Hej Habr!
Ni ŝatus paroli pri tia nekutima maniero gajni monon por adoleskantoj kiel partoprenado en hakatonoj. Ĉi tio estas kaj finance utila kaj permesas al vi praktiki la sciojn akiritajn en la lernejo kaj per legado de inteligentaj libroj.
Simpla ekzemplo estas la pasintjara Artefarita Inteligenta Akademio hakaton por lernejanoj. Ĝiaj partoprenantoj devis antaŭdiri la rezulton de la ludo Dota 2. La gajnanto de la konkurso estis Aleksandr Mamaev, deka lernanto el Ĉeljabinsk. Lia algoritmo plej precize determinis la venkan teamon de la batalo. Danke al ĉi tio, Aleksandro ricevis grandan premian monon - 100 mil rubloj.
Kiel Aleksandro Mamaev uzis la premimonon, kian scion mankas al la studento por labori kun ML, kaj kian direkton en la kampo de AI li konsideras la plej interesa - la studento diris en intervjuo.
— Rakontu al ni pri vi, kiel vi interesiĝis pri AI? Ĉu estis malfacile eniri la temon?
— Mi estas 17-jara, mi finas la lernejon ĉi-jare, kaj mi ĵus translokiĝis de Ĉeljabinsk al Dolgoprudny, kiu estas proksime de Moskvo. Mi studas ĉe la Kapitsa Fizika kaj Teknologia Liceo, ĉi tiu estas unu el la plej bonaj lernejoj en la Moskva regiono. Mi povus lui loĝejon, sed mi loĝas en internulejo en la lernejo, estas pli bone kaj pli facile komuniki kun homoj de la liceo.
La unua fojo, kiam mi aŭdis pri AI kaj ML, estis verŝajne en 2016, kiam Prisma aperis. Tiam mi estis en la 8-a klaso kaj faris olimpiadprogramadon, ĉeestis kelkajn olimpikojn kaj eksciis, ke ni havas ML-renkontiĝojn en la urbo. Mi interesiĝis pri eltrovi ĝin, kompreni kiel ĝi funkcias, kaj mi komencis iri tien. Tie mi unuafoje lernis la bazaĵojn, poste mi komencis studi ĝin en Interreto, en diversaj kursoj.
Komence, estis nur kurso de Konstantin Vorontsov en la rusa, kaj la maniero instrui ĝin estis strikta: ĝi enhavis multajn terminojn, kaj estis multaj formuloj en la priskriboj. Por oka-lernanto tio estis tre malfacila, sed nun, ĝuste ĉar mi trapasis tian lernejon komence, la terminoj ne prezentas al mi malfacilaĵojn en la praktiko en veraj problemoj.
— Kiom da matematiko vi bezonas scii por labori kun AI? Ĉu estas sufiĉe da scio de la lerneja instruplano?
— Multmaniere, ML baziĝas sur la bazaj konceptoj de lernejo en klasoj 10-11, baza lineara algebro kaj diferencigo. Se ni parolas pri produktado, pri teknikaj problemoj, tiam multmaniere ne necesas matematiko; multaj problemoj estas solvataj simple per provo kaj eraro. Sed se ni parolas pri esplorado, kiam novaj teknologioj estas kreitaj, tiam nenie estas sen matematiko. Matematiko necesas je baza nivelo, almenaŭ por scii kiel apliki matricon aŭ, relative parolante, kalkuli derivaĵojn. Ĉi tie ne estas eskapanta matematiko.
— Laŭ via opinio, ĉu iu studento kun natura-analitika pensmaniero povas solvi ML-problemojn?
- Jes. Se homo scias, kio kuŝas en la koro de ML, se li scias kiel datumoj estas strukturitaj kaj komprenas bazajn lertaĵojn aŭ hakojn, li ne bezonos matematikon, ĉar multaj el la iloj por la laboro jam estis skribitaj de aliaj homoj. Ĉio dependas de trovi ŝablonojn. Sed ĉio, kompreneble, dependas de la tasko.
— Kio estas la plej malfacila afero en solvado de ML-problemoj kaj kazoj?
— Ĉiu nova tasko estas io nova. Se la problemo jam ekzistus en la sama formo, ĝi ne devus esti solvita. Ne ekzistas universala algoritmo. Estas grandega komunumo de homoj, kiuj trejnas siajn problemojn pri solvado, rakontas kiel ili solvis problemojn kaj priskribas rakontojn pri siaj venkoj. Kaj estas tre interese sekvi ilian logikon, iliajn ideojn.
— Kiujn kazojn kaj problemojn vi plej interesas solvi?
— Mi specialiĝas pri komputila lingvistiko, mi interesiĝas pri tekstoj, klasifikproblemoj, babilrotoj ktp.
