"સિરિયસ" માં હાઇ સ્કૂલના વિદ્યાર્થીઓ ન્યુરેલેટને શીખવે છે ફેફસાંમાં પેથોલોજીને શોધો

"બિગ ચેલેન્જ -2020" એ સિરીયસ એજ્યુકેશન સેન્ટરમાં ડિસેમ્બરના બીજા ભાગમાં યોજાયેલી એક પ્રોજેક્ટમાંની એક તરીકે ઓળખાય છે. આ વૈજ્ઞાનિક અને તકનીકી પ્રોજેક્ટ કાર્યક્રમ દરમિયાન, હાઇ સ્કૂલના વિદ્યાર્થીઓએ કૃત્રિમ બુદ્ધિને તાલીમ આપી હતી. ગાય્સ કારને આગામી શાણપણમાં શીખવવાનું હતું:

1. સમાચાર લખો.
2. નવી દવાઓ વિકસાવો.
3. સીટીની ચિત્રોનું વિશ્લેષણ કરો.
4. સામાજિક નેટવર્ક્સમાં અરજદારોની અભ્યાસ રૂપરેખા.

સ્કૂલનાં બાળકોને યુનિવર્સિટી ઇનોપોલીસ, યાન્ડેક્સ, ઉચ્ચ શાળાના સંચાલન SPBSU, VTB બેંક, બાયોકાડના નિષ્ણાતોને મદદ કરે છે. આ યોજના છે કે શ્રેષ્ઠ ઑફર્સ પ્રેક્ટિસમાં લાગુ કરવામાં આવશે.

એન્ડ્રે રાસજોર્ગરોડ્સ્કી, "બિગ ડેટા" ડિરેક્ટરના વડા, ફીઝટેક-સ્કૂલ ઑફ એપ્લાઇડ ગણિતશાસ્ત્રના ડિરેક્ટર અને એમએફટીઆઈના ઇન્ફોર્મેટિક્સને નિર્દિષ્ટ કરવામાં આવે છે કે સત્ર 10 દિવસ ચાલ્યો હતો. આ સમય દરમિયાન, ગાય્સે વિવિધ ડિજિટલ ટેક્નોલૉજી ટૂલ્સ સાથે કામ કરવાનું શીખ્યા છે અને હવે ઘરે ભવિષ્યમાં તેમની કુશળતાનો ઉપયોગ કરી શકશે.

પ્રોજેક્ટ એક અલગ દિશા "મોટા ડેટા, કૃત્રિમ બુદ્ધિ, નાણાકીય તકનીક અને મશીન લર્નિંગ" માટે પ્રદાન કરે છે. રશિયાના 18 પ્રદેશોથી 28 અગિયારમી ગ્રેડર્સને તેમાં કામ કરવા આમંત્રણ આપવામાં આવ્યું હતું. આ ગાય્સ ડિઝાઇન અને સંશોધન કાર્યની બધી રશિયન સ્પર્ધાના ફાઇનલિસ્ટ બન્યા.

આ દિશામાં સહભાગીઓ માટે, યાન્ડેક્સે એક ખાસ ઓર્ડર બનાવ્યો છે: સમાચાર જનરેટ કરવા માટે પ્રોગ્રામ વિકસાવવા માટે, જેથી આધુનિક આવૃત્તિઓ દૈનિક કાર્યમાં વાપરી શકાય. વીટીબી બેન્ક અને સેન્ટ પીટર્સબર્ગ સ્ટેટ યુનિવર્સિટીએ સિરિયસ સ્કૂલના બાળકોનું કાર્ય પણ આપ્યું. ગાય્સે સોશિયલ નેટવર્ક્સનું વિશ્લેષણ કરવું આવશ્યક છે અને બિઝનેસ સ્કૂલ અરજદારનું પોટ્રેટ બનાવવા માટે પ્રાપ્ત માહિતીના આધારે.

