"Grandes desafíos-2020" é tan ambicioso chamado un dos proxectos que se celebran na segunda metade de decembro no Centro Educativo Sirius. No transcurso deste programa de proxecto científico e tecnolóxico, os estudantes de secundaria formaban intelixencia artificial. Os mozos eran para ensinar o coche á seguinte sabedoría:
- Escribir noticias.
- Desenvolver novas drogas.
- Analizar as imaxes da CT.
- Estudar perfís de solicitantes nas redes sociais.
Os escolares axudaron aos expertos da Universidade Innopolis, Yandex, a Escola Superior de Xestión SPBSU, VTB Bank, Biocad. Está previsto que as mellores ofertas serán implementadas na práctica.
Andrei Rasjorgorodsky, xefe do director "Big Data", o director da Fiztech-School de Matemática Aplicada e Informática de MFTI, especifícase que a sesión durou 10 días. Durante este tempo, os mozos aprenderon a traballar con varias ferramentas de tecnoloxía dixital e agora poderán utilizar as súas habilidades no futuro na casa.
O proxecto prevé unha dirección separada "grandes datos, intelixencia artificial, tecnoloxía financeira e aprendizaxe automática". 28 valentías de 18 anos de 18 rexións de Rusia foron invitadas a traballar nel. Estes mozos convertéronse en finalistas da competición de deseño e investigación de todo-rusa.
Para os participantes nesa dirección, Yandex formou unha orde especial: desenvolver un programa para xerar noticias, polo que as edicións modernas poden ser utilizadas no traballo diario. VTB Bank e St. Petersburg State University tamén deu a tarefa de Sirius Schoolchildren. Os mozos deben analizar as redes sociais e con base na información recibida para facer un retrato dun solicitante da escola empresarial.
Os científicos confundiron escolares cun desexo complexo: os mozos deben ensinar a intelixencia artificial para predecir con precisión coa axuda de modelar a computadora a estrutura do complexo molecular ao crear novas drogas. O coche terá que atopar as combinacións máis creíbles e aqueles que realmente existen na natureza. O novo método debe ser previsto que eficazmente a preparación creada. As suxestións dos estudantes de secundaria deberían usarse no algoritmo de Hedge de Biocad.
As tecnoloxías dixitais baseadas na intelixencia artificial volvéronse activamente na industria médica en moitos países do mundo. Isto foi facilitado polo inicio da pandemia de Coronavirus. As tecnoloxías de Telemedicina mostraron a vantaxe de automatizar moitos procesos, axudaron a descargar clínicas e médicos a partir de cargas repetidamente aumentadas, lograron proporcionar atención médica remota de alta calidade aos pacientes.
No marco do proxecto científico e tecnolóxico de Sirius "Big Challenges-2020", os alumnos que participan no programa recibiron unha tarefa difícil a partir dos alugados de Rusia. Pídeselles que os médicos teñan que ensinar a intelixencia artificial para analizar imaxes médicas usando a visión informática e atopar rapidamente e con precisión a patoloxía nos pulmóns. A axuda e as suxestións da neurosette facilitan o funcionamento dos radiólogos, reducen o tempo para procesar as imaxes.
Para tal variedade de problemas e complexos, como recibir imaxes médicas, a aprendizaxe profunda require grandes conxuntos de datos para acadar o nivel de precisión requirido. As recomendacións da intelixencia artificial adoitan ser moi precisas. Os resultados do traballo serán cargados á biblioteca de código aberto, acceso a que se descubrirá para especialistas de todos os países. As solucións escolares poden ser probadas e aplicadas na práctica se a calidade de desenvolvemento organizará un usuario. A asistencia social aos escolares é proporcionada polo Centro de Intelixencia Artificial da Universidade de Innopolis.
O equipo do proxecto emprega seis 11 graos do Khanty-Mansiysk autónomo Okrug, Sevastopol, o territorio Khabarovsk, a República de Bashkortostan, Tyumen e Kemerovo e rexións. Son axudados por expertos desde o centro de Innopolis.