— Ĉu vi ofte partoprenas en AI-hakatonoj?
— Hakatonoj estas, fakte, malsama sistemo de Olimpikoj. La Olimpiko havas aron de fermitaj problemoj, kun konataj respondoj, kiujn la partoprenanto devas diveni. Sed estas homoj, kiuj ne lertas pri fermitaj taskoj, sed disŝiras ĉiujn ĉe malfermitaj. Do vi povas testi viajn sciojn en malsamaj manieroj. En malfermaj problemoj, teknologioj foje estas kreitaj de nulo, produktoj estas rapide disvolvitaj, kaj eĉ la organizantoj ofte ne scias la ĝustan respondon. Ni ofte partoprenas en hakatonoj, kaj per tio ni povas gajni monon. Ĉi tio estas interesa.
- Kiom vi povas gajni el ĉi tio? Kiel vi elspezas vian premimonon?
— Mi kaj mia amiko partoprenis la VKontakte-hakatonon, kie ni faris peton por serĉi pentraĵojn en la Ermitejo. Aro da emojis kaj miensimboloj estis montrita sur la telefona ekrano, necesis trovi bildon uzante ĉi tiun aron, la telefono estis montrita al la bildo, ĝi estis rekonita per neŭralaj retoj kaj, se la respondo estis ĝusta, punktoj estis aljuĝitaj. Ni ĝojis kaj interesiĝis, ke ni povis krei aplikaĵon, kiu permesis al ni rekoni pentraĵon sur poŝtelefono. Ni provizore estis en la unua loko, sed pro jura formalaĵo ni maltrafis la premion de 500 mil rubloj. Estas domaĝe, sed tio ne estas la ĉefa afero.
Krome, li partoprenis en la konkurso Sberbank Data Science Journey, kie li prenis la 5-an lokon kaj gajnis 200 mil rublojn. Por la unua ili pagis milionon, por la dua 500 mil. Premioj varias, kaj nun pliiĝas. Estante en la supro, vi povas akiri 100 ĝis 500 mil. Mi ŝparas la premimonon por edukado, jen mia kontribuo al la estonteco, la mono, kiun mi elspezas en la ĉiutaga vivo, mi mem gajnas.
— Kio estas pli interesa - individuaj aŭ teamaj hakatonoj?
— Se ni parolas pri evoluigado de produkto, tiam ĝi devas esti teamo; unu homo ne povas fari ĝin. Li simple laciĝos kaj bezonos subtenon. Sed se ni parolas, ekzemple, pri la hakatono de AI Academy, tiam la tasko tie estas limigita, ne necesas krei produkton. La intereso tie estas malsama - preterpasi alian homon, kiu ankaŭ disvolviĝas en ĉi tiu areo.
— Kiel vi planas disvolvi plu? Kiel vi vidas vian karieron?
— Nun la ĉefa celo estas prepari vian seriozan sciencan laboron, esploradon, por ke ĝi aperu ĉe gvidaj konferencoj kiel NeurIPS aŭ ICML - ML-konferencoj kiuj okazas en diversaj landoj de la mondo. La kariera demando estas malfermita, rigardu kiel ML disvolviĝis dum la lastaj 5 jaroj. Ĝi rapide ŝanĝiĝas, nun estas malfacile antaŭdiri, kio okazos poste. Kaj se ni parolus pri ideoj kaj planoj krom scienca laboro, tiam eble mi vidus min en ia propra projekto, ekentrepreno en la kampo de AI kaj ML, sed ĉi tio ne estas certa.
— Laŭ via opinio, kiaj estas la limoj de AI-teknologio?
— Nu, ĝenerale, se ni parolas pri AI kiel afero, kiu havas ian inteligentecon, prilaboras datumojn, tiam, en proksima estonteco, ĝi estos ia konscio pri la mondo ĉirkaŭ ni. Se ni parolas pri neŭralaj retoj en komputila lingvistiko, ekzemple, ni provas loke modeligi ion, ekzemple, lingvon, sen doni al la modelo komprenon de la kunteksto pri nia mondo. Tio estas, se ni povos enkorpigi ĉi tion en AI, ni povos krei dialogmodelojn, babilajn robotojn, kiuj ne nur konos lingvajn modelojn, sed ankaŭ havos perspektivon kaj konos sciencajn faktojn. Kaj jen kion mi ŝatus vidi estonte.
Cetere, la Akademio de Artefarita Inteligenteco nuntempe varbas lernejanojn por nova hakatono. La premimono ankaŭ estas granda, kaj la ĉi-jara tasko estas eĉ pli interesa - vi devos konstrui algoritmon, kiu antaŭdiras la sperton de ludanto surbaze de la statistiko de unu matĉo de Dota 2. Por detaloj, iru al .
fonto: www.habr.com