વૈજ્ઞાનિકોએ સ્કૂલના બાળકોને એક જટિલ ઇચ્છા સાથે કોયડારૂપ કરી: લોકોએ નવી દવાઓ બનાવતી વખતે પરમાણુ સંકુલના માળખાને મોડેલિંગ કરતી કમ્પ્યુટરની સહાયથી ચોક્કસપણે આગાહી કરવી જોઈએ. કારને સૌથી વધુ વિશ્વાસપાત્ર સંયોજનો અને જે લોકો ખરેખર અસ્તિત્વમાં છે તે શોધશે. નવી પદ્ધતિની આગાહી કરવી આવશ્યક છે કે તૈયારી કેવી રીતે અસરકારક રીતે બનાવવામાં આવી છે. ઉચ્ચ શાળાના વિદ્યાર્થીઓના સૂચનોનો ઉપયોગ બાયોકાડના હેજ એલ્ગોરિધમનમાં કરવામાં આવે છે.

કૃત્રિમ બુદ્ધિ પર આધારિત ડિજિટલ તકનીકીઓ વિશ્વના ઘણા દેશોમાં તબીબી ઉદ્યોગમાં સક્રિયપણે લાગુ કરવામાં આવી છે. આ કોરોનાવાયરસ રોગચાળાના પ્રારંભથી આ સુવિધા આપવામાં આવી હતી. ટેલિમેડિસિન ટેક્નોલોજિસે ઘણી પ્રક્રિયાઓને સ્વચાલિત કરવાનો ફાયદો બતાવ્યો છે, વારંવાર વધેલા લોડથી ક્લિનિક્સ અને ડોકટરોને અનલોડ કરવામાં સહાય કરી, દર્દીઓને ઉચ્ચ ગુણવત્તાની દૂરસ્થ તબીબી સંભાળ પ્રદાન કરવામાં સફળ થાય છે.

સિરિયસ "મોટી પડકારો -2020" ના વૈજ્ઞાનિક અને તકનીકી પ્રોજેક્ટના માળખામાં, પ્રોગ્રામમાં ભાગ લેનારા વિદ્યાર્થીઓએ રશિયાના ભાડાઓને કારણે એક મુશ્કેલ કાર્ય પ્રાપ્ત કર્યું. ડોકટરોને કમ્પ્યુટર વિઝનનો ઉપયોગ કરીને તબીબી છબીઓનું વિશ્લેષણ કરવા માટે કૃત્રિમ બુદ્ધિ શીખવવા માટે કહેવામાં આવે છે અને ફેફસાંમાં ઝડપથી અને સચોટ રીતે શોધો. ન્યુરોસેટની સહાય અને ટીપ્સ રેડિયોલોજિસ્ટ્સની કામગીરીને સરળ બનાવે છે, તે ચિત્રોને પ્રક્રિયા કરવા માટે સમય ઘટાડે છે.

તબીબી છબીઓ પ્રાપ્ત કરવા જેવી વિવિધતા અને જટિલ સમસ્યાઓ માટે, ઊંડા શિક્ષણની આવશ્યકતા સ્તરની ચોકસાઈ પ્રાપ્ત કરવા માટે મોટા ડેટા સેટ્સની જરૂર પડે છે. કૃત્રિમ બુદ્ધિની ભલામણો સામાન્ય રીતે ખૂબ જ સચોટ હોય છે. કાર્યના પરિણામો ઓપન સોર્સ લાઇબ્રેરીમાં અપલોડ કરવામાં આવશે, જે ઍક્સેસ જે તમામ દેશોના નિષ્ણાતો માટે શોધવામાં આવશે. જ્યારે ડેવલપિલ્ડન સોલ્યુશન્સનું પરીક્ષણ કરવામાં આવે છે અને વ્યવહારમાં ઉપયોગ કરવામાં આવે છે, જો વિકાસની ગુણવત્તા વપરાશકર્તાને ગોઠવે છે. સ્કૂલના બાળકોને પાર્ટનર સહાય એ ઇનોપોલીસ યુનિવર્સિટીના કૃત્રિમ બુદ્ધિ માટે કેન્દ્ર દ્વારા પ્રદાન કરવામાં આવે છે.

પ્રોજેક્ટ ટીમ ખંતીના-માનસિસ્ક ઓટોનોમસ ઓક્રોગ, સેટોસ્ટોપોલ, ખબરોવસ્ક ટેરિટરી, બાસ્કોર્ટોસ્ટન, ટિયુમેન અને કેમેરોવો અને પ્રદેશોમાંથી છ 11-ગ્રેડનો ઉપયોગ કરે છે. તેઓ ઇનોપોલીસના કેન્દ્રના નિષ્ણાતો દ્વારા મદદ કરે છે.

