Hei Habr!
Hoffem siarad am ffordd mor anarferol o ennill arian i bobl ifanc yn eu harddegau â chymryd rhan mewn hacathonau. Mae hyn yn fuddiol yn ariannol ac yn caniatáu ichi roi'r wybodaeth a enillwyd yn yr ysgol a thrwy ddarllen llyfrau clyfar ar waith.
Enghraifft syml yw hacathon Academi Deallusrwydd Artiffisial y llynedd ar gyfer plant ysgol. Roedd yn rhaid i'w gyfranogwyr ragweld canlyniad gêm Dota 2. Enillydd y gystadleuaeth oedd Alexander Mamaev, degfed graddiwr o Chelyabinsk. Ei algorithm oedd yn pennu'r tîm buddugol yn y frwydr yn gywir. Diolch i hyn, derbyniodd Alexander wobr arian sylweddol - 100 mil rubles.
Sut y defnyddiodd Alexander Mamaev yr arian gwobr, pa wybodaeth sydd gan y myfyriwr i weithio gydag ML, a pha gyfeiriad ym maes AI y mae'n ei ystyried yn fwyaf diddorol - dywedodd y myfyriwr mewn cyfweliad.
- Dywedwch wrthym amdanoch chi'ch hun, sut gwnaethoch chi ddechrau ymddiddori mewn AI? Oedd hi'n anodd mynd i mewn i'r pwnc?
- Rwy'n 17 oed, rwy'n gorffen yr ysgol eleni, ac yn ddiweddar symudais o Chelyabinsk i Dolgoprudny, sydd ger Moscow. Rwy'n astudio yn Lyceum Ffiseg a Thechnoleg Kapitsa, dyma un o'r ysgolion gorau yn rhanbarth Moscow. Gallwn rentu fflat, ond rwy'n byw mewn ysgol breswyl yn yr ysgol, mae'n well ac yn haws cyfathrebu â phobl o'r lyceum.
Mae'n debyg mai'r tro cyntaf i mi glywed am AI ac ML oedd yn 2016, pan ymddangosodd Prisma. Yna roeddwn yn yr 8fed gradd ac yn gwneud rhaglennu olympiad, mynychu rhai olympiads a darganfod ein bod yn cael cyfarfodydd ML yn y ddinas. Roedd gen i ddiddordeb mewn ei ddarganfod, deall sut mae'n gweithio, a dechreuais fynd yno. Yno dysgais y pethau sylfaenol am y tro cyntaf, yna dechreuais ei astudio ar y Rhyngrwyd, mewn cyrsiau amrywiol.
Ar y dechrau, dim ond cwrs gan Konstantin Vorontsov oedd yn Rwsieg, ac roedd y dull o'i ddysgu yn llym: roedd yn cynnwys llawer o dermau, ac roedd llawer o fformiwlâu yn y disgrifiadau. I wythfed graddiwr roedd hyn yn anodd iawn, ond yn awr, yn union oherwydd imi fynd trwy ysgol o'r fath ar y dechrau, nid yw'r termau yn peri anawsterau i mi yn ymarferol mewn problemau gwirioneddol.
— Faint o fathemateg sydd angen i chi ei wybod i weithio gydag AI? A oes digon o wybodaeth o gwricwlwm yr ysgol?
— Mewn sawl ffordd, mae ML yn seiliedig ar gysyniadau sylfaenol ysgol yng ngraddau 10-11, algebra llinol sylfaenol a gwahaniaethu. Os ydym yn sôn am gynhyrchu, am broblemau technegol, yna mewn llawer o ffyrdd nid oes angen mathemateg; datrysir llawer o broblemau yn syml trwy brofi a methu. Ond os ydym yn siarad am ymchwil, pan fydd technolegau newydd yn cael eu creu, yna nid oes unman heb fathemateg. Mae angen mathemateg ar lefel sylfaenol, o leiaf i wybod sut i gymhwyso matrics neu, yn gymharol siarad, gyfrifo deilliadau. Does dim dianc rhag mathemateg yma.
— Yn eich barn chi, a all unrhyw fyfyriwr sydd â meddylfryd dadansoddol naturiol ddatrys problemau ML?
- Oes. Os yw person yn gwybod beth sydd wrth wraidd ML, os yw'n gwybod sut mae data wedi'i strwythuro ac yn deall triciau neu haciau sylfaenol, ni fydd angen mathemateg arno, oherwydd mae llawer o'r offer ar gyfer y swydd eisoes wedi'u hysgrifennu gan bobl eraill. Mae'r cyfan yn dibynnu ar ddod o hyd i batrymau. Ond mae popeth, wrth gwrs, yn dibynnu ar y dasg.
— Beth yw'r peth anoddaf wrth ddatrys problemau ac achosion ML?
— Mae pob tasg newydd yn rhywbeth newydd. Pe bai'r broblem eisoes wedi bodoli yn yr un ffurf, ni fyddai'n rhaid ei datrys. Nid oes algorithm cyffredinol. Mae yna gymuned enfawr o bobl sy'n hyfforddi eu sgiliau datrys problemau, yn dweud sut y gwnaethon nhw ddatrys problemau, ac yn disgrifio straeon am eu buddugoliaethau. Ac mae'n ddiddorol iawn dilyn eu rhesymeg, eu syniadau.
— Pa achosion a phroblemau sydd o ddiddordeb i chi eu datrys fwyaf?
- Rwy'n arbenigo mewn ieithyddiaeth gyfrifiadol, mae gen i ddiddordeb mewn testunau, tasgau dosbarthu, chatbots, ac ati.
