"Μεγάλες προκλήσεις-2020" αποκαλείται τόσο φιλόδεμα ένα από τα έργα που πραγματοποιήθηκαν κατά το δεύτερο εξάμηνο του Δεκεμβρίου στο εκπαιδευτικό κέντρο SIRIUS. Κατά τη διάρκεια αυτού του επιστημονικού και τεχνολογικού προγράμματος, οι μαθητές γυμνασίου εκπαιδεύονται τεχνητή νοημοσύνη. Οι τύποι έπρεπε να διδάξουν το αυτοκίνητο στην επόμενη σοφία:
- Γράψτε νέα.
- Να αναπτύξουν νέα φάρμακα.
- Αναλύστε τις εικόνες του CT.
- Προφίλ μελέτης των αιτούντων στα κοινωνικά δίκτυα.
Οι μαθητές βοήθησαν εμπειρογνώμονες από την Πανεπιστημιακή Ομόπολη, το Yandex, Ανώτερο Σχολή Διοίκησης Spbsu, VTB Bank, BioCad. Προβλέπεται ότι οι καλύτερες προσφορές θα εφαρμοστούν στην πράξη.
Ο Andrei Rasjorgorodsky, διευθυντής του Διευθυντή "Big Data", ο διευθυντής της Fiztech-School των Εφαρμοσμένων Μαθηματικών και Πληροφορικής του MFTI, διευκρινίζεται ότι η σύνοδος διήρκεσε 10 ημέρες. Κατά τη διάρκεια αυτής της περιόδου, οι τύποι έχουν μάθει να εργάζονται με διάφορα εργαλεία ψηφιακής τεχνολογίας και τώρα θα είναι σε θέση να χρησιμοποιήσουν τις δεξιότητές τους στο μέλλον στο σπίτι.
Το έργο προβλέπει χωριστή κατεύθυνση "Μεγάλα δεδομένα, τεχνητή νοημοσύνη, οικονομική τεχνολογία και μηχανική μάθηση". 28 Οι ενδέκατοι γκρέιντερ από 18 περιοχές της Ρωσίας κλήθηκαν να εργαστούν σε αυτό. Αυτοί οι τύποι έγιναν φιναλίστ του all-ρώσου ανταγωνισμού σχεδιασμού και ερευνητικής εργασίας.
Για τους συμμετέχοντες προς αυτή την κατεύθυνση, το Yandex έχει σχηματίσει μια ειδική παραγγελία: να αναπτύξει ένα πρόγραμμα για τη δημιουργία ειδήσεων, έτσι ώστε οι σύγχρονες εκδόσεις να μπορούν να χρησιμοποιηθούν στην καθημερινή εργασία. Το κρατικό πανεπιστήμιο VTB και το κρατικό πανεπιστήμιο της Αγίας Πετρούπολης έδωσε επίσης το καθήκον των μαθητών του Sirius. Οι τύποι πρέπει να αναλύσουν τα κοινωνικά δίκτυα και με βάση τις πληροφορίες που λαμβάνονται για να κάνουν ένα πορτρέτο ενός αιτούντος επιχειρηματικού σχολείου.
Οι επιστήμονες αμηχανία των μαθητών με μια περίπλοκη επιθυμία: οι τύποι πρέπει να διδάξουν τεχνητή νοημοσύνη για να προβλέψουν με ακρίβεια τη βοήθεια του υπολογιστή μοντελοποίησης της δομής του μοριακού συγκροτήματος κατά τη δημιουργία νέων φαρμάκων. Το αυτοκίνητο θα πρέπει να βρει τους πιο πιστούς συνδυασμούς και εκείνοι που πραγματικά υπάρχουν στη φύση. Η νέα μέθοδος πρέπει να προβλεφθεί πόσο αποτελεσματικά ο παρασκευαστής που δημιουργήθηκε. Προτάσεις από μαθητές γυμνασίου υποτίθεται ότι χρησιμοποιούνται στον αλγόριθμο αντιστάθμισης του BioCad.
Οι ψηφιακές τεχνολογίες που βασίζονται στην τεχνητή νοημοσύνη έχουν εφαρμοστεί ενεργά στην ιατρική βιομηχανία σε πολλές χώρες του κόσμου. Αυτό διευκολύνθηκε από την αρχή της πανοναβητικής πανδημίας. Οι τεχνολογίες Telemedicine έχουν δείξει το πλεονέκτημα της αυτοματοποίησης πολλών διαδικασιών, βοήθησε την εκφόρτωση κλινικών και ιατρών από επανειλημμένα αυξημένα φορτία, κατάφεραν να παρέχουν υψηλής ποιότητας απομακρυσμένη ιατρική περίθαλψη σε ασθενείς.
