"Big izaicinājumi-2020" ir tik vērienīgi sauc viens no projektiem, kas notika otrajā pusē decembra Sirius izglītības centrā. Šīs zinātniskās un tehnoloģiskās projektu programmas gaitā vidusskolēni apmācīja mākslīgo intelektu. Puiši bija mācīt automašīnu uz nākamo gudrību:
- Uzrakstiet ziņas.
- Attīstīt jaunas zāles.
- Analizējiet CT attēlus.
- Studiju profili pretendentiem sociālajos tīklos.
Skolēni palīdzēja ekspertiem no Universitātes Innopolis, Yandex, vadības augstskolas SPBSU, VTB Bank, BioCad. Plānots, ka labākie piedāvājumi tiks īstenoti praksē.
Andrejs Rasjorgorodskis, "Big Data" direktora direktora direktors Fiztech-skolas lietišķās matemātikas un informātikas MFTI, ir norādīts, ka sesija ilga 10 dienas. Šajā laikā puiši ir iemācījušies strādāt ar dažādiem digitālajiem tehnoloģiju instrumentiem un tagad varēs izmantot savas prasmes nākotnē mājās.
Projekts paredz atsevišķu virzienu "lieli dati, mākslīgā intelekta, finanšu tehnoloģiju un mašīnu mācīšanās". Tajā tika aicināti darboties vienpadsmitā greideri no 18 Krievijas reģioniem. Šie puiši kļuva finālisti no vislielākās Krievijas konkursa dizaina un pētniecības darbu.
Dalībniekiem šajā virzienā Yandex ir izveidojis īpašu pasūtījumu: izstrādāt programmu, lai radītu ziņas, lai mūsdienu izdevumus varētu izmantot ikdienas darbā. VTB Bank un Sanktpēterburgas Valsts universitāte arī sniedza uzdevumu Sirius skolēniem. Puiši ir jāanalizē sociālie tīkli un jābalstās uz saņemto informāciju, lai padarītu portretu par biznesa skolas pieteikuma iesniedzēju.
Zinātnieki neizprot skolēnus ar sarežģītu vēlmi: puišiem vajadzētu mācīt mākslīgo intelektu precīzi prognozēt ar datora modelēšanas struktūru molekulāro kompleksu, veidojot jaunas zāles. Automašīnai būs jāatrod visvairāk ticamas kombinācijas un tiem, kas patiešām pastāv dabā. Jaunā metode ir jāparedz, cik efektīvi izveidots preparāts. Vidusskolas skolēnu ieteikumi ir jāizmanto biocas dzīvžogu algoritmā.
Digitālās tehnoloģijas, kas balstītas uz mākslīgo intelektu, ir aktīvi piemērotas medicīnas nozarē daudzās pasaules valstīs. To veicināja koronavīrusa pandēmijas sākums. Telemedicīnas tehnoloģijas ir parādījušas priekšrocības automatizējot daudzus procesus, palīdzēja izkraut klīnikām un ārstiem no atkārtoti palielinātām slodzēm, izdevās nodrošināt augstas kvalitātes attālo medicīnisko aprūpi pacientiem.
Sirija "lielo izaicinājumu-2020" zinātniskā un tehnoloģiskā projekta ietvaros studenti, kas piedalās programmā, saņēma sarežģītu uzdevumu no Krievijas rentgesologiem. Ārstiem tiek lūgts mācīt mākslīgo intelektu, lai analizētu medicīniskos attēlus, izmantojot datora redzējumu un ātri un precīzi atrast patoloģiju plaušās. Neurosetes palīdzība un padomi atvieglo radiologu darbību, samazina laiku, lai apstrādātu attēlus.
Šādām dažādām un sarežģītām problēmām, kā saņemot medicīniskos attēlus, dziļa mācīšanās prasa lielus datu kopas, lai sasniegtu nepieciešamo precizitātes līmeni. Mākslīgā intelekta ieteikumi parasti ir ļoti precīzi. Darba rezultāti tiks augšupielādēti atklātā pirmkoda bibliotēkā, piekļuve, kura tiks atklāta speciālistiem no visām valstīm. Skolēnu risinājumus var pārbaudīt un piemērot praksē, ja attīstības kvalitāte organizēs lietotāju. Partneru palīdzību skolēniem nodrošina Innopolisas Universitātes mākslīgā intelekta centrs.
Projekta komanda nodarbina sešas 11-pakāpes no Hamanty-Mansiysk autonomais Okrug, Sevastopole, Khabarovskas teritorijā, Baškortostāna Republikā, Tyumen un Kemerovo un reģionos. Tie ir palīdzējuši eksperti no Innopolis centra.
