"Stora utmaningar-2020" är så ambitiöst kallat ett av de projekt som hålls under andra hälften av december i Sirius Educational Center. Under det här vetenskapliga och tekniska projektprojektet utbildade gymnasieelever artificiell intelligens. Killarna skulle lära bilen till nästa visdom:
- Skriv nyheter.
- Utveckla nya droger.
- Analysera bilderna på CT.
- Studieprofiler av sökande i sociala nätverk.
Skolbarn hjälpte experter från University Innopolis, Yandex, Högskolan för hantering SPBSU, VTB Bank, Biocad. Det är planerat att de bästa erbjudandenen kommer att genomföras i praktiken.
Andrei Rasjorgorodsky, chef för "Big Data" -direktören, chef för Fiztech-School of Applied Mathematics och Informatics of MFTI, anges att sessionen varade 10 dagar. Under denna tid har killarna lärt sig att arbeta med olika digitala teknikverktyg och kommer nu att kunna använda sina färdigheter i framtiden hemma.
Projektet ger en separat riktning "stora data, artificiell intelligens, finansiell teknik och maskininlärning". 28 elfte graders från 18 regioner i Ryssland var inbjudna att arbeta i den. Dessa killar blev finalister av den allra ryska tävlingen av design och forskningsarbete.
För deltagare i den här riktningen har Yandex bildat en speciell order: att utveckla ett program för att generera nyheter, så att moderna utgåvor kan användas i dagligt arbete. VTB Bank och St. Petersburg State University gav också Sirius skolbarns uppgift. Killarna måste analysera sociala nätverk och bygger på informationen som mottagits för att göra ett porträtt av en handelsskolans sökande.
Forskare förbryllade skolbarn med en komplex önskan: Killarna bör undervisa konstgjord intelligens för att exakt förutse med hjälp av datormodellering av molekylkomplexets struktur när de skapar nya droger. Bilen måste hitta de mest trovärdiga kombinationerna och de som verkligen finns i naturen. Den nya metoden måste förutsägas hur effektivt förberedelsen skapades. Förslag från gymnasieelever ska användas i hedgealgoritmen för Biocad.
Digital teknik baserad på artificiell intelligens har blivit aktivt tillämpad inom medicinsk industri i många länder i världen. Detta underlättades i början av coronaviruspandemin. Telemedicinsteknik har visat fördelen att man automatiserar många processer, hjälpte till att lossa kliniker och läkare från upprepade gånger ökade laster, lyckades tillhandahålla högkvalitativ fjärrvård till patienter.
Inom ramen för det vetenskapliga och tekniska projektet av Sirius "stora utmaningar-2020" fick studenter som deltog i programmet en svår uppgift från Rysslands hyrorologer. Läkare uppmanas att lära sig konstgjord intelligens för att analysera medicinska bilder med datorvision och snabbt och noggrant hitta patologi i lungorna. Hjälp och tips för neurosetten underlättar driften av radiologer, minska tiden för att bearbeta bilderna.
För en sådan mängd olika och komplexa problem, som att ta emot medicinska bilder, kräver djupt lärande stora dataset för att uppnå den önskade nivån av noggrannhet. Rekommendationerna av artificiell intelligens är vanligtvis mycket exakta. Resultaten av arbetet kommer att laddas upp till det öppna källbiblioteket, tillträde till vilket kommer att upptäckas för specialister från alla länder. Skolbarnslösningar kan testas och tillämpas i praktiken om utvecklingskvaliteten kommer att ordna en användare. Partnerhjälp till skolbarn tillhandahålls av centrum för konstgjord intelligens vid University of Innopolis.
Projektteamet sysselsätter sex 11-betyg från Khanty-Mansiysk Autonom Okrug, Sevastopol, Khabarovsk-territoriet, Republiken Bashkortostan, Tyumen och Kemerovo och regioner. De hjälper till av experter från centrum av Innopolis.
