«Մեծ մարտահրավերներ -2020» -ը այնքան հավակնոտ է անվանել դեկտեմբերի երկրորդ կեսին, Սիրիուսի ուսումնական կենտրոնում: Այս գիտական եւ տեխնոլոգիական նախագծի ծրագրի ընթացքում ավագ դպրոցի աշակերտները վերապատրաստեցին արհեստական ինտելեկտ: Տղաները պետք է մեքենան ուսուցանեին հաջորդ իմաստությանը.
- Գրեք նորություններ:
- Մշակել նոր դեղեր:
- Վերլուծեք CT- ի նկարները:
- Դիմորդների ուսումնասիրության պրոֆիլներ սոցիալական ցանցերում:
Դպրոցականները օգնեցին մասնագետներին համալսարանական բուհերի, Կառավարման բարձրագույն դպրոցի, ՎՏԲ բանկի, ՎՏԲ բանկի, ՎՏԲ բանկի, Բիոկադ: Նախատեսվում է, որ լավագույն առաջարկներն իրականացվեն գործնականում:
Անդրեյ Ռասջորգորոդսկին, «Մեծ տվյալների» տնօրեն, Կիրառական մաթեմատիկայի ֆիզտեխ-դպրոցի տնօրեն եւ MFTI- ի ինֆորմատիկայի ռեժիսոր, հստակ է նշվում, որ նիստը տեւեց 10 օր: Այս ընթացքում տղաները սովորել են աշխատել տարբեր թվային տեխնոլոգիական գործիքների հետ եւ այժմ կկարողանան ապագայում օգտագործել իրենց հմտությունները տանը:
Ծրագիրը նախատեսում է առանձին ուղղություն, «Մեծ տվյալներ, արհեստական բանականություն, ֆինանսական տեխնոլոգիա եւ մեքենայական ուսուցում»: Դրանում առաջարկվել է աշխատել Ռուսաստանի 18 շրջաններից 28 տասնմեկերորդ դասարանցիներ: Այս տղաները դարձան դիզայնի եւ հետազոտական աշխատանքների համառուսական մրցույթի եզրափակիչ մասնակիցները:
Այս ուղղությամբ մասնակիցների համար Yandex- ը ստեղծել է հատուկ կարգ. Նորություններ ստեղծելու ծրագիր մշակել, որպեսզի ժամանակակից հրատարակությունները օգտագործվեն ամենօրյա աշխատանքներում: ՎՏԲ-Հայաստան Բանկը եւ Սանկտ Պետերբուրգի պետական համալսարանը նույնպես տվեցին Սիրիուսի դպրոցականների խնդիրը: Տղաները պետք է վերլուծեն սոցիալական ցանցերը եւ հիմնվելով ստացված տեղեկատվության վրա, բիզնեսի դպրոցի դիմորդի դիմանկար կազմելու համար:
Գիտնականները տարակուսեցին դպրոցականներին `բարդ ցանկությամբ. Տղաները պետք է արհեստական ինտելեկտ սովորեն, որպեսզի ճշգրիտ կանխատեսեն մոլեկուլային համալիրի կառուցվածքը մոդելավորելու միջոցով: Մեքենան պետք է գտնի առավել հավատալի համադրություններ եւ նրանք, որոնք իսկապես գոյություն ունեն բնության մեջ: Նոր մեթոդը պետք է կանխատեսել, թե որքանով է արդյունավետ նախապատրաստումը: Ավագ դպրոցի աշակերտների առաջարկությունները պետք է օգտագործվեն Biocad- ի ցանկապատի ալգորիթմում:
Արհեստական ինտելեկտի հիման վրա թվային տեխնոլոգիաները ակտիվորեն կիրառվել են աշխարհի շատ երկրներում բժշկական արդյունաբերության մեջ: Սա դյուրինացվեց Coronavirus Pandemic- ի սկզբից: Telemedicine Technologies- ը ցույց է տվել բազմաթիվ գործընթացների ավտոմատացման առավելությունը, օգնելով բեռնաթափել կլինիկաներին եւ բժիշկներին բազմիցս ավելացված բեռներից, հաջողվել է բարձրորակ հեռավոր բժշկական օգնություն ցուցաբերել հիվանդներին:
