Ang "Big Challenges-2020" ay napakalaki na tinatawag na isa sa mga proyekto na gaganapin sa ikalawang kalahati ng Disyembre sa Sirius Educational Center. Sa kurso ng programang pang-agham at teknolohikal na ito, ang mga estudyante sa mataas na paaralan ay nagsanay ng artipisyal na katalinuhan. Ang mga lalaki ay magtuturo sa kotse sa susunod na karunungan:
- Sumulat ng balita.
- Bumuo ng mga bagong gamot.
- Pag-aralan ang mga larawan ng CT.
- Pag-aralan ang mga profile ng mga aplikante sa mga social network.
Nakatulong ang mga schoolchildren ng mga eksperto mula sa University Innopolis, Yandex, Higher School of Management Spbsu, VTB Bank, Biocad. Pinlano na ang mga pinakamahusay na alok ay ipapatupad sa pagsasanay.
Si Andrei Rasjorgorodsky, pinuno ng "malaking data" na direktor, ang direktor ng Fiztech-school ng inilapat na matematika at informatics ng Mfti, ay tinukoy na ang sesyon ay tumagal ng 10 araw. Sa panahong ito, natutunan ng mga guys na magtrabaho kasama ang iba't ibang mga tool sa digital na teknolohiya at magagamit na ngayon ang kanilang mga kasanayan sa hinaharap sa bahay.
Ang proyekto ay nagbibigay ng isang hiwalay na direksyon na "malaking data, artipisyal na katalinuhan, teknolohiya sa pananalapi at pag-aaral ng makina". 28 Ang ika-11 na grader mula sa 18 rehiyon ng Russia ay inanyayahang magtrabaho dito. Ang mga guys ay naging finalist ng kumpetisyon ng All-Russian ng disenyo at pananaliksik sa trabaho.
Para sa mga kalahok sa direksyon na ito, ang Yandex ay bumuo ng isang espesyal na order: upang bumuo ng isang programa upang bumuo ng mga balita, upang ang mga modernong edisyon ay maaaring gamitin sa araw-araw na trabaho. Ibinigay din ng VTB Bank at St. Petersburg State University ang gawain ng Sirius Schoolchildren. Dapat pag-aralan ng mga guys ang mga social network at batay sa impormasyon na natanggap upang gumawa ng isang larawan ng aplikante ng paaralan ng negosyo.
Ang mga siyentipiko ay nakakalungkot sa mga bata sa isang kumplikadong nais: ang mga guys ay dapat magturo ng artipisyal na katalinuhan upang tumpak na mahulaan ang tulong ng computer na pagmomodelo ng istraktura ng molekular complex kapag lumilikha ng mga bagong gamot. Ang kotse ay magkakaroon upang mahanap ang pinaka-malamang na mga kumbinasyon at mga na talagang umiiral sa likas na katangian. Ang bagong paraan ay dapat na hinulaang kung paano epektibo ang paghahanda na nilikha. Ang mga mungkahi mula sa mga estudyante sa mataas na paaralan ay dapat gamitin sa algorithm ng hedge ng biocad.
Ang mga digital na teknolohiya batay sa artipisyal na katalinuhan ay naging aktibong inilalapat sa industriya ng medikal sa maraming bansa sa mundo. Ito ay pinadali ng simula ng pandemic ng Coronavirus. Ipinakita ng Telemedicine Technologies ang bentahe ng pag-automate ng maraming proseso, nakatulong sa mga klinika at mga doktor mula sa paulit-ulit na mas mataas na naglo-load, pinamamahalaang upang magbigay ng mataas na kalidad na remote medical care sa mga pasyente.
Sa loob ng balangkas ng pang-agham at teknolohikal na proyekto ng Sirius "Big Challenges-2020", ang mga mag-aaral na nakikilahok sa programa ay nakatanggap ng isang mahirap na gawain mula sa mga rentgesologist ng Russia. Hinihiling ang mga doktor na magturo ng artipisyal na katalinuhan upang pag-aralan ang mga medikal na larawan gamit ang computer vision at mabilis at tumpak na makahanap ng patolohiya sa baga. Ang tulong at mga tip ng neurosette ay nagpapadali sa pagpapatakbo ng mga radiologist, bawasan ang oras upang maproseso ang mga larawan.
Para sa iba't ibang at kumplikadong mga problema, tulad ng pagtanggap ng mga medikal na imahe, ang malalim na pag-aaral ay nangangailangan ng malaking hanay ng data upang makamit ang kinakailangang antas ng katumpakan. Ang mga rekomendasyon ng artificial intelligence ay karaniwang tumpak. Ang mga resulta ng trabaho ay mai-upload sa open-source library, access na kung saan ay natuklasan para sa mga espesyalista mula sa lahat ng mga bansa. Ang mga solusyon sa paaralan ay maaaring masuri at magamit sa pagsasanay kung ang kalidad ng pag-unlad ay magsasaayos ng isang gumagamit. Ang tulong sa kasosyo sa mga bata sa paaralan ay ibinibigay ng sentro para sa artificial intelligence ng University of Inspolis.
Ang koponan ng proyekto ay gumagamit ng anim na 11-grado mula sa Khanty-Mansiysk Autonomous Okrug, Sevastopol, Teritoryo ng Khabarovsk, Republika ng Bashkortostan, Tyumen at Kemerovo at mga rehiyon. Ang mga ito ay tinutulungan ng mga eksperto mula sa sentro ng Inspolis.
