هوش مصنوعی، دانش‌آموزان و جوایز بزرگ: نحوه انجام یادگیری ماشینی در کلاس هشتم

هی هابر!

ما می خواهیم در مورد روش غیرمعمول کسب درآمد برای نوجوانان مانند شرکت در هکاتون ها صحبت کنیم. این هم از نظر مالی مفید است و هم به شما این امکان را می دهد که دانش به دست آمده در مدرسه و از طریق خواندن کتاب های هوشمند را عملی کنید.

یک مثال ساده، هکاتون آکادمی هوش مصنوعی در سال گذشته برای دانش‌آموزان است. شرکت کنندگان آن باید نتیجه بازی Dota 2 را پیش بینی می کردند. برنده مسابقه الکساندر مامایف، دانش آموز کلاس دهم از چلیابینسک بود. الگوریتم او دقیقاً تیم برنده مبارزه را تعیین کرد. به لطف این، اسکندر جایزه قابل توجهی دریافت کرد - 100 هزار روبل.

این دانش آموز در مصاحبه ای گفت که چگونه الکساندر مامایف از پول جایزه استفاده کرد ، دانش آموز چه دانشی برای کار با ML ندارد و چه جهتی را در زمینه هوش مصنوعی جالب ترین می داند.

- از خودتان بگویید، چگونه به هوش مصنوعی علاقه مند شدید؟ آیا ورود به موضوع سخت بود؟
- من 17 ساله هستم، امسال مدرسه را تمام می کنم و اخیراً از چلیابینسک به دولگوپرودنی، که در نزدیکی مسکو است، نقل مکان کردم. من در لیسه فیزیک و فناوری Kapitsa تحصیل می کنم، این یکی از بهترین مدارس در منطقه مسکو است. من می توانم یک آپارتمان اجاره کنم، اما من در یک مدرسه شبانه روزی در مدرسه زندگی می کنم، بهتر و آسان تر است که با افراد مدرسه ارتباط برقرار کنم.

اولین باری که در مورد هوش مصنوعی و ML شنیدم احتمالاً در سال 2016 بود، زمانی که Prisma ظاهر شد. سپس من کلاس هشتم بودم و برنامه نویسی المپیاد را انجام می دادم، در چند المپیاد شرکت کردم و متوجه شدم که در شهر جلسات ML برگزار می کنیم. من علاقه مند به کشف آن، درک نحوه عملکرد آن بودم و شروع به رفتن به آنجا کردم. در آنجا برای اولین بار اصول اولیه را یاد گرفتم، سپس شروع به مطالعه آن در اینترنت، در دوره های مختلف کردم.

در ابتدا فقط یک دوره از کنستانتین ورونتسوف به زبان روسی وجود داشت و نحوه تدریس آن سخت بود: شامل اصطلاحات زیادی بود و فرمول های زیادی در توضیحات وجود داشت. برای یک دانش آموز کلاس هشتمی این بسیار دشوار بود، اما اکنون، دقیقاً به این دلیل که من در ابتدا چنین مدرسه ای را گذراندم، این شرایط در عمل در مسائل واقعی برای من مشکل ایجاد نمی کند.

- برای کار با هوش مصنوعی چقدر ریاضیات باید بدانید؟ آیا دانش کافی از برنامه درسی مدرسه وجود دارد؟
- از بسیاری جهات، ML بر اساس مفاهیم اساسی مدرسه در کلاس های 10-11، جبر خطی پایه و تمایز است. اگر در مورد تولید صحبت می کنیم، در مورد مسائل فنی، پس از بسیاری جهات به ریاضیات نیازی نیست؛ بسیاری از مسائل به سادگی با آزمون و خطا حل می شوند. اما اگر در مورد تحقیق صحبت کنیم، وقتی فناوری‌های جدید ایجاد می‌شوند، هیچ جایی بدون ریاضیات وجود ندارد. ریاضیات در سطح پایه مورد نیاز است، حداقل برای دانستن نحوه اعمال یک ماتریس یا، به طور نسبی، محاسبه مشتقات. اینجا گریزی از ریاضیات نیست.

- به نظر شما، آیا هر دانش آموزی با ذهنیت طبیعی-تحلیلی می تواند مسائل ML را حل کند؟
- آره. اگر شخصی بداند که در قلب ML چه چیزی نهفته است، اگر بداند داده‌ها چگونه ساختار یافته‌اند و ترفندها یا هک‌های اساسی را درک کند، به ریاضیات نیازی نخواهد داشت، زیرا بسیاری از ابزارهای این کار قبلاً توسط افراد دیگر نوشته شده‌اند. همه چیز به یافتن الگوها برمی گردد. اما همه چیز، البته، به کار بستگی دارد.

- سخت ترین کار در حل مسائل و موارد ML چیست؟
- هر کار جدید چیز جدیدی است. اگر مشکل قبلاً به همان شکل وجود داشت، لازم نبود حل شود. هیچ الگوریتم جهانی وجود ندارد. جامعه عظیمی از مردم وجود دارند که مهارت‌های حل مسئله خود را آموزش می‌دهند، می‌گویند که چگونه مشکلات را حل کرده‌اند و داستان‌هایی از پیروزی‌های خود را شرح می‌دهند. و پیروی از منطق، ایده های آنها بسیار جالب است.

- بیشتر به حل چه موارد و مشکلاتی علاقه دارید؟
- من در زبان شناسی محاسباتی تخصص دارم، به متون، مسائل طبقه بندی، چت بات ها و غیره علاقه مند هستم.

- آیا اغلب در هکاتون های هوش مصنوعی شرکت می کنید؟
- هکاتون ها در واقع یک سیستم متفاوت از المپیادها هستند. المپیاد دارای مجموعه ای از مشکلات بسته است، با پاسخ های شناخته شده ای که شرکت کننده باید حدس بزند. اما افرادی هستند که در کارهای بسته مهارت ندارند، اما در کارهای باز همه را از هم می پاشند. بنابراین می توانید دانش خود را به روش های مختلف آزمایش کنید. در مشکلات باز، گاهی اوقات فناوری ها از ابتدا ایجاد می شوند، محصولات به سرعت توسعه می یابند و حتی سازمان دهندگان اغلب پاسخ صحیح را نمی دانند. ما اغلب در هکاتون ها شرکت می کنیم و از این طریق می توانیم درآمد کسب کنیم. جالب است.

- چقدر می توانید از این درآمد کسب کنید؟ پول جایزه خود را چگونه خرج می کنید؟
- من و دوستم در هکاتون VKontakte شرکت کردیم، جایی که برنامه ای برای جستجوی نقاشی ها در هرمیتاژ ایجاد کردیم. مجموعه ای از شکلک ها و شکلک ها بر روی صفحه نمایش گوشی نمایش داده می شد، لازم بود با استفاده از این مجموعه عکسی پیدا کنید، گوشی به سمت عکس نشانه رفته بود، با استفاده از شبکه های عصبی تشخیص داده شد و در صورت صحیح بودن پاسخ، امتیاز به آن تعلق می گرفت. ما خوشحال و علاقه مند بودیم که توانستیم برنامه ای ایجاد کنیم که به ما امکان می دهد یک نقاشی را در یک دستگاه تلفن همراه تشخیص دهیم. ما به طور آزمایشی در رتبه اول بودیم، اما به دلیل یک تشریفات قانونی، جایزه 500 هزار روبلی را از دست دادیم. شرم آور است، اما این چیز اصلی نیست.

علاوه بر این، او در مسابقه Sberbank Data Science Journey شرکت کرد، جایی که مقام پنجم را به دست آورد و 5 هزار روبل به دست آورد. برای اولی یک میلیون و برای دومی 200 هزار پرداخت کردند. بودجه جایزه متفاوت است و اکنون در حال افزایش است. با قرار گرفتن در اوج، شما می توانید 500 تا 100 هزار دریافت کنید. من پول جایزه را برای آموزش پس انداز می کنم، این سهم من برای آینده است، پولی که در زندگی روزمره خرج می کنم، خودم به دست می آورم.

- چه چیزی جالب تر است - هکاتون های فردی یا تیمی؟
- اگر در مورد توسعه محصول صحبت می کنیم، پس باید یک تیم باشد، یک نفر نمی تواند این کار را انجام دهد. او به سادگی خسته می شود و نیاز به حمایت دارد. اما اگر به عنوان مثال در مورد هکاتون آکادمی هوش مصنوعی صحبت می کنیم، کار در آنجا محدود است، نیازی به ایجاد محصول نیست. علاقه در آنجا متفاوت است - سبقت گرفتن از شخص دیگری که او نیز در این زمینه در حال توسعه است.

- چگونه برنامه ریزی برای توسعه بیشتر دارید؟ حرفه خود را چگونه می بینید؟
— اکنون هدف اصلی این است که کار علمی و تحقیقاتی جدی خود را آماده کنید تا در کنفرانس های پیشرو مانند NeurIPS یا کنفرانس های ICML - ML که در کشورهای مختلف جهان برگزار می شود ظاهر شود. سوال شغلی باز است، به چگونگی پیشرفت ML در 5 سال گذشته نگاه کنید. به سرعت در حال تغییر است، اکنون پیش بینی اینکه در آینده چه اتفاقی خواهد افتاد دشوار است. و اگر در کنار کار علمی در مورد ایده ها و طرح ها صحبت کنیم، شاید خودم را در نوعی پروژه خودم ببینم، یک استارتاپ در زمینه هوش مصنوعی و ML، اما این قطعی نیست.

- به نظر شما محدودیت های فناوری هوش مصنوعی چیست؟
- خوب، به طور کلی، اگر ما در مورد هوش مصنوعی به عنوان چیزی صحبت کنیم که نوعی هوش دارد، داده ها را پردازش می کند، در آینده نزدیک، نوعی آگاهی از دنیای اطراف ما خواهد بود. برای مثال، اگر در زبان‌شناسی محاسباتی در مورد شبکه‌های عصبی صحبت می‌کنیم، سعی می‌کنیم چیزی را به‌صورت محلی، مثلاً زبان، مدل‌سازی کنیم، بدون اینکه به مدل درک درستی از زمینه دنیای خود بدهیم. یعنی اگر بتوانیم این را در هوش مصنوعی بگنجانیم، می‌توانیم مدل‌های گفتگو، ربات‌های چت بسازیم که نه تنها مدل‌های زبان را می‌شناسند، بلکه چشم‌اندازی نیز خواهند داشت و حقایق علمی را می‌دانند. و این چیزی است که من دوست دارم در آینده ببینم.

به هر حال، آکادمی هوش مصنوعی در حال حاضر دانش آموزان مدرسه ای را برای یک هکاتون جدید جذب می کند. پول جایزه نیز قابل توجه است، و کار امسال حتی جالب تر است - شما باید الگوریتمی بسازید که تجربه یک بازیکن را بر اساس آمار یک بازی Dota 2 پیش بینی کند. برای جزئیات، به ادامه مطلب بروید این لینک.

منبع: www.habr.com