Στο πλαίσιο του επιστημονικού και τεχνολογικού έργου του Sirius "Big Challenges-2020", οι φοιτητές που συμμετέχουν στο πρόγραμμα έλαβαν ένα δύσκολο έργο από τους Εξιωματικούς της Ρωσίας. Οι γιατροί καλούνται να διδάξουν τεχνητή νοημοσύνη για να αναλύσουν τις ιατρικές εικόνες χρησιμοποιώντας το όραμα του υπολογιστή και γρήγορα και με ακρίβεια να βρουν την παθολογία στους πνεύμονες. Η βοήθεια και οι άκρες της νευροέτας διευκολύνουν τη λειτουργία των ακτινολόγων, μειώστε το χρόνο για να επεξεργαστείτε τις εικόνες.
Για μια τέτοια ποικιλία και πολύπλοκα προβλήματα, όπως λαμβάνετε ιατρικές εικόνες, η βαθιά μάθηση απαιτεί μεγάλα σύνολα δεδομένων για την επίτευξη του απαιτούμενου επιπέδου ακρίβειας. Οι συστάσεις της τεχνητής νοημοσύνης είναι συνήθως πολύ ακριβείς. Τα αποτελέσματα της εργασίας θα μεταφορτωθούν στη βιβλιοθήκη ανοιχτού κώδικα, η πρόσβαση στην οποία θα ανακαλυφθεί για ειδικούς από όλες τις χώρες. Οι λύσεις των μαθητών μπορούν να δοκιμαστούν και να εφαρμοστούν στην πράξη εάν η ποιότητα ανάπτυξης θα κανονίσει έναν χρήστη. Η βοήθεια εταίρων στους μαθητές παρέχεται από το Κέντρο Τεχνητής Νοημοσύνης του Πανεπιστημίου Ανοόλιης.
Η ομάδα του έργου απασχολεί έξι 11 βαθμούς από την αυτόνομη Okrug, η Σεβαστούπολη, το έδαφος του Khabarovsk, η Δημοκρατία του Bashkortostan, Tyumen και Kemerovo και περιοχές. Βοηθούνται από εμπειρογνώμονες από το κέντρο της Ομόπολης.
Ο Semen Kiselev, ερευνητής του Κέντρου Τεχνητής Νοημοσύνης του Πανεπιστημίου Ανοόλιης, ένα πρόγραμμα καθοδήγησης, δήλωσε ότι οι προγραμματιστές εισάγουν παιδιά με μεθόδους μάθησης μηχανής και όραμα υπολογιστή. Η δημοκρατεία των μαθηματικών, των προγραμματισμών και των μεθόδων μάθησης μηχανών θα σας επιτρέψει να αλλάξετε τη στάση απέναντι στις ευκαιρίες ανοίγματος πολλών που χρειάζονται αυτή την αλλαγή. Το έργο θα ενθαρρύνει τους μαθητές να γίνουν πιο δραστήριοι στη μελέτη των προοπτικών ψηφιακής μεταμόρφωσης της κοινωνίας, πείθοντας τους ότι μπορεί να τους οδηγήσει σε πιο ενδιαφέρουσα και διανοητική πλήρη ζωή. Η εμπειρία της εργασίας με τα νευρωνικά δίκτυα οδηγεί στην επιλογή του μελλοντικού επαγγέλματος, σας επιτρέπει να αγγίξετε τις δραστηριότητες στην ατμόσφαιρα της ελευθερίας, αναπτύσσει εμπιστοσύνη στον εαυτό σας και θα προσφέρει στα παιδιά και τους εφήβους τις ικανότητες που χρειάζονται στο μέλλον.
Οι τύποι δείχνουν όπου σε ποιες περιοχές μπορούν να εφαρμόσουν τις γνώσεις που αποκτήθηκαν. Οι συμμετέχοντες δημιουργούν τέτοια μοντέλα και αλγόριθμους για την ανάλυση των στιγμιότυπων των πνευμονικών πνευμόνων, στις οποίες η νεφρική αυτο-πρόοδος στην αναγνώριση της πνευμονίας και άλλων αναπνευστικών ασθενειών, πνευμοθώρακα ή όγκου. Ωστόσο, τα μοντέλα βαθιάς μάθησης μπορούν να κάνουν προβλέψεις με σχεδόν αδιαμφισβήτητη ακρίβεια, δεδομένου ότι η εσωτερική λογική του μοντέλου είναι δύσκολο να αποκαλύψει και να ερμηνευθεί, τα επιχειρήματα υπέρ του λόγου για τον οποίο η απόφαση αυτή είναι σωστή, συχνά παραμένουν χωρίς unallimy.
