"Suured väljakutsed-2020" nimetatakse nii ambitsiooniliselt üheks Siriuse hariduskeskuse teisel poolel toimunud projektidest. Selle teadusliku ja tehnoloogilise projekti programmi käigus koolitasid keskkooliõpilased tehisintellekti. Poisid olid auto õpetama järgmise tarkuse juurde:
- Kirjutage uudiseid.
- Arendada uusi ravimeid.
- Analüüsige CT pilte.
- Sotsiaalsete võrgustike taotlejate õppeprofiilid.
Koolilapsed aitasid ülikooli INNOPOLISi ekspertidel, Yandexist, Management SPBSU kõrgkool SPBSU, VTB Bank, Biocad. Kavas on praktikas rakendada parimaid pakkumisi.
Andrei Rasjorgorodsky juht "Big Data" direktori direktor Fiztech-Kooli rakendatud matemaatika ja informaatika MFTI, on täpsustatud, et istung kestis 10 päeva. Selle aja jooksul on poisid õppinud töötama erinevate digitaalsete tehnoloogiliste tööriistadega ja suudab nüüd oma oskusi tulevikus kasutada kodus.
Projekt näeb ette eraldi suund "suured andmed, tehisintellekti, finantstehnoloogia ja masinaõpe". Selles kutsuti üles töötama 28 üheteistkümnendat teemat 18. Venemaa piirkonnast. Need poisid muutusid kõik-Vene disaini- ja uurimistegevuse konkurentsi finalistideks.
Selles suunas osalejate jaoks on Yandex moodustanud eritellimuse: arendada uudiste loomiseks programmi, nii et kaasaegseid väljaandeid saab kasutada igapäevases töös. VTB Bank ja Peterburi riiklik ülikool andis ka Sirius koolilapsi ülesande. Poisid peavad analüüsima sotsiaalseid võrgustikke ja põhinema saadud teabe tegemiseks ärikooli taotleja portree.
Teadlased hämmingus võitis koolilapsed keerulise sooviga: poisid peaksid õpetama kunstlikku intelligentsust, et täpselt ennustada arvuti modelleerimise abil molekulaarse kompleksi struktuuri abil uute ravimite loomisel. Auto peab leidma kõige usutavamad kombinatsioonid ja need, mis on looduses tõesti olemas. Uus meetod tuleb prognoosida, kui tõhusalt valmistamisel loodud ettevalmistus. Keskkooli üliõpilaste soovitusi peaksid kasutama Biocadi hekialgoritmis.
Digitaalsed tehnoloogiad tehisintelleaži on muutunud aktiivselt rakendada meditsiinitööstus paljudes maailma riikides. Seda hõlbustas Koronaviiruse pandeemia algus. Telemeditsiinitehnoloogiad on näidanud paljude protsesside automatiseerimise eeliseid, aitasid kliinikud ja arstid korduvalt suurendada koormusi, mida õnnestus pakkuda patsientidele kvaliteetset kaugset arstiabi.
Siriuse teadusliku ja tehnoloogilise projekti raames said programmis osalevad üliõpilased Venemaa renditoolistest rasket ülesannet. Arstidel palutakse õpetada kunstlikku intelligentsust, et analüüsida meditsiinilisi pilte arvutivaatamise abil ja kiiresti ja täpselt leida kopsude patoloogiat. Neurosette'i abi ja näpunäiteid hõlbustavad radioloogide toimimist, vähendada piltide töötlemise aega.
Selliste mitmesuguste ja keeruliste probleemide puhul nõuab sügav õppimine meditsiiniliste piltide vastuvõtmisel suured andmekogumid nõutava täpsuse saavutamiseks. Soovitused tehisintellekti on tavaliselt väga täpne. Töö tulemused laaditakse üles avatud lähtekoodiga raamatukogu juurde, juurdepääs sellele, mis avastatakse kõigi riikide spetsialistide jaoks. Koolilapsed lahendused saab testida ja rakendada praktikas, kui arendamise kvaliteet korraldab kasutaja. Koolilapsi partneri abi annab Innopolise Ülikooli kunstliku luure keskus.
Projekti meeskond töötab kuus 11-klassi Khanty-Mansiyski autonoomne Okrug, Sevastopol, Khabarovski territoorium, Bashkortostani Vabariik, Tyumen ja Kemerovo ja piirkonnad. Neid abistavad eksperdid Innopolis keskusest.
