"Veľké výzvy-2020" je tak imbiciózne nazývaný jeden z projektov, ktoré sa konajú v druhej polovici decembra v Siriusovom vzdelávacom centre. V priebehu tohto vedeckého a technologického programu projektu, študenti stredných škôl vyškolení umelá inteligencia. Chlapci mali naučiť auto na ďalšiu múdrosť:
- Napíšte novinky.
- Rozvíjať nové drogy.
- Analyzujte obrázky CT.
- Študijné profily žiadateľov v sociálnych sieťach.
Školáci pomáhali odborníkom z University Innopolis, Yandex, Hornej školy manažmentu SPBSU, VTB Bank, BioCAD. Plánuje sa, že najlepšie ponuky budú implementované v praxi.
Andrei Rasjorgorodsky, vedúci "Big Data" riaditeľ, riaditeľ Fiztech-School aplikovanej matematiky a informatiky MFTI, je určený, že zasadnutie trvalo 10 dní. Počas tejto doby sa chlapci naučili pracovať s rôznymi nástrojmi digitálnych technológií a teraz budú môcť používať svoje zručnosti v budúcnosti doma.
Projekt poskytuje samostatný smer "veľké dáta, umelá inteligencia, finančná technológia a strojové učenie". 28 Jedenásteho zrovnávača z 18 regiónov Ruska bolo pozvaných na prácu. Títo chlapci sa stali finalistami všetkých ruskej súťaže dizajnu a výskumnej práce.
Pre účastníkov tohto smeru, Yandex vytvoril špeciálnu objednávku: Vypracovať program na generovanie správ, takže moderné vydania môžu byť použité v každodennej práci. VTB Bank a Štátna univerzita v St. Petersburg tiež dali úlohu Sirius školák. Chlapci musia analyzovať sociálne siete a na základe informácií získaných na portrét podnikateľskej školy žiadateľa.
Vedci hádaní školáci s komplexným želaním: Chlapci by mali učiť umelú inteligenciu, aby presne predpovedali pomocou počítačového modelovania štruktúry molekulárneho komplexu pri vytváraní nových liekov. Auto bude musieť nájsť najdôležitejšie kombinácie a tie, ktoré skutočne existujú v prírode. Nová metóda sa musí predpovedať, ako účinne vytvoril prípravu. Návrhy študentov stredných škôl majú byť použité v hedžovom algoritme BioCády.
Digitálne technológie založené na umelej inteligencii sa aktívne uplatňovali v zdravotníctve v mnohých krajinách sveta. To bolo uľahčené začiatkom pandémie Coronavirus. Telemedicine Technologies ukázali, že výhodu automatizácie mnohých procesov, pomohla vyložiť kliniky a lekári z opakovane zvýšených nákladov, podarilo sa im poskytovať vysoko kvalitnú vzdialenú lekársku starostlivosť na pacientov.
V rámci vedeckého a technologického projektu Sirius "Veľké výzvy-2020" získali študenti, ktorí sa zúčastňujú na programe ťažkú úlohu z nájomných herníkov Ruska. Lekári sú požiadaní, aby učia umelú inteligenciu, aby analyzovali lekárske obrazy pomocou počítačového videnia a rýchlo a presne našli patológiu v pľúcach. Pomoc a tipy neurosette uľahčujú prevádzku rádiológov, skrátiť čas na spracovanie obrázkov.
Pre takéto rôzne a zložité problémy, ako pri prijímaní lekárskych obrázkov, hlboké učenie vyžaduje veľké súbory údajov na dosiahnutie požadovanej úrovne presnosti. Odporúčania umelej inteligencie sú zvyčajne veľmi presné. Výsledky práce budú nahrané do open-source knižnice, prístup, ktorý bude objavený pre špecialistov zo všetkých krajín. Školské riešenia môžu byť testované a aplikované v praxi, ak kvalita vývoja zabezpečí používateľa. Partnerská pomoc školám je zabezpečená centrom umelej inteligencie Univerzity v Innopolis.
Projektový tím zamestnáva šesť 11-stupňov z Khanty-Mansiysk Autonomous Okrug, Sevastopol, Khabarovsk Territory, Bashkkorská republika, Tyumen a Kemerovo a regióny. Pomáhajú odborníci z centra mesta Innopolis.