Δεδομένου ότι οι ιατρικές αποφάσεις ενδέχεται να έχουν απίστευτο βάρος, πολλοί κριτικά αναφέρονται στην προοπτική πλήρους αυτοματοποίησης. Είναι πολύ σημαντικό να θυμόμαστε ότι το αυτοκίνητο δεν αντικαθιστά τον γιατρό, αλλά γίνεται βοηθός του και ο σύμβουλος, στην πραγματικότητα είναι μόνο το τρίτο μάτι για το γιατρό. Το AI είναι απαραίτητο για τη βελτιστοποίηση των εργασιών ρουτίνας, με την πανταχού παρούσα εφαρμογή της να αλλάζει βαθιά εξειδικευμένη ειδικότητα με ένα ισχυρό οπτικό στοιχείο, όπως ακτινολογία και παθολογία. Οι ασκούμενοι, συμπεριλαμβανομένων των χειρουργών, ενδιαφέρονται ενεργά για την ανάπτυξη και την εφαρμογή τέτοιων συσκευών. Το AI είναι απαραίτητο για τη βελτιστοποίηση των εργασιών ρουτίνας, με την ευρέως διαδεδομένη εισαγωγή της, η ειδικότητα θα αλλάξει με ένα ισχυρό οπτικό στοιχείο, όπως η ακτινολογία και η παθολογία. Οι ασκούμενοι, συμπεριλαμβανομένων των χειρουργών, ενδιαφέρονται ενεργά για την ανάπτυξη και την εφαρμογή τέτοιων συσκευών.
Οι μαθητές αλγορίθμων που μελετήθηκαν δοκιμάζονται σε μεγάλο αριθμό πραγματικών ιατρικών εικόνων από πραγματικά νοσοκομεία.
Οι νέοι προγραμματιστές πρέπει να διδάσκουν τεχνητή νοημοσύνη για να υπολογίσουν τις ακριβείς διαστάσεις και τη θέση των παθολογικών διεργασιών στους πνεύμονες, να υποδείξουν τον γιατρό στις ανωμαλίες του οργάνου. Υλικά για την έρευνα Οι συμμετέχοντες στο έργο βρίσκονται σε ανοικτές πηγές, βάσεις δεδομένων αυτών των επιστημονικών άρθρων των εγχώριων και ξένων ιατρικών πανεπιστημίων. Ελέγχουν τους αλγόριθμους τους σε εκατοντάδες αυθεντικές ιατρικές εικόνες από πραγματικό LPU, επειδή η πρόσβαση σε σχετικά και επαρκή δεδομένα είναι υψίστης σημασίας στους αλγόριθμους κατάρτισης του AI.
Η Danila Pechenev, έντεκα γκρέιντερ από το Κεμπερόβο, λέει ότι επέλεξε αυτό το καθήκον, επειδή εργάστηκε ήδη με το μηχανικό όραμα. Το έργο του ενός νευρικού δικτύου, το οποίο αναγνωρίζει το χειρόγραφο, έγινε ο φιναλίστ του διαγωνισμού "μεγάλων προκλήσεων". Και η εργασία στη νέα εργασία θα σας επιτρέψει να μάθετε προηγμένες μεθόδους μάθησης μηχανών. Η ανάλυση των ιατρικών εικόνων σήμερα είναι ένα επείγον καθήκον της εφαρμογής νευρωνικών δικτύων. Η τεχνολογία είναι διαθέσιμη, στις περισσότερες περιπτώσεις που αποδεικνύουν υψηλή ακρίβεια στους ελέγχους για επαλήθευση.
Για τους φιναλίστ του έργου, ανοίγουν οι καλές ευκαιρίες για περαιτέρω ανάπτυξη και αυτοπεποίθηση. Πολλοί συμμετέχοντες στην προηγούμενη "μεγάλη πρόκληση" εγγράφηκαν στα μεγαλύτερα πανεπιστήμια των χωρών και συνεργάζονται ενεργά με τους ειδικούς των εργαστηρίων MFTI. Οι απόφοιτοι των πανεπιστημίων οδηγούν σε έργα καθ 'όλη τη διάρκεια του χρόνου εκπαίδευσης και ενημερώνουν σχετικά με τα επιτεύγματα και τις εξελίξεις στον παγκόσμιο επιστημονικό τύπο. Πολλές ιδέες συμμετεχόντων στις "μεγάλες προκλήσεις" χρησιμοποιούνται ήδη στην πράξη από τις εταιρείες εταίρων.