
Budući da medicinske odluke mogu imati nevjerovatnu težinu, mnogi se kritički odnose na izgledu pune automatizacije. Veoma je važno zapamtiti da automobil ne zamenjuje doktora, ali postaje njegov asistent i savetnik, u stvari je samo treće oko za doktora. AI je potreban za optimizaciju rutinskih zadataka, uz sveprisutnu provedbu duboko mijenja specijalnost s jakom vizuelnom komponentom, poput radiologije i patologije. Praktičari, uključujući kirurge, aktivno su zainteresirani za razvoj i provođenje takvih uređaja. AI je potreban za optimizaciju rutinskih zadataka, sa širokim uvodom, specijalitet će se mijenjati s jakom vizuelnom komponentom, kao što su radiologija i patologija. Praktičari, uključujući kirurge, aktivno su zainteresirani za razvoj i provođenje takvih uređaja.
Studirani algoritmi školarci testiraju se na velikom broju realnih medicinskih slika iz stvarnih bolnica.
Mladi programeri moraju podučiti umjetnu inteligenciju za izračunavanje tačnih dimenzija i lokacije patoloških procesa u plućima, navedite ljekara na anomalije organa. Materijali za istraživanje Sudionici projekta nalaze se u otvorenim izvorima, bazama podataka ovih naučnih članaka domaćih i stranih medicinskih univerziteta. Oni provjeravaju svoje algoritme stotina istinskih medicinskih slika iz stvarnog LPU-a, jer je pristup relevantnim i dovoljnim podacima od najveće važnosti u algoritmima obuke AI.
Danila Pechenev, jedanaestor iz Kemerova, kaže da je odabrao ovaj zadatak, jer je već radio sa strojnim vidom. Njegov projekat neuronske mreže, koji prepoznaje rukopis, postao je finalist takmičenja "velikih izazova". A rad na novom zadatku omogućit će vam da naučite napredne metode za mašinsko učenje. Analiza medicinskih slika danas je hitan zadatak primjene neuronskih mreža. Tehnologija je dostupna, u većini slučajeva koja pokazuje visoku preciznost na provjerama za provjeru.
Za finaliste projekta otvorene su dobre mogućnosti za daljnji razvoj i samoostvarenje. Mnogi sudionici prethodnog "velikog izazova" upisani su na najveće univerzitete zemalja i aktivno rade sa stručnjacima MFTI laboratorija. Univerzitet diplomirao je vodeći projekte tokom cijelog vremena obuke i informirati o dostignućima i razvoju u globalnoj naučnoj štami. Mnoge ideje učesnika "velikih izazova" već se koriste u praksi partnerskih kompanija.