Հե՜յ Հաբր։
Կցանկանայինք խոսել դեռահասների համար գումար վաստակելու այնպիսի արտասովոր ձևի մասին, ինչպիսին է հաքաթոններին մասնակցելը։ Սա և՛ ֆինանսապես ձեռնտու է, և՛ թույլ է տալիս գործնականում կիրառել դպրոցում և խելացի գրքեր կարդալու միջոցով ձեռք բերված գիտելիքները:
Պարզ օրինակ է անցյալ տարվա Արհեստական ինտելեկտի ակադեմիայի հաքաթոնը դպրոցականների համար: Դրա մասնակիցները պետք է գուշակեին Dota 2 խաղի ելքը, մրցույթի հաղթող ճանաչվեց Չելյաբինսկի տասներորդ դասարանցի Ալեքսանդր Մամաևը։ Նրա ալգորիթմը ամենաճշգրիտ որոշեց մենամարտի հաղթող թիմին։ Դրա շնորհիվ Ալեքսանդրը ստացավ զգալի դրամական մրցանակ՝ 100 հազար ռուբլի:
Ինչպես Ալեքսանդր Մամաևն օգտագործեց մրցանակային գումարը, ինչ գիտելիքների պակաս ունի ուսանողը ՄԼ-ի հետ աշխատելու համար, և AI-ի ոլորտում ո՞ր ուղղությունն է նա համարում ամենահետաքրքիրը,- հարցազրույցում պատմել է ուսանողը։
- Կպատմե՞ք Ձեր մասին, ինչպե՞ս սկսեցիք հետաքրքրվել արհեստական ինտելեկտով: Դժվա՞ր էր թեմայի մեջ մտնելը։
— Ես 17 տարեկան եմ, այս տարի ավարտում եմ դպրոցը և վերջերս Չելյաբինսկից տեղափոխվել եմ Դոլգոպրուդնի, որը մերձմոսկովյան է։ Ես սովորում եմ Կապիցայի ֆիզիկատեխնիկական լիցեյում, սա Մոսկվայի շրջանի լավագույն դպրոցներից մեկն է։ Ես կարող էի բնակարան վարձել, բայց ես ապրում եմ դպրոցի գիշերօթիկ դպրոցում, ավելի լավ և հեշտ է շփվել ճեմարանի մարդկանց հետ:
Առաջին անգամ AI-ի և ML-ի մասին լսել եմ հավանաբար 2016 թվականին, երբ հայտնվեց Prisma-ն։ Հետո ես 8-րդ դասարանում էի ու օլիմպիադայի ծրագրավորում էի անում, մի քանի օլիմպիադաների էի մասնակցում և իմացա, որ քաղաքում ML հանդիպումներ ենք ունենում: Ինձ հետաքրքրեց պարզել այն, հասկանալ, թե ինչպես է այն աշխատում, և ես սկսեցի գնալ այնտեղ: Այնտեղ ես առաջին անգամ սովորեցի հիմունքները, հետո սկսեցի ուսումնասիրել այն ինտերնետով, տարբեր դասընթացներում։
Սկզբում ռուսերենով միայն Կոնստանտին Վորոնցովի դասընթաց կար, և դրա դասավանդման ձևը խիստ էր՝ պարունակում էր բազմաթիվ տերմիններ, իսկ նկարագրություններում կային բազմաթիվ բանաձևեր։ Ութերորդ դասարանցու համար սա շատ դժվար էր, բայց հիմա, հենց այն պատճառով, որ ես սկզբում նման դպրոց եմ անցել, տերմիններն ինձ համար գործնականում դժվարություններ չեն ներկայացնում իրական խնդիրներում:
- Որքա՞ն մաթեմատիկա պետք է իմանաք AI-ի հետ աշխատելու համար: Բավարար գիտելիքներ կա՞ն դպրոցական ծրագրից:
— Շատ առումներով ՄԼ-ն հիմնված է 10-11-րդ դասարանների դպրոցի հիմնական հասկացությունների, հիմնական գծային հանրահաշիվների և տարբերակման վրա: Եթե մենք խոսում ենք արտադրության, տեխնիկական խնդիրների մասին, ապա շատ առումներով մաթեմատիկա պետք չէ, շատ խնդիրներ լուծվում են պարզապես փորձի և սխալի միջոցով։ Բայց եթե խոսենք հետազոտության մասին, երբ նոր տեխնոլոգիաներ են ստեղծվում, ապա առանց մաթեմատիկայի ոչ մի տեղ չկա։ Մաթեմատիկա անհրաժեշտ է բազային մակարդակում, գոնե իմանալու համար, թե ինչպես կիրառել մատրիցա կամ, համեմատաբար, ածանցյալները հաշվարկել: Այստեղ մաթեմատիկայից փախչող չկա։
