Tere Habr!
Tahaksime rääkida sellisest teismeliste jaoks ebatavalisest rahateenimise viisist nagu häkatonidel osalemine. See on nii rahaliselt kasulik kui võimaldab koolis ja nutikate raamatute lugemise kaudu omandatud teadmisi praktikas rakendada.
Lihtne näide on eelmise aasta Tehisintellekti Akadeemia häkaton koolilastele. Selles osalejad pidid ennustama Dota 2 mängu tulemust. Võistluse võitis Tšeljabinskist pärit kümnenda klassi õpilane Aleksandr Mamajev. Tema algoritm määras kõige täpsemalt võitluse võitnud meeskonna. Tänu sellele sai Aleksander märkimisväärse auhinnaraha - 100 tuhat rubla.
Kuidas Aleksander Mamaev auhinnaraha kasutas, millistest teadmistest jääb õpilasel ML-iga töötamiseks puudu ja millist suunda AI valdkonnas ta kõige huvitavamaks peab - rääkis tudeng intervjuus.
— Räägi endast, kuidas tekkis sul huvi AI vastu? Kas oli raske teemasse süveneda?
— Olen 17-aastane, lõpetan sel aastal kooli ja kolisin hiljuti Tšeljabinskist Moskva lähedale Dolgoprudnõisse. Õpin Kapitsa füüsika- ja tehnoloogialütseumis, see on üks Moskva piirkonna parimaid koole. Võiksin üürida korteri, aga elan koolis internaatkoolis, lütseumi inimestega on parem ja lihtsam suhelda.
Esimest korda kuulsin AI-st ja ML-st ilmselt 2016. aastal, kui ilmus Prisma. Siis käisin 8. klassis ja tegelesin olümpiaadide programmeerimisega, käisin mõnel olümpiaadil ja sain teada, et meil on linnas ML-kohtumised. Mul oli huvi selle välja mõelda, aru saada, kuidas see toimib, ja hakkasin sinna minema. Seal õppisin esimest korda põhitõdesid, seejärel hakkasin seda Internetis erinevatel kursustel uurima.
Algul oli ainult Konstantin Vorontsovi venekeelne kursus ja selle õpetamise viis oli range: sisaldas palju termineid ja kirjeldustes oli palju valemeid. Kaheksanda klassi õpilase jaoks oli see väga raske, kuid nüüd just seetõttu, et ma alguses sellise kooli läbisin, ei valmista terminid mulle tegelikes probleemides raskusi.
— Kui palju matemaatikat peate AI-ga töötamiseks teadma? Kas kooli õppekavast on piisavalt teadmisi?
— ML lähtub paljuski 10.–11. klassi kooli põhimõistest, lineaaralgebrast ja diferentseerimisest. Kui me räägime tootmisest, tehnilistest probleemidest, siis paljuski pole matemaatikat vaja, paljud ülesanded lahendatakse lihtsalt katse-eksituse meetodil. Aga kui rääkida teadustööst, siis kui luuakse uusi tehnoloogiaid, siis ilma matemaatikata pole kusagil. Matemaatikat on vaja algtasemel, vähemalt selleks, et osata rakendada maatriksit või suhteliselt rääkides tuletisi arvutada. Matemaatikast siin ei pääse.
— Kas teie arvates suudab iga loomulik-analüütilise mõtteviisiga õpilane lahendada ML-i probleeme?
- Jah. Kui inimene teab, mis on ML-i keskmes, kui ta teab, kuidas andmed on struktureeritud ja saab aru põhilistest nippidest või häkkidest, pole tal matemaatikat vaja, sest paljud selle töö jaoks mõeldud tööriistad on juba teiste inimeste poolt kirjutatud. Kõik taandub mustrite leidmisele. Aga kõik oleneb muidugi ülesandest.
— Mis on ML-i probleemide ja juhtumite lahendamisel kõige keerulisem?
— Iga uus ülesanne on midagi uut. Kui probleem oleks juba samal kujul olemas olnud, ei peaks seda lahendama. Universaalset algoritmi pole. Seal on tohutu kogukond inimesi, kes treenivad oma probleemide lahendamise oskusi, räägivad, kuidas nad probleeme lahendasid, ja kirjeldavad oma võitude lugusid. Ja nende loogikat, ideid on väga huvitav jälgida.
— Milliste juhtumite ja probleemide lahendamine sind kõige rohkem huvitab?
