"Big Challenges-2020" is zo ambitieus een van de projecten in de tweede helft van december in het Sirius Educational Center. In de loop van dit wetenschappelijke en technologische projectprogramma trainde de middelbare scholieren kunstmatige intelligentie. De jongens moesten de auto lesgeven aan de volgende wijsheid:
- Schrijf nieuws.
- Nieuwe medicijnen ontwikkelen.
- Analyseer de foto's van de CT.
- Studieprofielen van aanvragers in sociale netwerken.
Schoolkinderen hielp experts van University Innopolis, Yandex, Higher School of Management Spsu, VTB Bank, Biocad. Het is gepland dat de beste aanbiedingen in de praktijk zullen worden geïmplementeerd.
Andrei Rasjorgorodsky, hoofd van de "Big Data" -directeur, de directeur van de Fiztech-School of Applied Wiskunde en informatica van MFTI, is gespecificeerd dat de sessie 10 dagen duurde. Gedurende deze tijd hebben de jongens geleerd om met verschillende digitale technologie-tools te werken en zullen ze nu thuis hun vaardigheden in de toekomst kunnen gebruiken.
Het project voorziet in een afzonderlijke richting "Big Data, Artificial Intelligence, Financial Technology and Machine Learning". 28 elfde klassers uit 18 regio's van Rusland werden uitgenodigd om erin te werken. Deze jongens werden finalisten van de All-Russian Competition of Design and Research Work.
Voor deelnemers in deze richting heeft Yandex een speciale bestelling gevormd: om een programma te ontwikkelen om nieuws te genereren, zodat moderne edities in het dagelijks werk kunnen worden gebruikt. VTB Bank en St. Petersburg State University gaf ook de taak van Sirius SchoolChildren. De jongens moeten sociale netwerken analyseren en op basis van de ontvangen informatie om een portret van een zakelijke schoolaanvrager te maken.
Wetenschappers verbaasde schoolkinderen met een complexe wens: de jongens moeten kunstmatige intelligentie leren om nauwkeurig te voorspellen met de hulp van het modelleren van de structuur van het moleculaire complex bij het creëren van nieuwe medicijnen. De auto zal de meest geloofwaardige combinaties moeten vinden en die die echt in de natuur bestaan. De nieuwe methode moet worden voorspeld hoe effectief de voorbereiding is gemaakt. Suggesties van middelbare scholieren worden verondersteld te gebruiken in het hedgealgoritme van Biocad.
Digitale technologieën gebaseerd op kunstmatige intelligentie zijn actief toegepast in de medische industrie in veel landen van de wereld. Dit werd gefaciliteerd aan het begin van de Coronavirus-pandemie. Telemedicine-technologieën hebben het voordeel van het automatiseren van vele processen, hielp klinieken en artsen uit herhaaldelijk verhoogde belastingen, erin geslaagd om hoogwaardige medische zorg te bieden aan patiënten.
In het kader van het wetenschappelijke en technologische project van Sirius "grote uitdagingen-2020" kregen studenten die aan het programma deelnemen een moeilijke taak van de huurogenologen van Rusland. Artsen worden gevraagd om kunstmatige intelligentie te leren om medische beelden te analyseren met behulp van computervisie en snel en nauwkeurig de pathologie in de longen vinden. De hulp en tips van de neurosette vergemakkelijken de werking van radiologen, verkorten de tijd om de foto's te verwerken.
Voor zo'n verscheidenheid aan en complexe problemen, als het ontvangen van medische afbeeldingen, vereist diep leren grote datasets om het vereiste niveau van nauwkeurigheid te bereiken. De aanbevelingen van kunstmatige intelligentie zijn meestal zeer nauwkeurig. De resultaten van het werk zullen worden geüpload naar de open-source-bibliotheek, toegang waaraan worden ontdekt voor specialisten uit alle landen. Schoolkinderen-oplossingen kunnen in de praktijk worden getest en toegepast als de ontwikkelingskwaliteit een gebruiker zal regelen. Partnerhulp aan schoolkinderen wordt geleverd door het centrum voor kunstmatige intelligentie van de Universiteit van Innopolis.
Het projectteam maakt gebruik van zes 11-cijfers van de Khanty-Mansiysk Autonomous Okruug, Sevastopol, het Khabarovsk-gebied, de Republiek Bashkortostan, Tyumen en Kemerovo en Regio's. Ze worden geholpen door experts uit het centrum van Innopolis.