— Ձեր կարծիքով, բնական-վերլուծական մտածելակերպ ունեցող ցանկացած ուսանող կարո՞ղ է լուծել ՄԼ խնդիրները:
-Այո: Եթե մարդը գիտի, թե ինչն է ընկած ML-ի հիմքում, եթե նա գիտի, թե ինչպես են կառուցված տվյալները և հասկանում է հիմնական հնարքները կամ հաքերները, նա մաթեմատիկայի կարիք չի ունենա, քանի որ աշխատանքի համար շատ գործիքներ արդեն գրված են այլ մարդկանց կողմից: Ամեն ինչ հանգում է օրինաչափությունների որոնմանը: Բայց ամեն ինչ, իհարկե, կախված է առաջադրանքից։
— Ո՞րն է ամենադժվարը ՓԼ խնդիրներն ու դեպքերը լուծելիս:
— Յուրաքանչյուր նոր առաջադրանք նորություն է: Եթե խնդիրն արդեն գոյություն ունենար նույն տեսքով, ապա այն պետք չէր լուծվի։ Չկա ունիվերսալ ալգորիթմ: Մարդկանց հսկայական համայնք կա, ովքեր մարզում են իրենց խնդիրները լուծելու հմտությունները, պատմում են, թե ինչպես են լուծել խնդիրները և նկարագրում են իրենց հաղթանակների պատմությունները: Եվ շատ հետաքրքիր է հետեւել նրանց տրամաբանությանը, նրանց գաղափարներին։
-Ի՞նչ դեպքերի և խնդիրների լուծումն է ձեզ ամենաշատը հետաքրքրում:
— Ես մասնագիտացած եմ հաշվողական լեզվաբանության մեջ, ինձ հետաքրքրում են տեքստերը, դասակարգման խնդիրները, չաթ-բոտերը և այլն:
— Հաճա՞խ եք մասնակցում AI-ի հաքաթոններին:
— Հեքըթոններն իրականում օլիմպիադաների այլ համակարգ են։ Օլիմպիադան ունի փակ խնդիրների մի շարք՝ հայտնի պատասխաններով, որոնք մասնակիցը պետք է կռահի։ Բայց կան մարդիկ, ովքեր լավ չեն կարողանում փակ գործերում, բայց բաց գործերում բոլորին ջարդում են։ Այսպիսով, դուք կարող եք ստուգել ձեր գիտելիքները տարբեր ձևերով: Բաց խնդիրների դեպքում տեխնոլոգիաները երբեմն ստեղծվում են զրոյից, ապրանքներն արագ զարգանում են, և նույնիսկ կազմակերպիչները հաճախ չգիտեն ճիշտ պատասխանը։ Մենք հաճախ ենք մասնակցում հաքաթոնների, և դրա միջոցով կարող ենք գումար վաստակել։ Սա հետաքրքիր է։
- Որքա՞ն կարող եք վաստակել սրանից: Ինչպե՞ս եք ծախսում ձեր մրցանակային գումարը:
— Ես ու ընկերս մասնակցել ենք VKontakte հաքաթոնին, որտեղ մենք դիմում ենք ներկայացրել Էրմիտաժում նկարներ փնտրելու համար։ Հեռախոսի էկրանին ցուցադրվել է էմոջիների և էմոցիոնների մի շարք, այս հավաքածուի միջոցով անհրաժեշտ է գտնել նկար, հեռախոսը ուղղվել է նկարի վրա, այն ճանաչվել է նեյրոնային ցանցերի միջոցով և, եթե պատասխանը ճիշտ է, միավորներ են շնորհվել: Մենք գոհ էինք և հետաքրքրված, որ կարողացանք ստեղծել մի հավելված, որը թույլ է տալիս ճանաչել նկարը շարժական սարքում: Մենք փորձնականորեն առաջին տեղում էինք, բայց իրավական ձևականության պատճառով բաց թողեցինք 500 հազար ռուբլի մրցանակը: Ամոթ է, բայց դա չէ գլխավորը։