Semen Kiselev, forskare av centrum för konstgjord intelligens vid University of Innopolis, ett vägledande projekt, sade att utvecklarna introducerar barn med metoder för maskininlärning och datorsyn. Popularisering av matematik, programmering och maskininlärningsmetoder gör att du kan ändra inställningen till många som behöver den här förändringen. Projektet kommer att uppmuntra skolbarn att bli mer aktiva för att studera utsikterna för digital omvandling av samhället, övertyga dem om att det kan leda dem till mer intressant och intellektuellt fullfjädrat liv. Erfarenheten av att arbeta med neurala nätverk leder till valet av det framtida yrket, låter dig röra aktiviteterna i frihetens atmosfär, utveckla förtroende för dig själv och kommer att ge barn och ungdomar de kompetens som de behöver i framtiden.
Killarna visar var i vilka områden de kan tillämpa kunskapen. Deltagarna skapar sådana modeller och algoritmer för att analysera lungans ögonblicksbilder, för att neuralisera självförstärkning för att känna igen lunginflammation och andra respiratoriska sjukdomar, pneumotorax eller tumör. Djupa inlärningsmodeller kan göra förutsägelser med nästan otvetydig noggrannhet, eftersom modellens interna logik är svår att avslöja och tolka, argumenten till förmån för varför detta beslut är korrekt, förbli ofta otrevligt.
Eftersom medicinska beslut kan ha otrolig vikt, hänvisar många kritiskt till möjligheten till fullständig automatisering. Det är mycket viktigt att komma ihåg att bilen inte ersätter läkaren, men blir hans assistent och rådgivaren, det är faktiskt bara det tredje ögat för doktorn. AI behövs för att optimera rutinuppgifter, med allestädes närvarande implementering djupt förändras specialitet med en stark visuell komponent, såsom radiologi och patologi. Utövare, inklusive kirurger, är aktivt intresserade av att utveckla och genomföra sådana anordningar. AI behövs för att optimera rutinuppgifter, med sin utbredda introduktion, kommer specialitet att förändras med en stark visuell komponent, såsom radiologi och patologi. Utövare, inklusive kirurger, är aktivt intresserade av att utveckla och genomföra sådana anordningar.
De studerade algoritmerna skolbarn testas på ett stort antal verkliga medicinska bilder från riktiga sjukhus.
Unga programmerare måste undervisa artificiell intelligens för att beräkna de exakta dimensionerna och platsen för patologiska processer i lungorna, indikerar läkaren på organs anomalier. Material för forskning Projektdeltagarna finns i öppna källor, databaser av dessa vetenskapliga artiklar av inhemska och utländska medicinska universitet. De kontrollerar sina algoritmer på hundratals äkta medicinska bilder från Real LPU, eftersom tillgång till relevanta och tillräckliga data är av största vikt i träningsalgoritmer av AI.
Danila Pechenev, Eleven-grader från Kemerovo, säger att han valde den här uppgiften, för att han redan arbetat med maskinens vision. Hans projekt av ett neuralt nätverk, som erkänner handstilen, blev finalisten av de "stora utmaningarna" -konkurrensen. Och arbetet med den nya uppgiften tillåter dig att lära dig avancerade maskininlärningsmetoder. Analys av medicinska bilder idag är en brådskande uppgift att tillämpa neurala nätverk. Tekniken är tillgänglig, i de flesta fall visar hög noggrannhet vid kontroll för verifiering.
För projektets finalister öppnas goda möjligheter för vidareutveckling och självförverkligande. Många deltagare i den tidigare "stora utmaningen" var inskrivna i de största universiteten i länderna och arbetar aktivt med specialister i MFTI-laboratorierna. Universitetsexaminerar ledande projekt under hela träningstiden och informerar om prestationer och utveckling i den globala vetenskapliga pressen. Många idéer om deltagare av "stora utmaningar" används redan i praktiken av partnerföretag.