"Велики изазови-2020" је толико амбициозно зван један од пројеката одржаних у другој половини децембра у Образовном центру Сириус. Током овог научног и технолошког пројектног програма, средњошколци су обучили вештачку интелигенцију. Момци су требали да науче ауто на следећу мудрост:
- Напишите вести.
- Развити нове дроге.
- Анализирајте слике ЦТ-а.
- Студијски профили подносилаца захтева у друштвеним мрежама.
Школици су помогли стручњацима са Универзитета Иннополис, Иандек, Високу школу СПБСУ-а, ВТБ банке, Биоцад. Планирано је да ће најбоље понуде бити спроведене у пракси.
Андреи Расјоргородски, шеф директора "великих података", директор Физтецх-Сцхоол Апплет Математике и информатике МФТИ-а, наведен је да је сесија трајала 10 дана. Током овог времена, момци су научили да раде са различитим алатима за дигиталне технологије и сада ће моћи да користе своје вештине у будућности код куће.
Пројекат предвиђа засебни правац "Велики подаци, вештачку интелигенцију, финансијску технологију и машинско учење". 28 једанаестих грејдера из 18 региона Русије позвано је да раде у њему. Ови момци су постали финалисти све-руске конкуренције дизајна и истраживања.
За учеснике у овом правцу Иандек је формирао посебан налог: да развије програм за генерисање вести, тако да се модерне издања могу користити у свакодневном раду. Државни универзитет ВТБ и Државни универзитет у Санкт Петербургу дали су и задатак СИРИУС-ових школарца. Момци морају да анализирају друштвене мреже и на основу примљених информација да би се портрет подносиоца захтева пословног школе.
Научници су збуњени школским жељама са сложеном жељом: Момци би требали да науче вештачку интелигенцију да тачно предвиђају помоћ рачунара моделирања структуре молекуларног комплекса приликом стварања нових лекова. Аутомобил ће морати да пронађе најпоуздавне комбинације и оне које заиста постоје у природи. Нова метода се мора предвидјети колико је ефикасно створена припрема. Предлози средњошколаца требало би да се користе у алгоритаму хедге БИОЦАД-а.
Дигиталне технологије засноване на вештачкој интелигенцији активно се примењују у медицинској индустрији у многим земљама света. То је олакшано почетком пандемије коронавируса. Технологије телемедицина показале су предност аутоматизације многих процеса, помогли у истоваривању клиника и лекара да се више пута повећавају оптерећења, успело да обезбеде висококвалитетни удаљену медицинску негу пацијентима.
У оквиру научног и технолошког пројекта Сириус "великих изазова-2020", студенти који учествују у програму добили су тежак задатак из Русије закупа. Од лекара се тражи да подучавају вештачку интелигенцију да анализирају медицинске слике користећи рачунарску визију и брзо и тачно проналазе патологију у плућима. Помоћ и врхови неуросетте олакшавају рад радиолога, смањивање времена за обраду слика.
За такве различите и сложене проблеме, као примање медицинских слика, дубоко учење захтева велике скупове података да би се постигао потребан ниво тачности. Препоруке вештачке интелигенције обично су врло тачне. Резултати рада биће преношени у библиотеку отворене коже, приступ који ће бити откривен за стручњаке из свих земаља. Решења за школарце могу се тестирати и применити у пракси ако ће квалитет развоја организовати корисника. Помоћ партнерцима школским децу обезбеђује центар за вештачку интелигенцију Универзитета у Иннополису.
Пројектни тим запошљава шест 11-разред од аутономне округа Кханти-Мансииск, Севастопол, територије Кхабаровске, Републике Басхкортостан, Тиумен и Кемерово и регионе. Њима помажу стручњаци из центра Иннополиса.
Семен Киселев, истраживач Центра за вештачку интелигенцију Универзитета у Иннополису, вођење пројекта, рекао је да програмери уводе децу методама машинског учења и рачунарска визија. Популаризација математике, програмирања и метода учења машина омогућиће вам да промените став према отварању могућности многих којима је потребна ова промена. Пројекат ће подстаћи школске деце да постану активнији у проучавању изгледа за дигиталну трансформацију друштва, убедљиве их да их може довести до занимљивији и интелектуално пуноправни живот. Искуство рада са неуронским мрежама доводи до избора будуће професије, омогућава вам да додирнете активности у атмосфери слободе, развија поверење у себе и пружићете деци и адолесцентима надлежности које им је потребно у будућности.
Момци показују где у којима могу применити знање. Учесници стварају такве моделе и алгоритме за анализу снимака плућа, у којима ће се неурадити самопрегредно напредак да би признали пнеумонију и друге респираторне болести, пнеумоторакса или тумор. Модели дубоког учења могу да предвиђају готово непогрешиву тачност, јер је унутрашња логика модела тешко открити и тумачити, аргументе у корист због чега је та одлука тачна, често остају небитна.
Будући да медицинске одлуке могу имати невероватну тежину, многи се критично односе на изгледу пуне аутоматизације. Веома је важно запамтити да аутомобил не замењује лекара, већ постаје његов помоћник и саветник, у ствари је само треће око за лекара. АИ је потребан за оптимизацију рутинских задатака, а његова свеприсутна примена дубоко мења специјалност са снажном визуелном компонентом, као што је радиологија и патологија. Практиканти, укључујући хирурге, активно су заинтересовани да се развијају и спроводе такве уређаје. АИ је потребан за оптимизацију рутинских задатака, са раширеним уводом, специјалност ће се мењати са снажном визуелном компонентом, као што је радиологија и патологија. Практиканти, укључујући хирурге, активно су заинтересовани да се развијају и спроводе такве уређаје.
Студирани алгоритми школарци тестирају се на великом броју стварних медицинских слика из стварних болница.
Млади програмери морају да науче вештачку интелигенцију за израчунавање тачних димензија и локације патолошких процеса у плућима, наведите лекара о аномалијама органа. Материјали за истраживање Учесници пројекта налазе се у отвореним изворима, базама података ових научних статута домаћих и страних медицинских универзитета. Они провјеравају своје алгоритме на стотинама истинских медицинских слика из стварних ЛПУС-а, јер је приступ релевантним и довољним подацима од најважнијег значаја у алгоритмима обуке АИ.
Данила Пецхенев, једанаест грејдера из Кемеровог, каже да је изабрао овај задатак, јер је већ радио са визијом машине. Његов пројекат неуронске мреже, који препознаје рукопис, постао је финалиста конкурса "великих изазова". А рад на новом задатку омогућиће вам да научите напредна метода учења машина. Анализа медицинских слика данас је хитан задатак примене неуронских мрежа. Технологија је доступна, у већини случајева показују високу тачност на чековима за верификацију.
За финалисте пројекта отворене су се добре могућности за даљи развој и самоостварење. Многи учесници претходног "великог изазова" уписани су у највеће универзитете земаља и активно раде са специјалистима МФТИ лабораторија. Универзитетске матуранте водеће пројекте током целог времена обуке и информишу о постигнућима и развоју у глобалној научној штампи. Многе идеје учесника "великих изазова" већ се користи у пракси партнерских компанија.