SEVEN KISELEV, výskumník Centra pre umelú inteligenciu University of Innopolis, hlavného projektu, povedal, že vývojári zavádzajú deti s metódou strojového vzdelávania a počítačového videnia. Popularizácia metód matematiky, programovania a metód strojového vzdelávania vám umožní zmeniť postoj k otvoreniu príležitostí mnohých, ktorí túto zmenu potrebujú. Projekt bude podporovať školákov, aby sa stali aktívnejší pri štúdiu vyhliadok na digitálnu transformáciu spoločnosti, presvedčivé ich, že ich môže viesť k zaujímavejšiemu a intelektuálne plnohodnotnému životu. Skúsenosti s prácou s neurónovými sieťami vedie k výberu budúceho povolania, umožňuje dotýkať sa aktivít v atmosfére slobody, rozvíja dôveru v seba a poskytne deťom a adolescentom kompetencie, ktoré potrebujú v budúcnosti.
Chlapci ukazujú, kde v ktorých oblastiach môžu aplikovať získané poznatky. Účastníci vytvárajú takéto modely a algoritmy na analýzu snímok pľúc, v ktorých sa neurálnym priebežným pokrokom rozpoznať pneumóniu a iné respiračné ochorenia, pneumotorax alebo nádor. Hlboké vzdelávacie modely môžu predpovedať takmer nezameniteľnú presnosť, keďže vnútorná logika modelu je ťažké odhaliť a interpretovať, argumenty v prospech dôvodov, prečo toto rozhodnutie je správne, často zostávajú neuplatnenina.
Keďže lekárske rozhodnutia môžu mať neuveriteľnú hmotnosť, mnohí kriticky odkazujú na vyhliadky na plnú automatizáciu. Je veľmi dôležité si uvedomiť, že auto nenahrádza lekár, ale stáva sa jeho asistentom a poradcom, v skutočnosti je to len tretie oko pre lekára. AI je potrebný na optimalizáciu rutinných úloh, s jeho všadeprítomnou implementáciou hlboko mení špecialitou so silnou vizuálnou zložkou, ako je rádiológia a patológia. Praktizujúci, vrátane chirurgov, sa aktívne zaujímajú o rozvoj a implementáciu takýchto zariadení. AI je potrebná na optimalizáciu rutinných úloh, s jeho rozšíreným úvodom, sa špecialita zmení so silnou vizuálnou zložkou, ako je rádiológia a patológia. Praktizujúci, vrátane chirurgov, sa aktívne zaujímajú o rozvoj a implementáciu takýchto zariadení.
Študované algoritmy školákov sú testované na veľké množstvo skutočných lekárskych obrázkov z reálnych nemocníc.
Mladí programátori musia učiť umelú inteligenciu na výpočet presných rozmerov a umiestnenia patologických procesov v pľúcach, označujú lekára na anomáliách orgánu. Materiály pre výskum Účastníci projektu sa nachádzajú v otvorených zdrojoch, databázach týchto vedeckých článkov domácich a zahraničných zdravotníckych univerzít. Skontrolujú svoje algoritmy na stovky skutočných lekárskych obrázkov z skutočného LPU, pretože prístup k relevantným a dostatočným údajom je mimoriadne dôležité v tréningových algoritmoch AI.
Danila PecheNev, jedenásť zber z Kemerova, hovorí, že si vybral túto úlohu, pretože už pracoval so strojom. Jeho projekt neurónovej siete, ktorý uznáva rukopis, sa stal finalistom "veľkých výziev" súťaže. A práca na novej úlohe vám umožní naučiť sa pokročilé metódy učenia strojov. Analýza lekárskych obrázkov Dnes je naliehavou úlohou uplatňovať neurónové siete. Technológia je k dispozícii vo väčšine prípadov, ktorá preukazuje vysokú presnosť kontrol na overenie.
Pre finalistov projektu sú otvorené dobré príležitosti pre ďalší rozvoj a sebarealizáciu. Mnohí účastníci predchádzajúcej "veľkej výzvy" boli zapísaní do najväčších univerzít krajín a aktívne pracujú so špecialistami laboratórií MFTI. Univerzita absolventov vedú projekty počas celého tréningu a informujú o úspechoch a vývoji v globálnom vedeckom tlači. Mnohé nápady účastníkov "veľkých výziev" sa už v praxi používajú partnerské spoločnosti.