תלמידי תיכון "סיריוס" מלמדים לנוירלט למצוא פתולוגיה בריאות

"האתגרים הגדולים - 2020" כינה כל כך באחד הפרויקטים שנערך במחצית השנייה של דצמבר במרכז החינוכי סיריוס. במהלך תוכנית הפרויקט המדעית והטכנולוגית הזאת, תלמידי תיכון מאומנים בינה מלאכותית. החבר'ה היו ללמד את המכונית לחוכמה הבאה:

1. כתוב חדשות.
2. לפתח תרופות חדשות.
3. לנתח את התמונות של CT.
4. מחקר פרופילים של מועמדים ברשתות חברתיות.

תלמידי בית הספר עזרו למומחים מאוניברסיטת Innopolis, Yandex, בית ספר גבוה יותר של ניהול Spbsu, בנק VTB, Biocad. הוא מתוכנן כי ההצעות הטובות ביותר ייושם בפועל.

אנדריי Rasjorgorodsky, ראש מנהל "נתונים גדולים", מנהל בית הספר FIZTECH של מתמטיקה יישומית ולאפטראיקה של MEFTI, מוגדר כי הפגישה נמשכה 10 ימים. במהלך תקופה זו, החבר 'ה למדו לעבוד עם כלים שונים טכנולוגיה דיגיטלית יוכלו עכשיו להשתמש במיומנויות שלהם בעתיד בבית.

הפרויקט מספק לכיוון נפרד "נתונים גדולים, בינה מלאכותית, טכנולוגיה פיננסית למידה". 28 תלמידי עשרה מ -18 אזורים של רוסיה הוזמנו לעבוד בו. החבר 'ה האלה הפכו למועמדים המועמדים של התחרות הרוסית של העיצוב והמחקר.

עבור המשתתפים בכיוון זה, Yandex יצרה הזמנה מיוחדת: לפתח תוכנית לייצר חדשות, כך שהמהדורות המודרניות ניתן להשתמש בעבודה יומיומית. בנק VTB ואוניברסיטת סנט פטרסבורג גם נתן את המשימה של סיריוס תלמידים. החבר'ה חייבים לנתח רשתות חברתיות ולהתבסס על המידע שהתקבל כדי להפוך את הדיוקן של בית ספר עסקי.

מדענים התמהמו בבית הספר עם משאלה מורכבת: החבר'ה צריכים ללמד בינה מלאכותית כדי לחזות במדויק בעזרת המחשב דוגמנות המבנה של המתחם המולקולרי בעת יצירת תרופות חדשות. המכונית תצטרך למצוא את השילובים האמינים ביותר ואלה שבאמת קיימים בטבע. השיטה החדשה צריכה להיות חזו כמה ביעילות ההכנה שנוצרה. הצעות מתלמידי תיכון אמורים לשמש באלגוריתם הגידור של ביוקד.

טכנולוגיות דיגיטליות המבוססות על בינה מלאכותית הפכו ליישם באופן פעיל בתעשייה הרפואית במדינות רבות של העולם. זה היה להקל על תחילתו של מגיפת Coronavirus. טלמדיין טכנולוגיות הראו את היתרון של automating תהליכים רבים, סייעו לפרוק מרפאות ורופאים מן המטענים מוגברת שוב ושוב, הצליחו לספק טיפול רפואי באיכות גבוהה לחולים.

במסגרת הפרויקט המדעי והטכנולוגי של סיריוס "האתגרים הגדולים-2020", התלמידים המשתתפים בתוכנית קיבלו משימה קשה של רוכזת רוסיה. הרופאים מתבקשים ללמד בינה מלאכותית לנתח תמונות רפואיות באמצעות חזון מחשב במהירות ובדייקנות למצוא פתולוגיה בריאות. העזרה והטימות של נוירוזיות להקל על הפעולה של רדיולוגים, להפחית את הזמן כדי לעבד את התמונות.

עבור מגוון כזה של בעיות מורכבות, כמו קבלת תמונות רפואיות, למידה עמוקה דורשת נתונים גדולים קובע כדי להשיג את רמת הדיוק הנדרשת. ההמלצות של בינה מלאכותית הן בדרך כלל מדויקות מאוד. תוצאות העבודה יועלו לספריית קוד פתוח, גישה אליה יתגלה עבור מומחים מכל המדינות. פתרונות תלמידים יכולים להיבדק ולהחיל בפועל אם איכות הפיתוח יסדר משתמש. סיוע בפרטנר ללימודים מסופקים על ידי המרכז לאינטליגנציה מלאכותית של אוניברסיטת אינליסופוליס.

צוות הפרויקט מעסיקה שש כיתות מתוך אוקרוג האוטונומי-מאנסיסק, סבסטופול, השטח Khabarovsk, הרפובליקה של Bashkortostan, Tyumen ו Kemerovo ואזורים. הם נעזרים על ידי מומחים ממרכז Innopolis.

