"Dideli iššūkiai-2020" yra tokia ambicinga, vadinama vienu iš pirmųjų gruodžio antroje pusėje Siriaus švietimo centre. Šioje mokslo ir technologijų projekto programoje vidurinės mokyklos mokiniai mokė dirbtinį intelektą. Vaikinai buvo mokyti automobilį į kitą išmintį:
- Rašykite naujienas.
- Kurti naujus vaistus.
- Analizuokite CT nuotraukas.
- Studijų profiliai socialiniuose tinkluose.
Schoolchildren padėjo ekspertams iš universiteto Innopolis, Yandex, Aukštosios vadybos mokyklos SPBSU, VTB bankas, BioCAD. Planuojama, kad geriausi pasiūlymai bus įgyvendinami praktikoje.
Andrejus Rasjorgorodskis, vadovas "Didžiųjų duomenų" direktorius, Fiztech-mokyklos taikomosios matematikos ir informatikos MFTI direktorius, yra nurodyta, kad sesija truko 10 dienų. Per šį laiką vaikinai išmoko dirbti su įvairiomis skaitmeninėmis technologijomis ir dabar galės pasinaudoti savo įgūdžiais ateityje namuose.
Projektas numato atskirą kryptį "dideli duomenys, dirbtinis intelektas, finansų technologijos ir mašinos mokymasis". 28 Vienuoliktoji greideriai iš 18 Rusijos regionų buvo pakviesti į jį dirbti. Šie vaikinai tapo visų Rusijos projektavimo ir mokslinių tyrimų darbų konkurso finalininkais.
Dalyviams šia kryptimi Yandex sukūrė specialią tvarką: sukurti programą, skirtą naujienų generuoti, kad šiuolaikiniai leidimai būtų naudojami kasdieniame darbe. VTB bankas ir Sankt Peterburgo valstybinis universitetas taip pat davė Siriaus moksleivių užduotį. Vaikinai turi išanalizuoti socialinius tinklus ir grindžiamas gauta informacija, kad būtų pasiektas verslo mokyklos pareiškėjo portretas.
Mokslininkai sumušė moksleivius su kompleksu: vaikinai turėtų mokyti dirbtinį intelektą tiksliai prognozuoti su kompiuterio modeliavimo molekulinės komplekso struktūrą kuriant naujus vaistus. Automobilis turės rasti tikėtiniausius derinius ir tuos, kurie tikrai egzistuoja. Naujasis metodas turi būti prognozuojamas, kaip efektyviai sukurtas preparatas. Vidurinės mokyklos mokinių pasiūlymai turėtų būti naudojami Biotologijos apsidraudimo algoritme.
Dirbtinės technologijos, pagrįstos dirbtiniu intelektu, aktyviai taikomi medicinos pramonėje daugelyje pasaulio šalių. Tai buvo palengvinta iki Coronavirus pandemijos pradžios. Telemedicinos technologijos parodė daugelio procesų automatizavimo pranašumą, padėjo iškrauti klinikas ir gydytojai nuo pakartotinai padidėjo apkrovų, pavyko suteikti aukštos kokybės nuotolinę medicininę priežiūrą pacientams.
Pagal mokslinį ir technologinį projektą Sirijaus "didelių iššūkių - 2020", studentai, dalyvaujantys programoje, gavo sudėtingą užduotį iš Rusijos Nuenka. Gydytojai prašoma mokyti dirbtinį intelektą analizuoti medicinos vaizdus naudojant kompiuterio viziją ir greitai ir tiksliai rasti patologiją plaučiuose. Neurosettės pagalba ir patarimai palengvina radiologų veikimą, sumažinkite laiką, kad būtų galima apdoroti nuotraukas.
Dėl tokių ir sudėtingų problemų, kaip gauti medicininius vaizdus, giliai mokymasis reikalauja didelių duomenų rinkinių pasiekti reikiamą tikslumo lygį. Dirbtinio intelekto rekomendacijos paprastai yra labai tikslūs. Darbo rezultatai bus įkelti į atviro kodo biblioteką, prieigą prie to bus atrasta visų šalių specialistams. Moksleivių sprendimai gali būti išbandyti ir taikyti praktikoje, jei plėtros kokybė pasirūpins vartotojui. Partnerių pagalba moksleiviams teikia Innoopolis universiteto dirbtinio intelekto centras.
Projekto komanda dirba šeši 11 klasių iš Khanty-Mansiysk savarankiškos Okrug, Sevastopolio, Chabarovsko teritorijos, Baškortostano Respublikos, Tiumenės ir Kemerovo ir regionų. Jiems padeda ekspertai iš Innopolio centro.