— Olen spetsialiseerunud arvutuslingvistikale, mind huvitavad tekstid, klassifitseerimisülesanded, vestlusrobotid jne.
— Kas osalete sageli AI häkatonidel?
— Häkatonid on tegelikult teistsugune olümpiaadide süsteem. Olümpiaadil on suletud ülesannete kogum, mille vastused on teada, mida osaleja peab ära arvama. Kuid on inimesi, kes ei ole osavad suletud ülesannetes, kuid rebivad lahtiste ülesannete juures kõik laiali. Nii saate oma teadmisi erinevatel viisidel proovile panna. Lahtistes probleemides luuakse mõnikord tehnoloogiad nullist, tooted töötatakse kiiresti välja ja isegi korraldajad ei tea sageli õiget vastust. Osaleme sageli häkatonidel ja selle kaudu saame raha teenida. See on huvitav.
- Kui palju saate sellega teenida? Kuidas sa oma auhinnaraha kulutad?
— Osalesime sõbraga VKontakte häkatonil, kus tegime avalduse Ermitaažist maalide otsimiseks. Telefoni ekraanile kuvati emotikonide ja emotikonide komplekt, selle komplekti abil oli vaja leida pilt, telefon suunati pildile, see tuvastati närvivõrkude abil ja õige vastuse korral anti punkte. Meile oli hea meel ja huvi, et saime luua rakenduse, mis võimaldas mobiilseadmes maali ära tunda. Esialgu olime esikohal, kuid juriidilise formaalsuse tõttu jäime 500 tuhande rubla suurusest auhinnast ilma. Sellest on kahju, aga see pole peamine.
Lisaks osales ta konkursil Sberbank Data Science Journey, kus saavutas 5. koha ja teenis 200 tuhat rubla. Esimese eest maksti miljon, teise eest 500 tuhat. Auhinnafondid on erinevad ja nüüd suurenevad. Tipus olles võid saada 100 kuni 500 tuhat. Auhinnaraha hoian kokku haridusele, see on minu panus tulevikku, raha, mida ma igapäevaelus kulutan, teenin ise.
— Mis on huvitavam – individuaalsed või meeskondlikud häkatonid?
— Kui me räägime toote arendamisest, siis see peab olema meeskond, üks inimene seda teha ei saa. Ta lihtsalt väsib ja vajab tuge. Aga kui me räägime näiteks AI Academy häkatonist, siis on sealne ülesanne piiratud, pole vaja toodet luua. Huvi on seal erinev – edestada teist inimest, kes samuti selles vallas areneb.
— Kuidas plaanite edasi areneda? Millisena näete oma karjääri?
— Nüüd on põhieesmärk oma tõsine teadustöö, uurimistöö ette valmistada nii, et see esineks juhtivatel konverentsidel nagu NeurIPS või ICML - ML konverentsidel, mis toimuvad erinevates maailma riikides. Karjääriküsimus on lahtine, vaadake, kuidas ML on viimase 5 aasta jooksul arenenud. See muutub kiiresti, praegu on raske ennustada, mis edasi saab. Ja kui teadustöö kõrvalt ideedest ja plaanidest rääkida, siis võib-olla näeksin end mingis oma projektis, AI ja ML valdkonna startupis, aga see pole kindel.
— Millised on teie arvates tehisintellekti tehnoloogia piirangud?
— No üldiselt, kui rääkida tehisintellektist kui asjast, millel on mingisugune intelligentsus, mis töötleb andmeid, siis lähitulevikus on see mingisugune teadlikkus meid ümbritsevast maailmast. Kui me räägime arvutilingvistikas näiteks närvivõrkudest, siis proovime midagi lokaalselt modelleerida, näiteks keelt, andmata mudelile arusaama meie maailma kontekstist. See tähendab, et kui suudame selle AI-sse lisada, suudame luua dialoogimudeleid, vestlusroboteid, mis mitte ainult ei tunne keelemudeleid, vaid omavad ka väljavaateid ja teavad teaduslikke fakte. Ja seda tahaksin ka tulevikus näha.
Muide, tehisintellekti akadeemia värbab praegu koolilapsi uuele häkatonile. Auhinnaraha on samuti märkimisväärne ja selle aasta ülesanne on veelgi huvitavam – tuleb koostada algoritm, mis ennustab mängija kogemust ühe Dota 2 matši statistika põhjal. .
Allikas: www.habr.com