Sperma Kiselev, innopoli Ülikooli kunstliku intelligentsuse keskuse teadlane, ütles juhtprojekt, et arendajad tutvustavad lapsi masinaõppe ja arvuti nägemise meetoditega. Matemaatika populariseerimine, programmeerimine ja masinaõppemeetodite populariseerimine võimaldab teil muuta suhtumist paljude inimeste avamisvõimalustesse, kes seda muudatust vajavad. Projekt julgustab koolilapseid ühiskonna digitaalse ümberkujundamise väljavaadete väljavaadete uurimisel aktiivsemaks, veenda neid, et see võib viia neid huvitavamaks ja intellektuaalselt täieõigusliku eluni. Kogemus töötamise närvivõrgud toob kaasa valiku tulevase elukutse, võimaldab teil puudutada tegevusi vabaduse atmosfääri, arendab usalduse ise ja annab lastele ja noorukitele pädevusi, mida nad vajavad tulevikus.
Poisid näitavad, kus valdkondades nad saavad rakendada saadud teadmisi. Osalejad loovad kopsude hetkepiltide analüüsimiseks selliseid mudeleid ja algoritme, milles Neoraliseerivad enesehinnanguid pneumoonia ja teiste hingamisteede haiguste, pneumotooriumi või kasvaja äratundmiseks. Sügavad õppimismudelid võivad teha ennetamisega ennustusi peaaegu eksimatu täpsusega, kuna mudeli sisemist loogikat on raske avastada ja tõlgendada, argumendid selle kohta, miks see otsus on õige, sageli jääb ebameeldivaks.
Kuna meditsiinilistel otsustel võib olla uskumatu kaalu, viitavad paljud kriitiliselt täieliku automatiseerimise väljavaadetele. On väga oluline meeles pidada, et auto ei asenda arsti, vaid muutub tema assistendiks ja nõustajaks, tegelikult on see arsti kolmas silm. AI on vaja, et optimeerida rutiinseid ülesandeid, kusjuures oma üldlevinud rakendamine muudab sügavalt eriala tugeva visuaalse komponendiga, nagu radioloogia ja patoloogia. Praktikud, sealhulgas kirurgid, on aktiivselt huvitatud selliste seadmete väljatöötamisel ja rakendamisel. AI on vaja, et optimeerida rutiinseid ülesandeid, selle laialdase sissejuhatusega, eriala muutub tugeva visuaalse komponendiga, nagu radioloogia ja patoloogia. Praktikud, sealhulgas kirurgid, on aktiivselt huvitatud selliste seadmete väljatöötamisel ja rakendamisel.
Uuritud algoritme koolilapsed testitakse suurel hulgal tõelistel meditsiinilistel piltidel reaalsetest haiglatest.
Noored programmeerijad peavad õpetama kunstlikule intelligentsusele, et arvutada kopsudes patoloogiliste protsesside täpsed mõõtmed ja asukoht, märkida arsti orelide anomaaliatel. Teadusuuringute materjalid Projekti osalised leidub avatud allikatest, nende kodu- ja välismaiste meditsiiniliste ülikoolide andmebaasidest. Nad kontrollivad oma algoritme sadade ehtsate meditsiiniliste piltide kohta reaalsest LPUS-st, sest juurdepääsu asjakohastele ja piisavatele andmetele on AI koolitus algoritme ülimalt tähtis.
Danila Pechenev, Eleven-Greder alates Kemerovo, ütleb, et ta valis selle ülesande, sest ta juba töötas masina nägemisega. Tema närvivõrgu projekt, mis tunnustab käekirja, sai "suured väljakutsed" võistluse finalistiks. Ja töö uue ülesanne võimaldab teil õppida arenenud masinaõppe meetodeid. Meditsiiniliste kujutiste analüüs Täna on tungiv ülesanne närvivõrkude rakendamiseks. Tehnoloogia on saadaval enamikel juhtudel, mis näitab kontrollide kontrollide suurt täpsust.
Projekti finalistide jaoks avatakse edasiseks arendamiseks ja eneseteostuseks head võimalused. Paljud eelmise "suure väljakutse" osalejad registreeriti riikide suurimad ülikoolide ja töötavad aktiivselt MFT-laborite spetsialistidega. Ülikooli lõpetajad juhtivad projekte kogu koolituse ajal ja teavitage ülemaailmse teadusliku ajakirjanduse saavutustest ja arengutest. Paljud ideed osalejatele "suured väljakutsed" on juba praktikas praktikas partner ettevõtted.