- Ydych chi'n aml yn cymryd rhan mewn hacathonau AI?
— Mae hacathonau, mewn gwirionedd, yn system wahanol o Olympiads. Mae gan yr Olympiad set o broblemau caeedig, gydag atebion hysbys y mae'n rhaid i'r cyfranogwr eu dyfalu. Ond mae yna bobl nad ydyn nhw'n dda am wneud tasgau caeedig, ond yn rhwygo pawb yn ddarnau agored. Felly gallwch chi brofi eich gwybodaeth mewn gwahanol ffyrdd. Mewn problemau agored, mae technolegau weithiau'n cael eu creu o'r dechrau, mae cynhyrchion yn cael eu datblygu'n gyflym, ac nid yw hyd yn oed y trefnwyr yn aml yn gwybod yr ateb cywir. Rydym yn aml yn cymryd rhan mewn hacathonau, a thrwy hyn gallwn ennill arian. Mae hyn yn ddiddorol.
- Faint allwch chi ei ennill o hyn? Sut ydych chi'n gwario'ch gwobr ariannol?
— Cymerodd fy ffrind a minnau ran yn yr hacathon VKontakte, lle gwnaethom gais i chwilio am luniau yn y Hermitage. Arddangoswyd set o emojis ac emoticons ar sgrin y ffôn, roedd angen dod o hyd i lun gan ddefnyddio'r set hon, pwyntiwyd y ffôn at y llun, fe'i cydnabuwyd gan ddefnyddio rhwydweithiau niwral ac, os oedd yr ateb yn gywir, dyfarnwyd pwyntiau. Roeddem yn falch ac â diddordeb ein bod wedi gallu creu cymhwysiad a oedd yn caniatáu i ni adnabod paentiad ar ddyfais symudol. Roeddem yn betrus yn y lle cyntaf, ond oherwydd ffurfioldeb cyfreithiol fe wnaethom fethu allan ar y wobr o 500 mil rubles. Mae'n drueni, ond nid dyna'r prif beth.
Yn ogystal, cymerodd ran yng nghystadleuaeth Sberbank Data Science Journey, lle cymerodd y 5ed safle ac enillodd 200 mil rubles. Ar gyfer y cyntaf maent yn talu miliwn, ar gyfer yr ail 500 mil. Mae cronfeydd gwobrau yn amrywio, ac maent bellach yn cynyddu. Mae bod yn y brig, gallwch gael 100 i 500 mil. Rwy'n arbed y wobr arian ar gyfer addysg, dyma fy nghyfraniad i'r dyfodol, yr arian yr wyf yn ei wario mewn bywyd bob dydd, yr wyf yn ei ennill fy hun.
— Beth sy'n fwy diddorol - hacathonau unigol neu dîm?
— Os ydym yn sôn am ddatblygu cynnyrch, yna rhaid iddo fod yn dîm; ni all un person ei wneud. Bydd yn blino ac angen cefnogaeth. Ond os ydym yn sôn, er enghraifft, am hackathon Academi AI, yna mae'r dasg yno yn gyfyngedig, nid oes angen creu cynnyrch. Mae'r diddordeb yno yn wahanol - i oddiweddyd person arall sydd hefyd yn datblygu yn y maes hwn.
— Sut ydych chi'n bwriadu datblygu ymhellach? Sut ydych chi'n gweld eich gyrfa?
— Nawr y prif nod yw paratoi eich gwaith gwyddonol difrifol, ymchwil, fel ei fod yn ymddangos mewn cynadleddau blaenllaw fel NeurIPS neu ICML - cynadleddau ML a gynhelir mewn gwahanol wledydd y byd. Mae'r cwestiwn gyrfa yn agored, edrychwch ar sut mae ML wedi datblygu dros y 5 mlynedd diwethaf. Mae'n newid yn gyflym, nawr mae'n anodd rhagweld beth fydd yn digwydd nesaf. Ac os ydym yn sôn am syniadau a chynlluniau ar wahân i waith gwyddonol, yna efallai y byddwn yn gweld fy hun mewn rhyw fath o fy mhrosiect fy hun, cychwyniad ym maes AI ac ML, ond nid yw hyn yn sicr.
- Yn eich barn chi, beth yw cyfyngiadau technoleg AI?
- Wel, yn gyffredinol, os byddwn yn siarad am AI fel peth sydd â rhyw fath o ddeallusrwydd, yn prosesu data, yna, yn y dyfodol agos, bydd yn rhyw fath o ymwybyddiaeth o'r byd o'n cwmpas. Os soniwn am rwydweithiau niwral mewn ieithyddiaeth gyfrifiadol, er enghraifft, rydym yn ceisio modelu rhywbeth yn lleol, er enghraifft, iaith, heb roi dealltwriaeth i’r model o’r cyd-destun am ein byd. Hynny yw, os ydym yn gallu ymgorffori hyn yn AI, byddwn yn gallu creu modelau deialog, bots sgwrsio a fydd nid yn unig yn gwybod modelau iaith, ond a fydd hefyd â rhagolygon ac yn gwybod ffeithiau gwyddonol. A dyma beth hoffwn ei weld yn y dyfodol.
Gyda llaw, mae'r Academi Deallusrwydd Artiffisial ar hyn o bryd yn recriwtio plant ysgol ar gyfer hacathon newydd. Mae'r arian gwobr hefyd yn sylweddol, ac mae tasg eleni hyd yn oed yn fwy diddorol - bydd angen i chi adeiladu algorithm sy'n rhagweld profiad chwaraewr yn seiliedig ar ystadegau un gêm Dota 2. Am fanylion, ewch i .
Ffynhonnell: hab.com