Tekoäly, koululaiset ja suuret palkinnot: kuinka tehdä koneoppimista 8. luokalla

Hei Habr!

Haluaisimme puhua sellaisesta teini-ikäisten epätavallisesta tapa ansaita rahaa kuin osallistuminen hackathoneihin. Tämä on sekä taloudellisesti hyödyllistä että mahdollistaa koulussa ja älykkäiden kirjojen lukemisen kautta hankitun tiedon soveltamisen käytännössä.

Yksinkertainen esimerkki on viime vuoden Artificial Intelligence Academy -hackathon koululaisille. Sen osallistujat joutuivat ennustamaan Dota 2 -pelin lopputuloksen. Kilpailun voitti Aleksanteri Mamaev, kymmenesluokkalainen Tšeljabinskista. Hänen algoritminsa määritti taistelun voittajan joukkueen tarkimmin. Tämän ansiosta Aleksanteri sai huomattavan palkintorahan - 100 tuhatta ruplaa.

Tekoäly, koululaiset ja suuret palkinnot: kuinka tehdä koneoppimista 8. luokalla


Miten Alexander Mamaev käytti palkintorahat, mitä tietoa opiskelijalta puuttuu työskennelläkseen ML:n kanssa ja mitä suuntaa tekoälyn alalla hän pitää kiinnostavimpana - opiskelija kertoi haastattelussa.

— Kerro itsestäsi, miten kiinnostuit tekoälystä? Oliko vaikea päästä aiheeseen?
– Olen 17-vuotias, lopetan koulun tänä vuonna ja muutin hiljattain Tšeljabinskista Dolgoprudnyihin, joka on lähellä Moskovaa. Opiskelen Kapitsan fysiikan ja tekniikan lyseumissa, tämä on yksi Moskovan alueen parhaista kouluista. Voisin vuokrata asunnon, mutta asun koulun sisäoppilaitoksessa, lyseumin ihmisten kanssa on parempi ja helpompi kommunikoida.

Ensimmäistä kertaa kuulin tekoälystä ja ML:stä luultavasti vuonna 2016, kun Prisma ilmestyi. Sitten olin 8. luokalla ja tein olympiaohjelmointia, osallistuin joihinkin olympialaisiin ja huomasin, että meillä oli ML-tapaamisia kaupungissa. Olin kiinnostunut sen selvittämisestä, sen toimivuuden ymmärtämisestä, ja aloin mennä sinne. Siellä opin perusasiat ensimmäisen kerran, sitten aloin opiskella sitä Internetissä, eri kursseilla.

Aluksi oli vain Konstantin Vorontsovin venäjänkielinen kurssi, jonka opetustapa oli tiukka: se sisälsi monia termejä ja kuvauksissa oli monia kaavoja. Kahdeksasluokkalaiselle tämä oli erittäin vaikeaa, mutta nyt juuri siksi, että kävin sellaisen koulun alussa, termit eivät tuota minulle käytännössä vaikeuksia todellisissa ongelmissa.

— Kuinka paljon matematiikkaa sinun on tiedettävä toimiaksesi tekoälyn kanssa? Onko koulun opetussuunnitelmasta riittävästi tietoa?
— ML perustuu monella tapaa koulun peruskäsitteisiin 10-11 luokilla, lineaarisen perusalgebraan ja differentiaatioon. Jos puhumme tuotannosta, teknisistä ongelmista, niin monin tavoin matematiikkaa ei tarvita, monet ongelmat ratkaistaan ​​yksinkertaisesti yrityksen ja erehdyksen avulla. Mutta jos puhumme tutkimuksesta, kun uusia teknologioita luodaan, ei ole mitään ilman matematiikkaa. Matematiikkaa tarvitaan perustasolla, ainakin matriisin soveltamiseen tai suhteellisesti laskettaessa derivaattoja. Täällä ei pääse pakoon matematiikkaa.

— Pystyykö kuka tahansa luonnollisesti analyyttisesti ajatteleva opiskelija mielestäsi ratkaisemaan ML-ongelmia?
- Joo. Jos henkilö tietää, mikä on ML:n ytimessä, jos hän tietää kuinka data on jäsennelty ja ymmärtää perustemppuja tai hakkereita, hän ei tarvitse matematiikkaa, koska monet työhön tarvittavista työkaluista ovat jo muiden kirjoittamia. Kaikki lähtee mallien löytämisestä. Mutta kaikki riippuu tietysti tehtävästä.

— Mikä on vaikeinta ML-ongelmien ja -tapausten ratkaisemisessa?
– Jokainen uusi tehtävä on jotain uutta. Jos ongelma olisi jo ollut samassa muodossa, sitä ei tarvitsisi ratkaista. Ei ole olemassa universaalia algoritmia. On olemassa valtava joukko ihmisiä, jotka harjoittelevat ongelmanratkaisutaitojaan, kertovat, kuinka he ratkaisivat ongelmia, ja kuvailevat tarinoita voitoistaan. Ja on erittäin mielenkiintoista seurata heidän logiikkaa ja ajatuksiaan.

