"Velké výzvy-2020" je tak ambicientně nazýván jedním z projektů, které se konalo ve druhé polovině prosince v Sirius vzdělávacího centra. V průběhu tohoto vědeckého a technologického projektu program studenti střední školy vyškolili umělou inteligenci. Kluci měli naučit auto na další moudrost:
- Zapsat zprávy.
- Rozvíjet nové léky.
- Analyzujte obrázky CT.
- Studijní profily žadatelů v sociálních sítích.
Školáci pomáhali odborníkům z univerzity Innopolis, Yandex, vyšší školu Management Spbsu, VTB Bank, Biocad. Plánuje se, že nejlepší nabídky budou realizovány v praxi.
Andrei Rasjorgorodsky, vedoucí ředitele "velkých dat", ředitel společnosti Fiztech-School aplikované matematiky a informatiky MFTI, je uveden, že sezení trvalo 10 dní. Během této doby se kluci naučili pracovat s různými nástroji digitálních technologií a budou nyní schopni využít své dovednosti v budoucnu doma.
Projekt poskytuje samostatný směr "Velká data, umělá inteligence, finanční technologie a strojní učení". 28 jedenácté srovnávače z 18 regionů Ruska bylo pozváno, aby fungovalo v něm. Tito kluci se stali finalisty všech ruských soutěže designu a výzkumné práce.
Pro účastníky tohoto směru, Yandex vytvořil zvláštní objednávku: rozvíjet program pro generování zpráv, takže moderní edice mohou být použity v každodenní práci. VTB Bank a Státní univerzita St. Petersburg také dal úkol Sirius školáků. Kluci musí analyzovat sociální sítě a na základě obdržených informací učinit portrét žadatele o obchodní škole.
Vědci zmatili žákové školy s komplexním přáním: kluci by měli naučit umělou inteligenci, aby přesně předpovídali pomocí počítačového modelování struktury molekulárního komplexu při vytváření nových léků. Auto bude muset najít nejkrásnější kombinace a ty, které skutečně existují v přírodě. Nová metoda musí být předpovězena, jak účinně vytvořená příprava. Návrhy ze středoškolských studentů mají být používány v algoritmu živby biocady.
Digitální technologie založené na umělé inteligenci se aktivně uplatňují ve zdravotnictví v mnoha zemích světa. To bylo usnadněno začátkem pandemie koronavirů. Telemedicínské technologie ukázaly výhodu automatizace mnoha procesů, pomohla vyložit kliniky a lékaře od opakovaně zvýšených zatížení, podařilo se zajistit vysoce kvalitní vzdálenou lékařskou péči pacientům.
V rámci vědeckého a technologického projektu SIRIUS "Velké výzvy Big Challenges-2020", studenti účastnící se programu obdrželi obtížný úkol z nájemných škol v Rusku. Lékaři jsou požádáni, aby naučili umělou inteligenci analyzovat medicínské obrazy pomocí počítačového vidění a rychle a přesně najít patologii v plicích. Pomoc a tipy neurosetry usnadňují provoz radiologů, snižují čas na zpracování obrázků.
Pro takové různé a složité problémy, jako přijímání lékařských obrazů, hluboké učení vyžaduje velké sady dat pro dosažení požadované úrovně přesnosti. Doporučení umělé inteligence jsou obvykle velmi přesná. Výsledky práce budou nahrány do knihovny open source, přístup, který bude objevován pro specialisty ze všech zemí. Řešení školáků lze testovat a aplikovat v praxi, pokud kvalita vývoje bude uspořádat uživatele. Partnerská pomoc školákům je poskytována středem pro umělou inteligenci univerzity Innopolis.
Projektový tým zaměstnává šest 11-stupňů autonomní autonomní Okrug, Sevastopol, Sevastopol, území Khabarovsk, Republika Bashkortostan, Tyumen a Kemerovo a regiony. Pomáhají odborníci z centra Innopolis.
