Mae "Heriau Mawr-2020" mor uchelgeisiol a elwir yn un o'r prosiectau a gynhaliwyd yn ail hanner mis Rhagfyr yng Nghanolfan Addysgol Sirius. Yn ystod y rhaglen prosiect gwyddonol a thechnolegol hon, hyfforddodd myfyrwyr ysgol uwchradd ddeallusrwydd artiffisial. Roedd y guys i ddysgu'r car i'r doethineb nesaf:
- Ysgrifennwch newyddion.
- Datblygu cyffuriau newydd.
- Dadansoddwch luniau'r CT.
- Proffiliau astudio ymgeiswyr mewn rhwydweithiau cymdeithasol.
Helpodd plant ysgol arbenigwyr o Brifysgol Innopolis, Yandex, Ysgol Uwchradd Uwch SpbSu, Banc VTB, Biofad. Y bwriad yw y bydd y cynigion gorau yn cael eu rhoi ar waith yn ymarferol.
Mae Andrei Rasjorgorodsky, Pennaeth y Cyfarwyddwr "Data Mawr", Cyfarwyddwr Fiztech-Ysgol Mathemateg Gymhwysol a Gwybodeg MFTI, yn nodi bod y sesiwn yn para 10 diwrnod. Yn ystod y cyfnod hwn, mae'r Guys wedi dysgu i weithio gydag offer technoleg ddigidol amrywiol a bydd yn awr yn gallu defnyddio eu sgiliau yn y dyfodol yn y cartref.
Mae'r prosiect yn darparu ar gyfer cyfeiriad ar wahân "data mawr, deallusrwydd artiffisial, technoleg ariannol a dysgu peiriant". 28 Gwahoddwyd un ar ddeg o raddwyr o 18 rhanbarth o Rwsia i weithio ynddo. Daeth y guys hyn yn rownd derfynol y gystadleuaeth holl-Rwseg o waith dylunio ac ymchwil.
Ar gyfer cyfranogwyr yn y cyfeiriad hwn, mae Yandex wedi ffurfio gorchymyn arbennig: datblygu rhaglen i gynhyrchu newyddion, fel y gellir defnyddio rhifynnau modern mewn gwaith bob dydd. Hefyd, rhoddodd VTB Bank a Petersburg Prifysgol Wladwriaeth hefyd dasg plant ysgol Sirius. Rhaid i'r guys ddadansoddi rhwydweithiau cymdeithasol ac yn seiliedig ar y wybodaeth a dderbyniwyd i wneud portread o ymgeisydd ysgol busnes.
Roedd gwyddonwyr wedi drysu plant ysgol gyda dymuniad cymhleth: dylai'r guys ddysgu deallusrwydd artiffisial i ragweld yn gywir gyda chymorth modelu cyfrifiadurol strwythur y cyfoeth moleciwlaidd wrth greu cyffuriau newydd. Bydd yn rhaid i'r car ddod o hyd i'r cyfuniadau mwyaf credadwy a'r rhai sy'n bodoli mewn natur. Rhaid rhagweld y dull newydd pa mor effeithiol y crëwyd y paratoad. Mae awgrymiadau gan fyfyrwyr ysgol uwchradd i fod i gael eu defnyddio yn algorithm gwrych Biocad.
Mae technolegau digidol yn seiliedig ar gudd-wybodaeth artiffisial wedi cael eu cymhwyso'n weithredol yn y diwydiant meddygol mewn llawer o wledydd y byd. Hwyluswyd hyn erbyn dechrau'r pandemig Coronavirus. Telefeddygaeth Mae technolegau wedi dangos y fantais o awtomeiddio llawer o brosesau, helpu dadlwytho clinigau a meddygon o lwythi cynyddol dro ar ôl tro, a reolir i ddarparu gofal meddygol anghysbell o ansawdd uchel i gleifion.
O fewn fframwaith y prosiect gwyddonol a thechnolegol Sirius "Heriau Mawr-2020", derbyniodd myfyrwyr sy'n cymryd rhan yn y rhaglen dasg anodd o rendrolegwyr Rwsia. Gofynnir i feddygon ddysgu deallusrwydd artiffisial i ddadansoddi delweddau meddygol gan ddefnyddio gweledigaeth gyfrifiadurol a dod o hyd i batholeg yn gyflym ac yn gywir yn yr ysgyfaint. Mae cymorth ac awgrymiadau'r niwrosette yn hwyluso gweithrediad radiolegwyr, yn lleihau'r amser i brosesu'r lluniau.
Ar gyfer amrywiaeth o'r fath o broblemau a chymhleth, fel derbyn delweddau meddygol, mae dysgu dwfn yn gofyn am setiau data mawr i gyflawni'r lefel gywir o gywirdeb. Mae argymhellion cudd-wybodaeth artiffisial fel arfer yn gywir iawn. Bydd canlyniadau'r gwaith yn cael ei lwytho i fyny i'r llyfrgell ffynhonnell agored, bydd mynediad yn cael ei ddarganfod ar gyfer arbenigwyr o bob gwlad. Gellir profi a chymhwyso atebion plant ysgol yn ymarferol os bydd ansawdd y datblygiad yn trefnu defnyddiwr. Darperir cymorth partner i blant ysgol gan y Ganolfan Cudd-wybodaeth Artiffisial Prifysgol Innopolis.
Mae tîm y prosiect yn cyflogi chwe 11-gradd o Okrug Autonomaidd Khanty-Mansiysk, Sevastopol, Tiriogaeth Khabarovsk, Gweriniaeth Bashkortostan, Tylumen a Kemeerovo a rhanbarthau. Maent yn cael eu helpu gan arbenigwyr o ganol Innopolis.