Semen Kiselev, investigador do Centro de Intelixencia Artificial da Universidade de Innopolis, un proxecto orientador, dixo que os desenvolvedores introducen nenos con métodos de aprendizaxe automática e visión informática. A popularización da matemática, a programación e os métodos de aprendizaxe de máquinas permitiranlle cambiar a actitude ás oportunidades de apertura de moitos que precisan deste cambio. O proxecto incentivará aos escolares a quedar máis activos no estudo das perspectivas de transformación dixital da sociedade, convincéndoas de que pode levar a unha vida máis interesante e intelectualmente plena. A experiencia de traballar con redes neuronais leva á elección da profesión futura, permítelle tocar as actividades na atmosfera de liberdade, desenvolve confianza en si mesmo e proporcionará aos nenos e adolescentes as competencias que necesitan no futuro.
Os mozos mostran onde en que áreas poden aplicar o coñecemento adquirido. Os participantes crean tales modelos e algoritmos para analizar as instantáneas dos pulmóns, nos que neuralizar a autosuficiencia para recoñecer a pneumonía e outras enfermidades respiratorias, pneumotórax ou tumor. Os modelos de aprendizaxe profundos poden facer predicións con precisión case inconfundible, con todo, xa que a lóxica interna do modelo é difícil de descubrir e interpretar, os argumentos a favor de por que esta decisión é correcta, a miúdo permanece sen igual.
Dado que as decisións médicas poden ter un peso incrible, moitos refírense críticamente á perspectiva de automatización completa. É moi importante lembrar que o coche non substitúe ao médico, senón que se converte no seu asistente e ao conselleiro, de feito é só o terceiro ollo para o médico. AI é necesaria para optimizar as tarefas de rutina, coa súa implementación omnipresente cambia profundamente especialidade con un forte compoñente visual, como a radioloxía e a patoloxía. Os practicantes, incluídos os cirurxiáns, están activamente interesados en desenvolver e implementar tales dispositivos. AI é necesaria para optimizar as tarefas de rutina, coa súa introdución xeneralizada, a especialidade cambiará cun forte compoñente visual, como a radioloxía e a patoloxía. Os practicantes, incluídos os cirurxiáns, están activamente interesados en desenvolver e implementar tales dispositivos.
Os escolares estudados de algoritmos son probados nunha gran cantidade de imaxes médicas reais de hospitais reais.
Os novos programadores deben ensinar a intelixencia artificial para calcular as dimensións exactas e a localización dos procesos patolóxicos nos pulmóns, indican ao médico sobre as anomalías do órgano. Materiais para a investigación Os participantes do proxecto atópanse en fontes abertas, bases de datos destes artigos científicos de universidades médicas nacionais e estranxeiras. Comproban os seus algoritmos en centos de imaxes médicas xenuínas de LPUs reais, porque o acceso a datos relevantes e suficientes é de suma importancia nos algoritmos de formación de AI.
Danila Pechenev, once alumno de Kemerovo, di que elixiu esta tarefa, porque xa traballou con Vision Machine. O seu proxecto dunha rede neuronal, que recoñece a caligrafía, converteuse no finalista do concurso "grandes desafíos". E o traballo da nova tarefa permitirache aprender métodos avanzados de aprendizaxe de máquinas. A análise das imaxes médicas de hoxe é unha tarefa urxente de aplicar redes neuronais. A tecnoloxía está dispoñible, na maioría dos casos que demostra unha alta precisión sobre cheques de verificación.
Para os finalistas do proxecto, as boas oportunidades están abertas para un maior desenvolvemento e auto-realización. Moitos participantes do anterior "gran desafío" foron inscritos nas maiores universidades dos países e están a traballar activamente con especialistas dos laboratorios MFTI. Os titulados universitarios levan proxectos en todo o tempo de adestramento e informan sobre logros e desenvolvementos na prensa científica global. Moitas ideas de participantes de "grandes desafíos" xa se usan na práctica por empresas asociadas.