Semen Kiselev, výzkumný pracovník centra pro umělou inteligenci univerzity Innopolis, vedoucího projektu, řekl, že vývojáři představují děti metodami strojového učení a počítačové vidění. Popularizace matematiky, programování a strojních učení vám umožní změnit přístup k otevírání příležitostí mnoha, kteří tuto změnu potřebují. Projekt bude podporovat školní školy, aby se stal aktivnější při studiu vyhlídek na digitální transformaci společnosti, přesvědčivé je, že je může vést k většímu a intelektuálně plnohodnotným životům. Zkušenosti s prací s neuronovými sítěmi vedou k výběru budoucího profese, umožňuje se dotknout aktivit v atmosféře svobody, rozvíjí důvěru v sebe a poskytne děti a dospívající kompetence, které potřebují v budoucnu.
Guys ukazují, kde v jakých oblastech mohou aplikovat získané znalosti. Účastníci vytvářejí takové modely a algoritmy pro analýzu snímků plic, ve kterých neuralize self-pokrok rozpoznat pneumonii a další respirační onemocnění, pneumotorax nebo nádor. Modely hlubokého učení mohou provést předpovědi s téměř nezaměnitelnou přesností, protože vnitřní logika modelu je obtížné odhalit a interpretovat, argumenty pro důvod, proč toto rozhodnutí je správné, často zůstávají nealimy.
Vzhledem k tomu, že lékařská rozhodnutí může mít neuvěřitelnou váhu, mnozí kriticky odkazují na vyhlídku na plnou automatizaci. Je velmi důležité si uvědomit, že auto nenahrazuje lékaře, ale stává se jeho asistentem a poradcem, ve skutečnosti je to jen třetí oko pro lékaře. AI je potřeba k optimalizaci rutinních úkolů, přičemž jeho všudypřítomná implementace hluboce mění specialitu se silnou vizuální složkou, jako je radiologie a patologie. Praktici, včetně chirurgů, se aktivně zajímají o vývoj a provádění těchto zařízení. AI je potřeba k optimalizaci rutinních úkolů, s rozšířeným úvodem, specialita se změní se silnou vizuální složkou, jako je radiologie a patologie. Praktici, včetně chirurgů, se aktivně zajímají o vývoj a provádění těchto zařízení.
Studované algoritmy školáci jsou testováni na velkém počtu skutečných lékařských obrazů ze skutečných nemocnic.
Mladí programátoři musí naučit umělou inteligenci pro výpočet přesných rozměrů a umístění patologických procesů v plicích, ukazují lékaře na anomálie orgánu. Materiály pro výzkum projektu Účastníci projektu se nacházejí v otevřených zdrojích, databázích těchto vědeckých předmětů domácích i zahraničních lékařských univerzit. Oni zkontrolují jejich algoritmy na stovkách skutečných lékařských obrazů z reálného lpusu, protože přístup k relevantním a dostatečným údajům má zásadní význam pro výcvik algoritmů AI.
Danila Pechenev, jedenáct-grader z Kemerovo, říká, že si tento úkol vybral, protože už pracoval se strojním zrakem. Jeho projekt neuronové sítě, který uznává rukopis, se stal finalistem soutěže "Big Challenges". A práce na novém úkolu vám umožní naučit se pokročilé metody stroje. Analýza lékařských snímků Dnes je naléhavým úkolem aplikovat neuronové sítě. Technologie je dostupná, ve většině případů prokazující vysokou přesnost na kontrolách pro ověření.
Pro finalisty projektu se otevřou dobré příležitosti pro další rozvoj a seberealizaci. Mnoho účastníků předchozí "Velké výzvy" byly zapsány do největších univerzit zemí a aktivně pracují se specialisty na laboratoře MFTI. Univerzitní absolventi vedou projekty po celou dobu tréninku a informují o úspěších a vývoji v globálním vědeckém tisku. Mnoho nápadů účastníků "velkých výzev" se již používá v praxi partnerskými společnostmi.