"Duże wyzwania-2020" jest tak ambitnie nazywane jednym z projektów odbywających się w drugiej połowie grudnia w Centrum Edukacyjnym Syriusza. W trakcie tego naukowego i technologicznego programu projektu uczniowie szkolne szkolili sztuczną inteligencję. Chłopaki mieli nauczyć samochodu do następnej mądrości:
- Napisz wiadomości.
- Rozwijać nowe leki.
- Przeanalizuj zdjęcia CT.
- Studiuj profile wnioskodawców w sieciach społecznościowych.
Uczelnice pomogły ekspertom z University Innopolis, Yandex, Wyższa Szkoła Zarządzania Spbsu, VTB Bank, Biocad. Planuje się, że najlepsze oferty zostaną wdrożone w praktyce.
Andrei Rasjorgorodsky, szef dyrektora "Dużych danych", dyrektor Fiztech-School of Matematyki stosowanej i informatyki MFTI, jest określana, że sesja trwała 10 dni. W tym czasie faceci nauczyli się pracować z różnymi narzędziami technologii cyfrowymi i będzie teraz w stanie wykorzystać swoje umiejętności w przyszłości w domu.
Projekt zapewnia osobny kierunek "Duże dane, sztuczna inteligencja, technologia finansowa i uczenie się maszynowe". 28 jedenastego równiarki z 18 regionów Rosji zostali zaproszeni do pracy. Ci faceci stali się finalistami wszystkich rosyjskiej konkurencji pracy projektowej i badawczej.
Dla uczestników w tym kierunku Yandex utworzył specjalne zamówienie: aby opracować program do generowania wiadomości, dzięki czemu nowoczesne wydania mogą być używane w codziennej pracy. VTB Bank i St. Petersburg State University również zadanie Syrius Schoolchildren. Faceci muszą analizować sieci społecznościowe i na podstawie otrzymanych informacji, aby stworzyć portret wnioskodawcy szkoły biznesu.
Naukowcy zdziwili uczniów z złożonym życzeniem: faceci powinni uczyć sztucznej inteligencji, aby dokładnie przewidzieć z pomocą modelowania komputera struktury kompleksu molekularnego podczas tworzenia nowych leków. Samochód będzie musiał znaleźć najbardziej wiarygodne kombinacje i te, które naprawdę istnieją w naturze. Nowa metoda musi być przewidywana, jak skutecznie utworzono preparat. Sugestie od uczniów szkół średnich mają być stosowany w algorytmie żywopłotu biokadu.
Technologie cyfrowe oparte na sztucznej inteligencji stały się aktywnie stosowane w branży medycznej w wielu krajach świata. Ułatgł się to na początku pandemii koronawirusa. Telemedycynie Technologie wykazały zaletę automatyzacji wielu procesów, pomogły wyładować kliniki i lekarzy z wielokrotnie zwiększonych obciążeń, udało się zapewnić wysokiej jakości zdalną opiekę medyczną dla pacjentów.
W ramach projektu naukowego i technologicznego Syriusza "Duże wyzwania-2020" studenci uczestniczących w programie otrzymali trudne zadanie od Rynku Rosji. Lekarze proszeni są o uczenie sztucznej inteligencji do analizy obrazów medycznych za pomocą wizji komputerowej i szybko i dokładnie znaleźć patologię w płucach. Pomoc i wskazówki neurozetu ułatwiają działanie radiologów, zmniejszają czas na przetwarzanie zdjęć.
W przypadku tak różnych i złożonych problemów, jak odbieranie obrazów medycznych, głębokie uczenie się wymaga dużych zestawów danych, aby osiągnąć wymagany poziom dokładności. Zalecenia sztucznej inteligencji są zwykle bardzo dokładne. Wyniki pracy zostaną przesłane do biblioteki open-source, do której można go odkryć dla specjalistów ze wszystkich krajów. Rozwiązania uczniowe mogą być testowane i stosowane w praktyce, jeśli jakość rozwoju ułoży użytkownika. Pomoc partnerska dla uczniów zapewnia centrum sztucznej inteligencji Uniwersytetu w Innopolis.
Zespół projektowy zatrudnia sześć 11-stopniowych z autonomicznego khanty-mansiysk, Sewastopolu, terytorium Khabarowsk, Republiki Baszkortostan, Tiumeń i Kemerovo i regionów. Pomagani przez ekspertów z centrum Innopolis.