Semen Kiselev, mananaliksik ng sentro para sa artipisyal na katalinuhan ng University of Inspolis, isang gabay na proyekto, sinabi na ang mga developer ay nagpapakilala sa mga bata na may mga pamamaraan ng pag-aaral ng makina at computer vision. Ang pagpapasikat ng matematika, programming at machine learning methods ay magbibigay-daan sa iyo upang baguhin ang saloobin sa mga oportunidad sa pagbubukas ng marami na nangangailangan ng pagbabagong ito. Ang proyekto ay hinihikayat ang mga bata upang maging mas aktibo sa pag-aaral ng mga prospect para sa digital na pagbabagong-anyo ng lipunan, nakakumbinsi sa kanila na maaari itong humantong sa mga ito sa mas kawili-wili at intelektwal na ganap na buhay. Ang karanasan ng pagtatrabaho sa mga neural network ay humahantong sa pagpili ng propesyon sa hinaharap, ay nagbibigay-daan sa iyo upang mahawakan ang mga aktibidad sa kapaligiran ng kalayaan, bumuo ng tiwala sa iyong sarili at magbibigay ng mga bata at mga kabataan ng mga kakayahan na kailangan nila sa hinaharap.
Ang mga guys ay nagpapakita kung saan kung saan ang mga lugar na maaari nilang ilapat ang kaalaman na nakuha. Lumilikha ang mga kalahok tulad ng mga modelo at mga algorithm para sa pag-aaral ng mga snapshot ng mga baga, kung saan neuralize ang pag-unlad sa sarili upang makilala ang pneumonia at iba pang mga sakit sa paghinga, pneumothorax o tumor. Ang malalim na mga modelo ng pag-aaral ay maaaring gumawa ng mga hula na may halos walang katumpakan na katumpakan, gayunpaman, dahil ang panloob na lohika ng modelo ay mahirap na alisan ng takip at bigyang-kahulugan, ang mga argumento na pabor sa kung bakit ang desisyon na ito ay tama, madalas na mananatiling hindi malimit.
Dahil ang mga medikal na desisyon ay maaaring magkaroon ng hindi kapani-paniwala na timbang, maraming critically tumutukoy sa pag-asam ng buong automation. Napakahalaga na tandaan na ang kotse ay hindi pinapalitan ang doktor, ngunit nagiging kanyang katulong at tagapayo, sa katunayan ito lamang ang ikatlong mata para sa doktor. Kinakailangan ang AI upang i-optimize ang mga gawain na gawain, na may malawak na pagpapatupad nito na malalim na nagbabago ng espesyalidad na may isang malakas na bahagi ng visual, tulad ng radiology at patolohiya. Ang mga practitioner, kabilang ang mga surgeon, ay aktibong interesado sa pagbuo at pagpapatupad ng mga naturang device. Kinakailangan ang AI upang i-optimize ang mga gawain ng gawain, na may malawak na pagpapakilala, ang specialty ay magbabago sa isang malakas na bahagi ng visual, tulad ng radiology at patolohiya. Ang mga practitioner, kabilang ang mga surgeon, ay aktibong interesado sa pagbuo at pagpapatupad ng mga naturang device.
Ang mga pinag-aralan na mga algorithm sa paaralan ay nasubok sa isang malaking bilang ng mga tunay na medikal na larawan mula sa mga tunay na ospital.
Ang mga batang programmer ay dapat magturo ng artipisyal na katalinuhan upang kalkulahin ang eksaktong sukat at lokasyon ng mga pathological na proseso sa mga baga, ipahiwatig ang doktor sa mga anomalya ng organ. Mga materyales para sa pananaliksik Ang mga kalahok sa proyekto ay matatagpuan sa mga bukas na mapagkukunan, mga database ng mga siyentipikong artikulo ng mga lokal at dayuhang medikal na unibersidad. Sinusuri nila ang kanilang mga algorithm sa daan-daang mga tunay na medikal na larawan mula sa tunay na LPU, dahil ang pag-access sa may-katuturang at sapat na data ay higit na mahalaga sa mga algorithm ng pagsasanay ng AI.
Si Danila Pechenev, eleven-grader mula sa Kemerovo, ay nagsabi na pinili niya ang gawaing ito, dahil nagtrabaho na siya sa pangitain ng makina. Ang kanyang proyekto ng isang neural network, na kinikilala ang sulat-kamay, ay naging finalist ng paligsahan ng "Big Challenges". At ang trabaho sa bagong gawain ay magbibigay-daan sa iyo upang matuto ng mga advanced na pamamaraan sa pag-aaral ng machine. Ang pagtatasa ng mga medikal na larawan ngayon ay isang kagyat na gawain ng paglalapat ng mga neural network. Available ang teknolohiya, sa karamihan ng mga kaso na nagpapakita ng mataas na katumpakan sa mga tseke para sa pag-verify.
Para sa mga finalist ng proyekto, ang mga magagandang pagkakataon ay binuksan para sa karagdagang pag-unlad at pagsasakatuparan sa sarili. Maraming mga kalahok ng nakaraang "malaking hamon" ay nakatala sa pinakamalaking unibersidad ng mga bansa at aktibong nagtatrabaho sa mga espesyalista ng Mfti Laboratories. Ang mga nagtapos sa unibersidad ay humantong sa mga proyekto sa buong panahon ng pagsasanay at ipaalam ang tungkol sa mga nagawa at mga pagpapaunlad sa pandaigdigang pang-agham na press. Maraming mga ideya ng mga kalahok ng "Big Challenges" ang ginagamit na sa pagsasagawa ng mga kompanya ng kasosyo.