– Minkälaisten tapausten ja ongelmien ratkaiseminen kiinnostaa sinua eniten?
— Olen erikoistunut laskennalliseen lingvistiikkaan, olen kiinnostunut teksteistä, luokitteluongelmista, chatboteista jne.

- Osallistutko usein tekoälyhackathoneihin?
— Hackathonit ovat itse asiassa erilainen olympialaisten järjestelmä. Olympiassa on joukko suljettuja tehtäviä, joiden tiedossa olevat vastaukset osallistujan on arvattava. Mutta on ihmisiä, jotka eivät ole hyviä suljettuihin tehtäviin, mutta repivät kaikki osiin avoimissa. Voit siis testata tietosi eri tavoilla. Avoimissa ongelmissa teknologiaa syntyy joskus tyhjästä, tuotteita kehitetään nopeasti, eivätkä järjestäjätkään usein tiedä oikeaa vastausta. Osallistumme usein hackathoneihin, joiden avulla voimme ansaita rahaa. Tämä on mielenkiintoista.

- Kuinka paljon voit ansaita tällä? Miten käytät palkintorahasi?
— Osallistuimme ystäväni kanssa VKontakte-hackathoniin, jossa teimme hakemuksen maalausten etsimiseksi Eremitaašista. Puhelimen näytöllä näkyi joukko hymiöitä ja hymiöitä, kuva piti löytää tällä sarjalla, puhelin osoitti kuvaa, se tunnistettiin hermoverkkojen avulla ja jos vastaus oli oikea, pisteitä jaettiin. Olimme iloisia ja kiinnostuneita siitä, että saimme luoda sovelluksen, jonka avulla pystyimme tunnistamaan taulun mobiililaitteella. Olimme alustavasti ykkössijalla, mutta oikeudellisen muodollisuuden vuoksi jäimme ilman 500 XNUMX ruplan palkintoa. Se on sääli, mutta se ei ole pääasia.

Lisäksi hän osallistui Sberbank Data Science Journey -kilpailuun, jossa hän sijoittui 5. sijalle ja ansaitsi 200 tuhatta ruplaa. Ensimmäisestä he maksoivat miljoona, toisesta 500 tuhatta. Palkintosummat vaihtelevat ja kasvavat nyt. Huipulla ollessasi voit saada 100-500 tuhatta. Säästän palkintorahat koulutukseen, tämä on panokseni tulevaisuuteen, rahat, jotka käytän jokapäiväisessä elämässä, ansaitsen itse.

– Mikä on mielenkiintoisempaa – yksilö- vai joukkuehackathonit?
– Jos puhumme tuotteen kehittämisestä, sen on oltava tiimi, yksi ihminen ei voi tehdä sitä. Hän yksinkertaisesti väsyy ja tarvitsee tukea. Mutta jos puhumme esimerkiksi AI ​​Academy -hackathonista, siellä tehtävä on rajoitettu, tuotetta ei tarvitse luoda. Kiinnostus siellä on erilainen - ohittaa toinen henkilö, joka myös kehittyy tällä alueella.

– Miten aiot kehittyä edelleen? Millaisena näet urasi?
— Nyt päätavoitteena on valmistaa vakava tieteellinen työsi, tutkimuksesi niin, että se esiintyy johtavissa konferensseissa, kuten NeurIPS tai ICML - ML -konferensseissa, joita järjestetään eri puolilla maailmaa. Urakysymys on avoin, katso kuinka ML on kehittynyt viimeisen 5 vuoden aikana. Se muuttuu nopeasti, nyt on vaikea ennustaa, mitä tapahtuu seuraavaksi. Ja jos puhumme ideoista ja suunnitelmista tieteellisen työn ohella, niin ehkä näkisin itseni jonkinlaisessa omassa projektissani, startupissa tekoälyn ja ML:n alalla, mutta tämä ei ole varmaa.

— Mitkä ovat mielestäsi tekoälytekniikan rajoitukset?
– No, yleisesti ottaen, jos puhumme tekoälystä asiana, jolla on jonkinlainen älykkyys, joka käsittelee dataa, niin se on lähitulevaisuudessa jonkinlaista tietoisuutta ympäröivästä maailmasta. Jos puhumme esimerkiksi neuroverkoista laskennallisessa lingvistiikassa, yritämme mallintaa paikallisesti jotain, esimerkiksi kieltä, antamatta mallille ymmärrystä maailmamme kontekstista. Eli jos pystymme sisällyttämään tämän tekoälyyn, voimme luoda dialogimalleja, chat-botteja, jotka eivät vain tunne kielimalleja, vaan joilla on myös näkemys ja tieteelliset tosiasiat. Ja tämän haluaisin nähdä tulevaisuudessa.

Tekoälyakatemia muuten rekrytoi parhaillaan koululaisia ​​uuteen hackathoniin. Palkintorahat ovat myös huomattavat, ja tämän vuoden tehtävä on vielä mielenkiintoisempi - sinun on rakennettava algoritmi, joka ennustaa pelaajan kokemuksen yhden Dota 2 -ottelun tilastojen perusteella. Lisätietoja on osoitteessa linkki.

Lähde: will.com

Lisää kommentti