Semen Kiselev, Badacz Centrum Sztucznej Inteligencji Uniwersytetu Innopolii, Projekt prowadzący, powiedział, że deweloperzy przedstawiają dzieci z metodami uczenia się maszyny i wizji komputera. Popularyzacja matematyki, programowania i metod uczenia maszyn umożliwią zmianę stosunku do możliwości otwarcia wielu, którzy potrzebują tej zmiany. Projekt zachęci szkolnictwa, aby stać się bardziej aktywnym w badaniu perspektyw cyfrowej transformacji społeczeństwa, przekonując ich, że może prowadzić je do bardziej interesującego i intelektualnie pełnoletniego życia. Doświadczenie pracy z neuronymi sieciami prowadzi do wyboru przyszłego zawodu, pozwala dotknąć działań w atmosferze wolności, rozwija pewność siebie i zapewni dzieci i młodzież kompetencje, których potrzebują w przyszłości.
Wykazują faceci, gdzie w których obszary mogą zastosować zdobytą wiedzę. Uczestnicy tworzą takie modele i algorytmy do analizy migawek płuc, w których do neuralizacji samodzielnego postępu rozpoznawania płuc i innych chorób układu oddechowego, pneumothorax lub guza. Głębokie modele uczenia się mogą jednak sprawić, że prognozy o prawie niezniszczalnej dokładności, ponieważ wewnętrzna logika modelu jest trudna do odkrycia i interpretacji, argumenty na rzecz, dlaczego ta decyzja jest prawidłowa, często pozostają niezrozumiałe.
Ponieważ decyzje medyczne mogą mieć niesamowitą wagę, wielu krytycznie odnosi się do perspektywy pełnej automatyzacji. Bardzo ważne jest, aby pamiętać, że samochód nie zastępuje lekarza, ale staje się jego asystentem i doradcą, w rzeczywistości jest to tylko trzecie oko dla lekarza. Potrzebny jest AI, aby zoptymalizować rutynowe zadania, z wszechstronnym wdrażaniem głęboko zmienia specjalność z silnym elementem wizualnym, takim jak radiologia i patologia. Praktycy, w tym chirurdzy, aktywnie zainteresowani opracowywaniem i wdrażaniem takich urządzeń. Potrzebna jest AI, aby zoptymalizować rutynowe zadania, dzięki rozpowszechnionym wprowadzeniu, specjalność zmieni się z silnym elementem wizualnym, takim jak radiologia i patologia. Praktycy, w tym chirurdzy, aktywnie zainteresowani opracowywaniem i wdrażaniem takich urządzeń.
Studiowane algorytmaty szkolne są testowane na dużej liczbie rzeczywistych zdjęć medycznych z prawdziwych szpitali.
Młodzi programowani muszą uczyć sztucznej inteligencji, aby obliczyć dokładne wymiary i lokalizację procesów patologicznych w płucach, wskazują lekarz na anomalie narządu. Materiały do badań Uczestnicy projektu znajdują się w otwartych źródłach, bazach danych tych artykułów naukowych krajowych i zagranicznych uniwersytetów medycznych. Sprawdzają ich algorytmy na setkach prawdziwych obrazów medycznych z prawdziwych LPU, ponieważ dostęp do odpowiednich i wystarczających danych ma ogromne znaczenie w algorytmach szkoleniowych AI.
Danila Pechenev, jedenaście równiarka z Kemerovo, mówi, że wybrał to zadanie, ponieważ już pracował z wizją maszynową. Jego projekt sieci neuronowej, która uznaje pismo, stało się finalistą konkursu "Big Chalsts". A praca nad nowym zadaniem pozwolą Ci nauczyć się zaawansowanych metod uczenia maszyn. Analiza obrazów medycznych jest dziś pilnym zadaniem stosowania sieci neuronowych. Dostępna jest technologia, w większości przypadków wykazująca wysoką dokładność sprawdzania weryfikacji.
Dla finalistów projektu, dobre możliwości są otwarte na dalszy rozwój i samorealizację. Wielu uczestników poprzedniego "wielkiego wyzwania" zostało zapisane na największe uniwersytety krajów i aktywnie współpracowali ze specjalistami laboratoriów MFTI. Absolwenci uniwersytetów prowadzą projekty w całym czasie szkolenia i informować o osiągnięciach i rozwoju w globalnej prasie naukowej. Wiele pomysłów uczestników "dużych wyzwań" jest już wykorzystywanych w praktyce przez firmy partnerskie.