Սիրիուսի «Մեծ մարտահրավերներ -2020» գիտատյաց եւ տեխնոլոգիական նախագծի շրջանակներում ծրագրին մասնակցող ուսանողները բարդ խնդիր են ստացել Ռուսաստանի վարձակալողներից: Բժիշկներին խնդրվում է արհեստական ինտելեկտ սովորեցնել `վերլուծելու բժշկական պատկերները համակարգչային տեսլականի միջոցով եւ արագ եւ ճշգրիտ են գտնում թոքերում: Նյարդոզետի օգնությունը եւ խորհուրդները հեշտացնում են ռադիոլոգների աշխատանքը, նվազեցնում են նկարները մշակելու ժամանակը:
Նման բազմազանության եւ բարդ խնդիրների համար, որպես բժշկական պատկերներ ստանալը, խորը ուսումը պահանջում է մեծ տվյալների հավաքածու `ճշգրտության պահանջվող մակարդակի հասնելու համար: Արհեստական հետախուզության առաջարկությունները սովորաբար շատ ճշգրիտ են: Աշխատանքի արդյունքները կբեռնվեն բաց կոդով գրադարան, որի հասանելիությունը կբացահայտվի բոլոր երկրների մասնագետների համար: Դպրոցականների լուծումները կարող են փորձարկվել եւ կիրառվել գործնականում, եթե զարգացման որակը կկազմի օգտվող: Գործընկերոջ աջակցությունը դպրոցականներին տրամադրվում է Անբավարարների համալսարանի արհեստական ինտելեկտի կենտրոնի կողմից:
Ծրագրի թիմը աշխատում է Խանտի-Մանսիյսկ Ինքնավար Օկրուգի, Սեւաստոպոլի, Խաբարովսկի տարածքից, Բաշկորտոստանից, Տյումենից եւ Կեմերովոյում եւ մարզերից: Նրանց օգնում են փորձագետները Իննոպոլիսի կենտրոնից:
Ուղղորդող նախագիծը, Լուրոպոլիսի համալսարանի արհեստական ինտելեկտի կենտրոնի հետազոտող Սեմեն Կիսելեւը ասաց, որ մշակողները երեխաներին ներկայացնում են մեքենայական ուսուցման եւ համակարգչային տեսլականի մեթոդներ: Մաթեմատիկայի, ծրագրավորման եւ մեքենայական ուսուցման մեթոդների մասսայականացումը թույլ կտա ձեզ փոխել վերաբերմունքը շատերի բացման հնարավորությունների նկատմամբ, ովքեր կարիք ունեն այս փոփոխության: Ծրագիրը խրախուսելու է դպրոցականներին ավելի ակտիվանալ հասարակության թվային վերափոխման հեռանկարները ուսումնասիրելու հարցում, համոզելով նրանց, որ այն կարող է նրանց տանել ավելի հետաքրքիր եւ ինտելեկտուալ լիարժեք կյանք: Նյարդային ցանցերի հետ աշխատելու փորձը հանգեցնում է ապագա մասնագիտության ընտրությանը, թույլ է տալիս շոշափել գործողությունները ազատության մթնոլորտում, զարգացնում է վստահությունը ձեր առջեւ դրված իրավասություններին:
Տղաները ցույց են տալիս, թե որտեղ են տարածքներում նրանք կարող են կիրառել ձեռք բերված գիտելիքները: Մասնակիցները ստեղծում են նման մոդելներ եւ ալգորիթմներ `թոքերի լուսանկարները վերլուծելու համար, որոնցում նեուրարիզային նեուրարզացնել թոքաբորբը եւ շնչառական այլ հիվանդություններ, թոքաբորբ կամ ուռուցք: Ուսուցման խորը մոդելները կարող են կանխատեսումներ անել գրեթե անսխալ ճշգրտությամբ, քանի որ մոդելի ներքին տրամաբանությունը դժվար է բացահայտել եւ մեկնաբանել, փաստարկները, թե ինչու են այդ որոշումը ճիշտ, հաճախ մնում է անառողջ:
Քանի որ բժշկական որոշումները կարող են ունենալ անհավատալի քաշ, շատերը քննադատաբար վերաբերում են լիարժեք ավտոմատացման հեռանկարին: Շատ կարեւոր է հիշել, որ մեքենան չի փոխարինում բժշկին, բայց դառնում է նրա օգնականը եւ խորհրդականը, իրականում դա պարզապես երրորդ աչքն է բժշկի համար: AI- ն անհրաժեշտ է սովորական առաջադրանքները օպտիմալացնելու համար, իր համատարած իրականացումը խորապես փոխում է մասնագիտությունը ուժեղ տեսողական բաղադրիչով, ինչպիսիք են ռադիոլոգիան եւ պաթոլոգիան: Գործնականները, ներառյալ վիրաբույժները, ակտիվորեն շահագրգռված են նման սարքերի մշակում եւ իրականացում: AI- ն անհրաժեշտ է սովորական առաջադրանքները օպտիմալացնելու համար, իր համատարած ներդրմամբ, մասնագիտությունը կփոխվի ուժեղ տեսողական բաղադրիչով, ինչպիսիք են ռադիոլոգիան եւ պաթոլոգիան: Գործնականները, ներառյալ վիրաբույժները, ակտիվորեն շահագրգռված են նման սարքերի մշակում եւ իրականացում:
Ուսումնասիրված ալգորիթմների դպրոցականները փորձարկվում են իրական հիվանդանոցներից իրական բժշկական նկարների մեծ թվով:
Երիտասարդ ծրագրավորողները պետք է արհեստական ինտելեկտի ուսուցանեն թոքերում պաթոլոգիական գործընթացների ճշգրիտ չափերը եւ գտնվելու վայրը հաշվարկելու համար, նշեք բժշկին օրգանի անոմալիաների վերաբերյալ: Ծրագրի մասնակիցների հետազոտության նյութերը հայտնաբերվում են բաց աղբյուրներում, ներքին եւ արտասահմանյան բժշկական բուհերի այս գիտական հոդվածների տվյալների բազաներ: Նրանք ստուգում են իրենց ալգորիթմները իրական LPU- ների հարյուրավոր իրական բժշկական նկարների վրա, քանի որ համապատասխան եւ բավարար տվյալների մատչելիությունը կարեւոր նշանակություն ունի AI- ի ալգորիթմներում:
Քեմերովոյի տասնմեկ-դասարանի Դանիլա Պեչենեւն ասում է, որ ընտրեց այս առաջադրանքը, քանի որ նա արդեն աշխատել է մեքենայական տեսլականով: Նյարդային ցանցի իր նախագիծը, որը ճանաչում է ձեռագիրը, դարձավ «Մեծ մարտահրավերներ» մրցույթի եզրափակիչը: Եվ նոր առաջադրանքի վրա կատարված աշխատանքը թույլ կտա ձեզ սովորել առաջատար մեքենայի ուսուցման մեթոդներ: Բժշկական պատկերների վերլուծությունը այսօր նյարդային ցանցեր կիրառելու հրատապ խնդիր է: Տեխնոլոգիան մատչելի է, շատ դեպքերում, ցույց տալով բարձր ճշգրտություն ստուգման համար ստուգումների վերաբերյալ:
Ծրագրի եզրափակչի մասնակիցների համար լավ հնարավորություններ են բացվում հետագա զարգացման եւ ինքնազարգացման համար: Նախորդ «մեծ մարտահրավերի» բազմաթիվ մասնակիցներ ընդգրկվեցին երկրների ամենամեծ համալսարաններում եւ ակտիվորեն աշխատում են MFTI լաբորատորիաների մասնագետների հետ: Համալսարանի շրջանավարտներ ղեկավարում են նախագծերը ամբողջ մարզման ընթացքում եւ տեղեկացնում են համաշխարհային գիտական մամուլում ձեռքբերումների եւ զարգացումների մասին: «Մեծ մարտահրավերների» մասնակիցների շատ գաղափարներ արդեն գործնականում օգտագործվում են գործընկեր ընկերությունների կողմից: