Hej Habr!
Vi vil gerne tale om en så usædvanlig måde at tjene penge på for teenagere som at deltage i hackathons. Dette er både økonomisk fordelagtigt og giver dig mulighed for at omsætte den viden, du opnår i skolen og gennem læsning af smarte bøger, i praksis.
Et simpelt eksempel er sidste års Artificial Intelligence Academy hackathon for skolebørn. Dens deltagere skulle forudsige resultatet af Dota 2-spillet. Vinderen af konkurrencen var Alexander Mamaev, en tiende klasse fra Chelyabinsk. Hans algoritme bestemte mest præcist det vindende hold i kampen. Takket være dette modtog Alexander en betydelig præmiepenge - 100 tusind rubler.
Hvordan Alexander Mamaev brugte præmiepengene, hvilken viden eleven mangler for at arbejde med ML, og hvilken retning inden for AI han anser for den mest interessante - fortalte eleven i et interview.
— Fortæl os om dig selv, hvordan blev du interesseret i kunstig intelligens? Var det svært at komme ind på emnet?
- Jeg er 17 år gammel, jeg afslutter skolen i år, og jeg flyttede for nylig fra Chelyabinsk til Dolgoprudny, som ligger tæt på Moskva. Jeg studerer på Kapitsa Physics and Technology Lyceum, dette er en af de bedste skoler i Moskva-regionen. Jeg kunne leje en lejlighed, men jeg bor på en kostskole på skolen, det er bedre og nemmere at kommunikere med folk fra lyceum.
Første gang jeg hørte om AI og ML var nok i 2016, hvor Prisma dukkede op. Så gik jeg i 8. klasse og lavede olympiadeprogrammering, deltog i nogle olympiader og fandt ud af, at vi holdt ML meetups i byen. Jeg var interesseret i at finde ud af det, forstå, hvordan det fungerer, og jeg begyndte at tage dertil. Der lærte jeg det grundlæggende for første gang, derefter begyndte jeg at studere det på internettet, i forskellige kurser.
Først var der kun et kursus fra Konstantin Vorontsov på russisk, og måden at undervise på var streng: det indeholdt mange udtryk, og der var mange formler i beskrivelserne. For en ottende-klasse var dette meget svært, men nu, netop fordi jeg gik igennem sådan en skole i begyndelsen, udgør vilkårene ikke vanskeligheder for mig i praksis i virkelige problemer.
— Hvor meget matematik skal du kunne for at arbejde med kunstig intelligens? Er der nok viden fra skolens læseplan?
— ML er på mange måder baseret på skolens grundbegreber i 10-11 klassetrin, grundlæggende lineær algebra og differentiering. Hvis vi taler om produktion, om tekniske problemer, så er matematik på mange måder ikke nødvendigt, mange problemer løses blot ved at prøve og fejle. Men hvis vi taler om forskning, når nye teknologier skabes, så er der ingen steder uden matematik. Matematik er nødvendig på et grundlæggende niveau, i det mindste for at vide, hvordan man anvender en matrix eller, relativt set, beregner afledte. Der er ingen undvigende matematik her.
— Kan enhver studerende med en naturlig-analytisk tankegang efter din mening løse ML-problemer?
- Ja. Hvis en person ved, hvad der ligger i hjertet af ML, hvis han ved, hvordan data er struktureret og forstår grundlæggende tricks eller hacks, har han ikke brug for matematik, fordi mange af værktøjerne til jobbet allerede er skrevet af andre mennesker. Det hele handler om at finde mønstre. Men alt afhænger selvfølgelig af opgaven.
— Hvad er det sværeste ved at løse ML-problemer og sager?
— Hver ny opgave er noget nyt. Hvis problemet allerede havde eksisteret i samme form, skulle det ikke løses. Der er ingen universel algoritme. Der er et enormt fællesskab af mennesker, som træner deres problemløsningsevner, fortæller, hvordan de løste problemer, og beskriver historier om deres sejre. Og det er meget interessant at følge deres logik, deres ideer.
— Hvilke sager og problemer er du mest interesseret i at løse?
— Jeg er specialiseret i datalingvistik, jeg er interesseret i tekster, klassifikationsproblemer, chatbots mv.
— Deltager du ofte i AI hackathons?
— Hackathons er i virkeligheden et andet system af olympiader. Olympiaden har et sæt lukkede problemer, med kendte svar, som deltageren skal gætte. Men der er folk, der ikke er gode til lukkede opgaver, men river alle fra hinanden ved åbne. Så du kan teste din viden på forskellige måder. I åbne problemer skabes teknologier nogle gange fra bunden, produkter udvikles hurtigt, og selv arrangørerne kender ofte ikke det rigtige svar. Vi deltager ofte i hackathons, og herigennem kan vi tjene penge. Det er interessant.
- Hvor meget kan du tjene på dette? Hvordan bruger du dine præmiepenge?
— Min ven og jeg deltog i VKontakte hackathon, hvor vi lavede en ansøgning om at søge efter malerier i Eremitagen. Et sæt emojis og humørikoner blev vist på telefonens skærm, det var nødvendigt at finde et billede ved hjælp af dette sæt, telefonen blev peget på billedet, den blev genkendt ved hjælp af neurale netværk, og hvis svaret var korrekt, blev der tildelt point. Vi var glade og interesserede over, at vi var i stand til at lave en applikation, der gjorde det muligt for os at genkende et maleri på en mobilenhed. Vi var foreløbigt på førstepladsen, men på grund af en juridisk formalitet gik vi glip af præmien på 500 tusind rubler. Det er en skam, men det er ikke det vigtigste.
Derudover deltog han i konkurrencen Sberbank Data Science Journey, hvor han tog 5. pladsen og tjente 200 tusind rubler. For den første betalte de en million, for den anden 500 tusind. Præmiemidlerne varierer og er nu stigende. Når du er i toppen, kan du få 100 til 500 tusind. Jeg sparer præmiepengene til uddannelse, det er mit bidrag til fremtiden, de penge, som jeg bruger i hverdagen, tjener jeg selv.
— Hvad er mere interessant – individuelle eller team hackathons?
— Hvis vi taler om at udvikle et produkt, så skal det være et team, én person kan ikke gøre det. Han bliver simpelthen træt og har brug for støtte. Men hvis vi for eksempel taler om AI-akademiets hackathon, så er opgaven der begrænset, der er ingen grund til at oprette et produkt. Interessen dér er anderledes - at overhale en anden person, som også udvikler sig på dette område.
– Hvordan planlægger du at udvikle dig yderligere? Hvordan ser du på din karriere?
— Nu er hovedmålet at forberede dit seriøse videnskabelige arbejde, forskning, så det vises på førende konferencer som NeurIPS eller ICML - ML-konferencer, der finder sted i forskellige lande i verden. Karrierespørgsmålet er åbent, se hvordan ML har udviklet sig de seneste 5 år. Det ændrer sig hurtigt, nu er det svært at forudsige, hvad der så vil ske. Og hvis vi taler om ideer og planer udover videnskabeligt arbejde, så ville jeg måske se mig selv i en eller anden form for mit eget projekt, en startup inden for AI og ML, men det er ikke sikkert.
— Efter din mening, hvad er begrænsningerne ved AI-teknologi?
— Jamen, generelt, hvis vi taler om AI som en ting, der har en form for intelligens, behandler data, så vil det i den nærmeste fremtid være en form for bevidsthed om verden omkring os. Taler vi for eksempel om neurale netværk i computerlingvistik, forsøger vi lokalt at modellere noget, for eksempel sprog, uden at give modellen en forståelse af konteksten omkring vores verden. Det vil sige, at hvis vi er i stand til at inkorporere dette i AI, vil vi være i stand til at skabe dialogmodeller, chatbots, der ikke kun kender sprogmodeller, men som også vil have udsyn og kende videnskabelige fakta. Og det er det, jeg gerne vil se i fremtiden.
Akademiet for kunstig intelligens er i øvrigt i gang med at rekruttere skolebørn til et nyt hackathon. Præmiepengene er også betydelige, og dette års opgave er endnu mere interessant - du skal bygge en algoritme, der forudsiger en spillers oplevelse baseret på statistikken for en Dota 2-kamp. For detaljer, gå til .
Kilde: www.habr.com