એક માર્ગદર્શક યોજના, ઇનોપોલીસ યુનિવર્સિટીના કૃત્રિમ બુદ્ધિના કેન્દ્રના સંશોધનકારે સેવન કિસેલવએ જણાવ્યું હતું કે વિકાસકર્તાઓએ બાળકોને મશીન લર્નિંગ અને કમ્પ્યુટર વિઝનની પદ્ધતિઓ સાથે રજૂ કર્યું છે. ગણિતશાસ્ત્ર, પ્રોગ્રામિંગ અને મશીન લર્નિંગ પધ્ધતિઓની લોકપ્રિયતા તમને આ પરિવર્તનની જરૂર હોય તેવા લોકોની પ્રારંભિક તકો પર વલણને બદલવાની મંજૂરી આપશે. આ પ્રોજેક્ટ સ્કૂલના બાળકોને સમાજના ડિજિટલ પરિવર્તન માટે સંભાવનાઓનો અભ્યાસ કરવા માટે વધુ સક્રિય બનશે, તેમને ખાતરી છે કે તે તેમને વધુ રસપ્રદ અને બૌદ્ધિક રીતે પૂર્ણથી ભરપૂર જીવન તરફ દોરી શકે છે. ન્યુરલ નેટવર્ક્સ સાથે કામ કરવાનો અનુભવ ભવિષ્યના વ્યવસાયની પસંદગી તરફ દોરી જાય છે, તમને સ્વતંત્રતાના વાતાવરણમાં પ્રવૃત્તિઓને સ્પર્શ કરવાની મંજૂરી આપે છે, તમારામાં આત્મવિશ્વાસ વિકસાવવામાં આવે છે અને બાળકો અને કિશોરોને ભવિષ્યમાં જરૂર પડે તેવા સક્ષમતા પ્રદાન કરશે.

ગાય્સ બતાવે છે કે તેઓ કયા ક્ષેત્રોમાં મેળવેલા જ્ઞાનને લાગુ કરી શકે છે. સહભાગીઓ ફેફસાંના સ્નેપશોટનું વિશ્લેષણ કરવા માટે આવા મોડેલ્સ અને એલ્ગોરિધમ્સ બનાવે છે, જેમાં ન્યુમોનિયા અને અન્ય શ્વસન રોગો, ન્યુમોથૉરેક્સ અથવા ટ્યુમરને ઓળખવા માટે સ્વ-પ્રગતિને ન્યુરલ કરે છે. ડીપ લર્નિંગ મોડલ્સ લગભગ અવિશ્વસનીય ચોકસાઈથી આગાહી કરી શકે છે, જો કે, મોડેલના આંતરિક તર્કને ઉજાગર કરવું અને અર્થઘટન કરવું મુશ્કેલ છે, આ નિર્ણય કેમ સાચો છે તે તરફેણમાં દલીલો, ઘણીવાર અસમર્થ રહે છે.

કારણ કે તબીબી નિર્ણયોમાં અકલ્પનીય વજન હોઈ શકે છે, તેથી ઘણા વિવેચનાત્મક રીતે સંપૂર્ણ ઓટોમેશનની સંભાવનાનો સંદર્ભ આપે છે. તે યાદ રાખવું ખૂબ જ મહત્વપૂર્ણ છે કે કાર ડૉક્ટરને બદલી શકતી નથી, પરંતુ તેના સહાયક અને સલાહકાર બની જાય છે, હકીકતમાં તે ડૉક્ટર માટે ત્રીજી આંખ છે. નિયમિત કાર્યોને ઑપ્ટિમાઇઝ કરવા માટે એઆઈની આવશ્યકતા છે, તેની સર્વવ્યાપી અમલીકરણ, જેમ કે રેડિયોલોજી અને પેથોલોજી જેવા મજબૂત વિઝ્યુઅલ ઘટક સાથે વિશેષતામાં વધારો કરે છે. સર્જનો સહિતના પ્રેક્ટિશનર્સ, આવા ઉપકરણોને વિકસાવવા અને અમલીકરણમાં સક્રિયપણે રસ ધરાવે છે. એઆઈને નિયમિત કાર્યોને ઑપ્ટિમાઇઝ કરવા માટે જરૂરી છે, તેના વ્યાપક પરિચય સાથે, વિશેષતા મજબૂત દ્રશ્ય ઘટક, જેમ કે રેડિયોલોજી અને પેથોલોજી સાથે બદલાશે. સર્જનો સહિતના પ્રેક્ટિશનર્સ, આવા ઉપકરણોને વિકસાવવા અને અમલીકરણમાં સક્રિયપણે રસ ધરાવે છે.

અભ્યાસવાળા એલ્ગોરિધમ્સ સ્કૂલના બાળકોને વાસ્તવિક હોસ્પિટલોની મોટી સંખ્યામાં વાસ્તવિક તબીબી ચિત્રો પર પરીક્ષણ કરવામાં આવે છે.

યુવાન પ્રોગ્રામરોએ ફેફસાંમાં પેથોલોજીકલ પ્રક્રિયાઓના ચોક્કસ પરિમાણો અને સ્થાનની ગણતરી કરવા માટે કૃત્રિમ બુદ્ધિને શીખવવું આવશ્યક છે, ડૉક્ટરને અંગની અસંગતતા પર સૂચવે છે. સંશોધન માટેની સામગ્રી પ્રોજેક્ટ સહભાગીઓ ખુલ્લા સ્ત્રોતોમાં જોવા મળે છે, જે સ્થાનિક અને વિદેશી તબીબી યુનિવર્સિટીઓના આ વૈજ્ઞાનિક લેખોના ડેટાબેસેસ છે. તેઓ તેમના એલ્ગોરિધમ્સને વાસ્તવિક એલપીયુથી સેંકડો વાસ્તવિક તબીબી ચિત્રો પર તપાસે છે, કારણ કે સંબંધિત અને પૂરતા ડેટાની ઍક્સેસ એઆઈના એલ્ગોરિધમ્સમાં સૌથી મહત્વનું છે.

ડેનીલા પેચેનેવ, કેમેરોવોથી અગિયાર-ગ્રેડર કહે છે કે તેણે આ કાર્ય પસંદ કર્યું છે, કારણ કે તેણે પહેલેથી જ મશીન દ્રષ્ટિથી કામ કર્યું છે. ન્યુરલ નેટવર્કની તેમની યોજના, જે હસ્તલેખનને ઓળખે છે, તે "મોટી પડકારો" હરીફાઈના ફાઇનલિસ્ટ બન્યા. અને નવા કાર્ય પરનું કાર્ય તમને અદ્યતન મશીન લર્નિંગ પદ્ધતિઓ શીખવાની મંજૂરી આપશે. તબીબી છબીઓનું વિશ્લેષણ આજે ન્યુરલ નેટવર્ક્સ લાગુ કરવાનો તાત્કાલિક કાર્ય છે. તકનીકી ઉપલબ્ધ છે, મોટાભાગના કિસ્સાઓમાં ચકાસણી માટે ચેક પર ઉચ્ચ ચોકસાઈ દર્શાવે છે.

પ્રોજેક્ટના ફાઇનલિસ્ટ્સ માટે, વધુ વિકાસ અને આત્મ-સાક્ષાત્કાર માટે સારી તકો ખોલવામાં આવે છે. અગાઉના "મોટી પડકાર" ના ઘણા સહભાગીઓ દેશોની સૌથી મોટી યુનિવર્સિટીઓમાં નોંધાયેલા હતા અને એમટીએફટી લેબોરેટરીઝના નિષ્ણાતો સાથે સક્રિયપણે કાર્ય કરી રહ્યા છે. યુનિવર્સિટી સમગ્ર તાલીમ સમય દરમ્યાન લીડ પ્રોજેક્ટ્સ અને વૈશ્વિક વૈજ્ઞાનિક પ્રેસમાં સિદ્ધિઓ અને વિકાસ વિશે જાણ કરે છે. ભાગીદાર કંપનીઓ દ્વારા "મોટી પડકારો" ના સહભાગીઓના ઘણા વિચારો પહેલેથી જ ઉપયોગમાં લેવાય છે.