SEMEN KISELEV, Onderzoeker van het Centrum voor kunstmatige intelligentie van de Universiteit van Innopolis, een leidende project, zei dat de ontwikkelaars kinderen introduceren met werkwijzen voor machineleinen en computervisie. Popularisering van wiskunde, programmering en machineerleermethoden zullen u in staat stellen om de houding te wijzigen aan de openingsmogelijkheden van velen die deze wijziging nodig hebben. Het project zal schoolkinderen aanmoedigen om actiever te worden bij het bestuderen van de vooruitzichten voor digitale transformatie van de samenleving, overtuigend dat het hen naar een interessanter en intellectueel volwaardig leven kan leiden. De ervaring met het werken met neurale netwerken leidt tot de keuze van het toekomstige beroep, stelt u in staat om de activiteiten in de sfeer van vrijheid aan te raken, het vertrouwen in jezelf te ontwikkelen en zullen kinderen en adolescenten de competenties die ze in de toekomst nodig hebben opleveren.
De jongens laten zien waar ze de opgedane kennis kunnen toepassen. Deelnemers creëren dergelijke modellen en algoritmen voor het analyseren van de snapshots van de longen, waarbij ze zelf vooruitgang worden genoten om pneumonie en andere ademhalingsziekten, pneumothorax of tumor te herkennen. Diep leermodellen kunnen voorspellingen doen met bijna onmiskenbare nauwkeurigheid, echter, omdat de interne logica van het model moeilijk is om te ontdekken en te interpreteren, de argumenten ten gunste van de reden waarom deze beslissing correct is, blijft vaak onvermijdelijk.
Omdat medische beslissingen ongelooflijk gewicht kunnen hebben, verwijzen velen kritisch naar het vooruitzicht van volledige automatisering. Het is erg belangrijk om te onthouden dat de auto de dokter niet vervangt, maar zijn assistent en de adviseur wordt, in feite is het slechts het derde oog voor de dokter. AI is nodig om routinetaken te optimaliseren, met zijn alomtegenwoordige implementatie die diep verandert met een sterke visuele component, zoals radiologie en pathologie. Beoefenaars, inclusief chirurgen, zijn actief geïnteresseerd in het ontwikkelen en implementeren van dergelijke apparaten. AI is nodig om routinetaken te optimaliseren, met zijn wijdverspreide introductie, zal specialiteit veranderen met een sterke visuele component, zoals radiologie en pathologie. Beoefenaars, inclusief chirurgen, zijn actief geïnteresseerd in het ontwikkelen en implementeren van dergelijke apparaten.
De bestudeerde algoritmen schoolkinderen worden getest op een groot aantal echte medische foto's van echte ziekenhuizen.
Jonge programmeurs moeten kunstmatige intelligentie leren om de exacte afmetingen en locatie van pathologische processen in de longen te berekenen, de arts op de anomalieën van het orgel aan te geven. Materialen voor onderzoek De projectdeelnemers zijn te vinden in open bronnen, databases van deze wetenschappelijke artikelen van binnenlandse en buitenlandse medische universiteiten. Ze controleren hun algoritmen op honderden echte medische foto's van echte LPU's, omdat toegang tot relevante en voldoende gegevens van het grootste belang is in het opleiden van algoritmen van AI.
Danila Pechenev, elf-grader van Kemerovo, zegt dat hij deze taak koos, omdat hij al met machinevisie werkte. Zijn project van een neuraal netwerk, dat het handschrift herkent, werd de finalist van de wedstrijd "Big Challenges". En het werk aan de nieuwe taak stelt u in staat om geavanceerde leermethoden voor machine te leren. Analyse van medische beelden Vandaag is een dringende taak om neurale netwerken toe te passen. Technologie is in de meeste gevallen beschikbaar met een hoge nauwkeurigheid op controles voor verificatie.
Voor de finalisten van het project worden goede mogelijkheden geopend voor verdere ontwikkeling en zelfrealisatie. Veel deelnemers aan de vorige "Big Challenge" waren ingeschreven in de grootste universiteiten van de landen en werken actief met specialisten van de MFTI-laboratoria. University afgestudeerden lead-projecten gedurende de hele trainingstijd en informeren over prestaties en ontwikkelingen in de wereldwijde wetenschappelijke pers. Veel ideeën van deelnemers aan "grote uitdagingen" worden al in de praktijk gebruikt door partnerbedrijven.