Semen Kiselevs, Innovolisas Universitātes mākslīgā intelekta centra pētnieks, vadošais projekts, teica, ka izstrādātāji iepazīstina ar bērniem ar mašīnu mācīšanās un datora redzes metodēm. Matemātikas, programmēšanas un mašīnu mācīšanās metožu popularizēšana ļaus jums mainīt attieksmi pret daudziem, kuriem nepieciešama šī izmaiņa. Projekts veicinās skolēnus, lai tie kļūtu aktīvāki, pētot sabiedrības digitālās pārveidošanas perspektīvas, pārliecinot viņus, ka tas var novest viņus uz interesantāku un intelektuāli pilnvērtīgu dzīvi. Pieredze, kas strādā ar neironu tīkliem noved pie nākotnes profesijas izvēles, ļauj jums pieskarties darbībām brīvības atmosfērā, attīsta uzticību sev un nodrošinās bērniem un pusaudžiem kompetences, kas viņiem ir nepieciešams nākotnē.
Puiši parāda, kurās teritorijās tās var izmantot iegūtās zināšanas. Dalībnieki izveido tādus modeļus un algoritmus, lai analizētu plaušu momentuzņēmumus, kuros, lai atjaunotu pašgājēju, lai atpazītu pneimoniju un citas elpošanas ceļu slimības, pneimotakax vai audzēju. Dziļi mācīšanās modeļi var padarīt prognozes ar gandrīz nepārprotamu precizitāti, tomēr, tā kā modeļa iekšējo loģiku ir grūti atklāt un interpretēt, argumenti par labu, kāpēc šis lēmums ir pareizs, bieži vien paliek nealli.
Tā kā medicīniskie lēmumi var būt neticami svars, daudzi kritiski attiecas uz pilnīgas automatizācijas izredzes. Ir ļoti svarīgi atcerēties, ka automašīna neaizstāj ārstoru, bet kļūst par viņa palīgu un padomdevēju, patiesībā tas ir tikai trešā ārsta acs. AI ir nepieciešams, lai optimizētu ikdienas uzdevumus, ar tās visuresošo ieviešanu dziļi maina specialitāti ar spēcīgu vizuālo komponentu, piemēram, radioloģiju un patoloģiju. Praktizētāji, tostarp ķirurgi, ir aktīvi ieinteresēti izstrādāt un īstenot šādas ierīces. AI ir nepieciešams, lai optimizētu ikdienas uzdevumus, ar savu plašu ieviešanu, specialitāte mainīsies ar spēcīgu vizuālo komponentu, piemēram, radioloģiju un patoloģiju. Praktizētāji, tostarp ķirurgi, ir aktīvi ieinteresēti izstrādāt un īstenot šādas ierīces.
Studēto algoritmu skolēni tiek pārbaudīti ar lielu skaitu reālu medicīnas attēlu no reālām slimnīcām.
Jaunajiem programmētājiem ir jāmāca mākslīgā intelekta, lai aprēķinātu precīzus izmērus un patoloģisko procesu atrašanās vietu plaušās, norādiet ārstu par orgāna anomālijām. Materiāli pētniecībai Projekta dalībnieki ir atrodami atklātā avotos, šo zinātnisko rakstu vietējo un ārvalstu medicīnas universitātēs. Viņi pārbauda savus algoritmus simtiem īstu medicīnisko attēlu no reālas LPU, jo piekļuve attiecīgajiem un pietiekamiem datiem ir ārkārtīgi svarīgi AI apmācības algoritmi.
Danila Pechenev, Eleven-Grader no Kemerovo, saka, ka viņš izvēlējās šo uzdevumu, jo viņš jau strādāja ar mašīnu vīziju. Viņa neironu tīkla projekts, kas atzīst rokrakstu, kļuva par "lielo izaicinājumu" konkursa finālistu. Un jaunā uzdevuma darbs ļaus jums apgūt uzlabotas mašīnas mācību metodes. Medicīnisko attēlu analīze šodien ir steidzams uzdevums piemērot neironu tīklus. Tehnoloģija ir pieejama, vairumā gadījumu parādot augstu precizitāti pārbaudes pārbaudēm.
Projekta finālistiem labas iespējas tiek atvērtas tālākai attīstībai un pašrealizācijai. Daudzi dalībnieki iepriekšējā "lielā izaicinājums" tika uzņemti lielākajās valstu universitātēs un aktīvi strādā ar speciālistiem MFTI Laboratories. Universitātes absolventi vada projektus visā apmācības laikā un informē par sasniegumiem un attīstību globālajā zinātniskajā presē. Daudzas idejas dalībnieku "lielo izaicinājumu" jau izmanto praksē partneru uzņēmumiem.