Semen Kiselev, חוקר המרכז לאינטליגנציה מלאכותית של אוניברסיטת Innopolis, פרויקט מנחה, אמר כי היזמים מציגים ילדים עם שיטות של למידה מכונה חזון מחשב. פופולריזציה של מתמטיקה, תכנות ושיטות הלמידה יאפשר לך לשנות את היחס להזדמנויות הפתיחה של רבים הזקוקים לשינוי זה. הפרויקט יעודד תלמידי בית הספר כדי להיות פעיל יותר ללמוד את הסיכויים עבור טרנספורמציה דיגיטלית של החברה, לשכנע אותם כי זה יכול להוביל אותם חיים מעניינים ומלאה אינטלקטואלית. הניסיון של עבודה עם רשתות עצביות מוביל לבחירה של המקצוע בעתיד, מאפשר לך לגעת בפעילויות באווירה של חופש, מפתחת ביטחון בעצמך ותספק ילדים ומתבגרים את היתרונות שהם זקוקים לעתיד.

החבר 'ה מראים איפה באיזה אזורים הם יכולים ליישם את הידע שנרכש. המשתתפים יוצרים מודלים ואלגוריתמים כאלה לניתוח התמונות של הריאות, שבהם לעצב את ההתקדמות העצמית להכיר דלקת ריאות ומחלות נשימה אחרות, pneumothorax או גידול. מודלים למידה עמוקים יכולים לבטל תחזיות עם דיוק כמעט בלתי צפוי, עם זאת, מאז ההיגיון הפנימי של המודל קשה לחשוף ולפרש, את הטיעונים לטובת מדוע החלטה זו נכונה, לעתים קרובות להישאר לא נכון.

מאז החלטות רפואיות עשויות להיות משקל מדהים, רבים מתייחסים ביקורתי את האפשרות של אוטומציה מלאה. חשוב מאוד לזכור כי המכונית לא להחליף את הרופא, אבל הופך העוזר שלו ואת היועץ, למעשה זה רק העין השלישית עבור הרופא. AI נדרש כדי לייעל משימות שגרתיות, עם היישום שלה בכל מקום שינויים עמוק מיוחדים עם רכיב חזותי חזק, כגון רדיולוגיה ופתולוגיה. מתרגלים, כולל מנתחים, מעוניינים באופן פעיל בפיתוח ויישום מכשירים כאלה. AI נדרש כדי לייעל משימות שגרתיות, עם מבוא נרחב שלה, המומחיות ישתנה עם רכיב חזותי חזק, כגון רדיולוגיה ופתולוגיה. מתרגלים, כולל מנתחים, מעוניינים באופן פעיל בפיתוח ויישום מכשירים כאלה.

אלגוריתמים שנלמדו תלמידי בית הספר נבדקים על מספר רב של תמונות רפואיות אמיתיות מבתי חולים אמיתיים.

מתכנתים צעירים חייבים ללמד אינטליגנציה מלאכותית לחישוב את הממדים המדויקים ואת המיקום של תהליכים פתולוגיים בריאות, מצביעים על הרופא על אנומליות של האיבר. חומרים למחקר המשתתפים בפרויקט נמצאים במקורות פתוחים, מאגרי מידע של מאמרים מדעיים אלה של אוניברסיטאות רפואיות מקומיות וזרים. הם בודקים את האלגוריתמים שלהם על מאות תמונות רפואיות אמיתיות של LOPUs אמיתי, כי גישה לנתונים רלוונטיים מספיק הוא בעל חשיבות עליונה באלגוריתמים אימון של AI.

דנילה Pechenev, אחת-עשרה-תלבום מקמירובו, אומרת שהוא בחר במשימה זו, כי הוא כבר עבד עם ראיית מכונות. הפרויקט שלו של רשת עצבית, שמכיר בכתב היד, הפך לגמר של תחרות "האתגרים הגדולים". והעבודה על המשימה החדשה תאפשר לך ללמוד שיטות למידה מתקדמות. ניתוח של תמונות רפואיות היום הוא משימה דחופה של החלת רשתות עצביות. הטכנולוגיה זמינה, ברוב המקרים מדגים דיוק גבוה על המחאות לאימות.

עבור המועמדים של הפרויקט, הזדמנויות טובות נפתחות לפיתוח נוסף ולהגשמה עצמית. משתתפים רבים של "האתגר הגדול" הקודם נרשמו באוניברסיטאות הגדולות ביותר של המדינות והם עובדים באופן פעיל עם מומחים של מעבדות MIFI. בוגרי האוניברסיטה מובילים פרויקטים לאורך כל זמן האימון והודיעו על הישגים והתפתחויות בעיתונות המדעית העולמית. רעיונות רבים של משתתפים של "אתגרים גדולים" כבר בשימוש בפועל על ידי חברות שותף.