Semen Kiselevas, Innoopolis universiteto dirbtinio intelekto centro tyrėjas, orientacinis projektas, sakė, kad kūrėjai supažindins su mašinų mokymosi ir kompiuterio vizija metodais. Matematikos, programavimo ir mašinos mokymosi metodų populiarinimas leis jums pakeisti požiūrį į daugelio, kuriems reikia šio pakeitimo, atvėrimo galimybes. Projektas paskatins moksleivius tapti aktyvesniais studijuojant skaitmeninio transformacijos visuomenės perspektyvas, įtikinant juos, kad jis gali paskatinti juos įdomiau ir intelektualiai visavertį gyvenimą. Darbo su nervų tinklais patirtis sukelia būsimo profesijos pasirinkimą, leidžia jums paliesti veiklą laisvės atmosferoje, vystosi pasitikėjimą savimi ir suteiks vaikams ir paaugliams, kad jie turi ateityje.
Vaikinai rodo, kur kurioje srityse jie gali taikyti įgytas žinias. Dalyviai sukuria tokius modelius ir algoritmus plaučių vaizdų analizei, kurioje neuronizuoti savarankišką pažangą pripažinti pneumoniją ir kitus kvėpavimo takų ligas, pneumothorax arba naviką. Deep mokymosi modeliai gali padaryti prognozes su beveik neabejotiniu tikslumu, tačiau, kadangi vidinė modelio logika yra sunku atskleisti ir interpretuoti, argumentai už tai, kodėl šis sprendimas yra teisingas, dažnai lieka unallimy.
Kadangi medicininiai sprendimai gali turėti neįtikėtiną svorį, daugelis kritiškai nurodo visiško automatizavimo perspektyvą. Labai svarbu prisiminti, kad automobilis nepakeičia gydytojo, bet tampa jo padėjėju ir patarėju, iš tiesų tai yra tik trečioji gydytojo akis. AI reikia optimizuoti įprastines užduotis, su savo visurtiniu įgyvendinimu giliai keičia specialybę su stipriu vaizdiniu komponentu, pvz., Radiologija ir patologija. Praktikai, įskaitant chirurgai, aktyviai domisi tokių įrenginių kuriant ir įgyvendinant. AI reikia optimizuoti įprastines užduotis, su plačiu įvedimu, specialybė pasikeis su stipriu vaizdiniu komponentu, pvz., Radiologija ir patologija. Praktikai, įskaitant chirurgai, aktyviai domisi tokių įrenginių kuriant ir įgyvendinant.
Studijuoti algoritmai moksleiviai yra išbandyti daug realių medicinos nuotraukų iš realių ligoninių.
Jauni programuotojai turi mokyti dirbtinį intelektą apskaičiuoti tikslius patologinių procesų matmenis ir vietą plaučiuose, nurodykite gydytoją ant organo anomalijų. Tyrimo medžiagos Projekto dalyviai randami atviruose šaltiniuose, šių nacionalinių ir užsienio medicinos universitetų mokslinių straipsnių duomenų bazėse. Jie tikrina savo algoritmus apie šimtus tikrų medicinos nuotraukų iš tikros LPUS, nes galimybė susipažinti su atitinkamais ir pakankamais duomenimis yra ypač svarbi AI mokymo algoritmams.
Danila Pechenev, vienuolika greideris iš Kemerovo, sako, kad jis pasirinko šią užduotį, nes jis jau dirbo su mašinos vizija. Jo neuroninio tinklo projektas, kuris pripažįsta rašyseną, tapo "didelių iššūkių" konkurso finalistu. Ir darbas su nauja užduotimi leis mokytis pažangių mašinų mokymosi metodų. Medicininių vaizdų analizė šiandien yra skubus uždavinys naudoti neuroninius tinklus. Yra prieinama technologija, daugeliu atvejų rodo didelį patikrinimų patikrinimų patikrinimų tikslumą.
Projekto finalininkams galima atidaryti geros galimybės tolesniam vystymuisi ir savikontrolei. Daugelis ankstesnių "didelių iššūkių" dalyvių buvo įtrauktos į didžiausių šalių universitetų ir aktyviai dirba su MFTI laboratorijų specialistais. Universiteto absolventai vadovauja projektus per visą mokymo laiką ir informuoja apie pasiekimus ir pokyčius pasaulinėje moksliniame spaudoje. Daugelis "didelių iššūkių" dalyvių idėjos jau naudoja partnerių kompanijos.