Բացի այդ, նա մասնակցել է Sberbank Data Science Journey մրցույթին, որտեղ զբաղեցրել է 5-րդ տեղը և վաստակել 200 հազար ռուբլի։ Առաջինի համար վճարել են մեկ միլիոն, երկրորդի համար՝ 500 հազար։ Մրցանակային ֆոնդերը տարբեր են և այժմ ավելանում են: Լինելով բարձունքներում՝ կարող ես ստանալ 100-ից 500 հազար։ Կրթության համար մրցանակը խնայում եմ, սա իմ ներդրումն է ապագայում, այն գումարը, որ ծախսում եմ առօրյա կյանքում, ինքս եմ վաստակում։
— Ի՞նչն է ավելի հետաքրքիր՝ անհատական, թե թիմային հաքաթոնները:
— Եթե մենք խոսում ենք պրոդուկտ մշակելու մասին, ապա դա պետք է թիմ լինի, մեկ մարդ չի կարող դա անել։ Նա պարզապես կհոգնի և աջակցության կարիք ունի։ Բայց եթե մենք խոսում ենք, օրինակ, AI Academy հաքաթոնի մասին, ապա այնտեղ առաջադրանքը սահմանափակ է, կարիք չկա ստեղծել ապրանք: Այնտեղ հետաքրքրությունն այլ է՝ առաջ անցնել մեկ այլ մարդուց, ով նույնպես զարգանում է այս ոլորտում։
-Ինչպե՞ս եք նախատեսում հետագա զարգացում ունենալ: Ինչպե՞ս եք տեսնում ձեր կարիերան:
— Այժմ հիմնական նպատակն է պատրաստել ձեր լուրջ գիտական աշխատանքը, հետազոտությունը, որպեսզի այն հայտնվի աշխարհի տարբեր երկրներում անցկացվող NeurIPS կամ ICML - ML կոնֆերանսների առաջատար կոնֆերանսներում: Կարիերայի հարցը բաց է, տեսեք, թե ինչպես է ML-ն զարգացել վերջին 5 տարիների ընթացքում: Այն արագորեն փոխվում է, հիմա դժվար է կանխատեսել, թե ինչ կլինի հետո։ Եվ եթե խոսենք գաղափարների և պլանների մասին, բացի գիտական աշխատանքից, ապա միգուցե ես ինձ տեսնեի ինչ-որ սեփական նախագծում՝ AI և ML ոլորտում ստարտափում, բայց դա միանշանակ չէ:
— Ձեր կարծիքով, որո՞նք են AI տեխնոլոգիայի սահմանափակումները:
— Դե, ընդհանրապես, եթե խոսենք արհեստական ինտելեկտի մասին՝ որպես մի բան, որն ունի ինչ-որ բանականություն, մշակում է տվյալներ, ապա մոտ ապագայում դա կլինի մեզ շրջապատող աշխարհի մասին ինչ-որ իրազեկում։ Եթե մենք խոսում ենք նեյրոնային ցանցերի մասին հաշվողական լեզվաբանության մեջ, օրինակ, մենք փորձում ենք լոկալ մոդելավորել ինչ-որ բան, օրինակ՝ լեզուն՝ առանց մոդելին հասկանալու մեր աշխարհի կոնտեքստը: Այսինքն, եթե մենք կարողանանք սա ներառել AI-ի մեջ, մենք կկարողանանք ստեղծել երկխոսության մոդելներ, չաթի բոտեր, որոնք ոչ միայն կիմանան լեզվական մոդելներ, այլև կունենան հայացք և գիտական փաստեր: Եվ սա այն է, ինչ ես կցանկանայի տեսնել ապագայում:
Ի դեպ, Արհեստական ինտելեկտի ակադեմիան այս պահին նոր հեքըթոնի համար հավաքագրում է դպրոցականների։ Մրցանակային գումարը նույնպես զգալի է, և այս տարվա առաջադրանքն ավելի հետաքրքիր է. ձեզ հարկավոր է ստեղծել մի ալգորիթմ, որը կանխատեսում է խաղացողի փորձը՝ հիմնվելով մեկ Dota 2 խաղի վիճակագրության վրա: Մանրամասների համար այցելեք .
Source: www.habr.com