Dywedodd Semen Kiselev, ymchwilydd y Ganolfan Cudd-wybodaeth Artiffisial Prifysgol Innopolis, prosiect arweiniol, fod y datblygwyr yn cyflwyno plant â dulliau dysgu peiriant a golwg gyfrifiadurol. Bydd poblogeiddio mathemateg, rhaglennu a dulliau dysgu peiriant yn eich galluogi i newid yr agwedd at gyfleoedd agoriadol llawer sydd angen y newid hwn. Bydd y prosiect yn annog plant ysgol i ddod yn fwy egnïol wrth astudio'r rhagolygon ar gyfer trawsnewid digidol o gymdeithas, gan eu hargyhoeddi y gall eu harwain i fywyd mwy diddorol a deallusol llawn-fledged. Mae'r profiad o weithio gyda rhwydweithiau niwral yn arwain at ddewis y proffesiwn yn y dyfodol, yn eich galluogi i gyffwrdd â'r gweithgareddau yn yr atmosffer o ryddid, yn datblygu hyder ynoch chi a bydd yn rhoi i blant a phobl ifanc y cymwyseddau sydd eu hangen arnynt yn y dyfodol.
Mae'r guys yn dangos ble mae meysydd y gallant gymhwyso'r wybodaeth a gafwyd. Mae cyfranogwyr yn creu modelau ac algorithmau o'r fath am ddadansoddi cipluniau'r ysgyfaint, lle i niwraleiddio hunan-gynnydd i adnabod niwmonia a chlefydau anadlol eraill, niwmothorax neu diwmor. Gall modelau dysgu dwfn wneud rhagfynegiadau gyda chywirdeb bron yn ddigamsyniol, fodd bynnag, gan fod rhesymeg fewnol y model yn anodd i ddatgelu a dehongli, y dadleuon o blaid pam mae'r penderfyniad hwn yn gywir, yn aml yn aros yn annisgwyl.
Gan y gall penderfyniadau meddygol gael pwysau anhygoel, mae llawer yn cyfeirio'n feirniadol at y posibilrwydd o awtomeiddio llawn. Mae'n bwysig iawn cofio nad yw'r car yn disodli'r meddyg, ond yn dod yn gynorthwy-ydd a'i gynorthwyydd, mewn gwirionedd, dim ond y trydydd llygad ar gyfer y meddyg. Mae angen AI i optimeiddio tasgau arferol, gyda'i weithrediad hollbresennol yn newid yn ddwfn yn arbenigo gyda chydran weledol gref, fel radioleg a phatholeg. Mae gan ymarferwyr, gan gynnwys llawfeddygon ddiddordeb yn weithredol mewn datblygu a gweithredu dyfeisiau o'r fath. Mae angen AI i optimeiddio tasgau arferol, gyda'i gyflwyniad eang, bydd arbenigedd yn newid gyda chydran weledol gref, fel radioleg a phatholeg. Mae gan ymarferwyr, gan gynnwys llawfeddygon ddiddordeb yn weithredol mewn datblygu a gweithredu dyfeisiau o'r fath.
Caiff plant ysgol algorithmau eu profi eu profi ar nifer fawr o luniau meddygol go iawn o ysbytai go iawn.
Rhaid i raglenwyr ifanc ddysgu deallusrwydd artiffisial i gyfrifo union ddimensiynau a lleoliad prosesau patholegol yn yr ysgyfaint, yn dangos y meddyg ar anghysonderau'r organ. Deunyddiau ar gyfer ymchwil Mae cyfranogwyr y prosiect i'w gweld mewn ffynonellau agored, cronfeydd data o erthyglau gwyddonol hyn o brifysgolion meddygol domestig a thramor. Maent yn gwirio eu algorithmau ar gannoedd o luniau meddygol gwirioneddol o LPUs go iawn, gan fod mynediad at ddata perthnasol a digonol o'r pwys mwyaf mewn algorithmau hyfforddi AI.
Danila Pechenev, un ar ddeg-grader o Keerovo, yn dweud ei fod yn dewis y dasg hon, oherwydd ei fod eisoes yn gweithio gyda gweledigaeth peiriant. Daeth ei brosiect o rwydwaith niwral, sy'n cydnabod y llawysgrifen, yn rownd derfynol y gystadleuaeth "Heriau Mawr". A bydd y gwaith ar y dasg newydd yn eich galluogi i ddysgu dulliau dysgu peiriant uwch. Mae dadansoddiad o ddelweddau meddygol heddiw yn dasg frys o gymhwyso rhwydweithiau niwral. Mae technoleg ar gael, yn y rhan fwyaf o achosion yn dangos cywirdeb uchel ar wiriadau i'w dilysu.
Ar gyfer y rownd derfynol y prosiect, mae cyfleoedd da yn cael eu hagor ar gyfer datblygiad pellach a hunan-wireddu. Cafodd llawer o gyfranogwyr o'r "Her Fawr" flaenorol gofrestru yn y prifysgolion mwyaf y gwledydd ac maent yn gweithio gydag arbenigwyr o labordai MFTI. Mae graddedigion y Brifysgol yn arwain prosiectau drwy gydol yr amser hyfforddi cyfan ac yn rhoi gwybod am gyflawniadau a datblygiadau yn y wasg gwyddonol fyd-eang. Mae llawer o syniadau am gyfranogwyr o "heriau mawr" eisoes yn cael eu defnyddio'n ymarferol gan gwmnïau partner.