AI សិស្សសាលា និងរង្វាន់ធំ៖ របៀបរៀនម៉ាស៊ីននៅថ្នាក់ទី៨

ហេហេ!

យើង​ចង់​និយាយ​អំពី​វិធី​រក​ប្រាក់​មិន​ធម្មតា​បែប​នេះ​សម្រាប់​យុវវ័យ​ដូច​ជា​ការ​ចូល​រួម​ក្នុង​កម្មវិធី hackathons។ នេះមានប្រយោជន៍ទាំងផ្នែកហិរញ្ញវត្ថុ និងអនុញ្ញាតឱ្យអ្នកអនុវត្តចំណេះដឹងដែលទទួលបាននៅសាលា និងតាមរយៈការអានសៀវភៅឆ្លាតវៃ។

ឧទាហរណ៍ដ៏សាមញ្ញមួយគឺការ hackathon របស់ Artificial Intelligence Academy កាលពីឆ្នាំមុនសម្រាប់សិស្សសាលា។ អ្នកចូលរួមត្រូវតែទស្សន៍ទាយលទ្ធផលនៃហ្គេម Dota 2។ អ្នកឈ្នះនៃការប្រកួតនេះគឺ Alexander Mamaev ជាសិស្សថ្នាក់ទីដប់មកពី Chelyabinsk ។ ក្បួនដោះស្រាយរបស់គាត់បានកំណត់យ៉ាងត្រឹមត្រូវបំផុតនូវក្រុមឈ្នះនៃការប្រយុទ្ធ។ សូមអរគុណដល់ការនេះ Alexander បានទទួលប្រាក់រង្វាន់យ៉ាងច្រើន - 100 ពាន់រូប្លិ៍។

របៀបដែល Alexander Mamaev ប្រើប្រាក់រង្វាន់ ចំណេះដឹងអ្វីដែលសិស្សខ្វះដើម្បីធ្វើការជាមួយ ML និងទិសដៅអ្វីនៅក្នុងវិស័យ AI ដែលគាត់ចាត់ទុកថាគួរឱ្យចាប់អារម្មណ៍បំផុត - សិស្សបានប្រាប់នៅក្នុងបទសម្ភាសន៍មួយ។

- ប្រាប់យើងអំពីខ្លួនអ្នក តើអ្នកចាប់អារម្មណ៍ AI យ៉ាងដូចម្តេច? តើវាពិបាកក្នុងការចូលទៅក្នុងប្រធានបទទេ?
- ខ្ញុំមានអាយុ 17 ឆ្នាំ ខ្ញុំកំពុងបញ្ចប់ការសិក្សានៅឆ្នាំនេះ ហើយថ្មីៗនេះខ្ញុំបានផ្លាស់ពី Chelyabinsk ទៅ Dolgoprudny ដែលនៅជិតទីក្រុងម៉ូស្គូ។ ខ្ញុំសិក្សានៅ Kapitsa Physics and Technology Lyceum នេះគឺជាសាលាដ៏ល្អបំផុតមួយនៅក្នុងតំបន់ម៉ូស្គូ។ ខ្ញុំអាចជួលអាផាតមិន ប៉ុន្តែខ្ញុំរស់នៅក្នុងសាលាបង្រៀននៅសាលា វាជាការប្រសើរជាង និងងាយស្រួលក្នុងការទំនាក់ទំនងជាមួយមនុស្សមកពី lyceum ។

ជាលើកដំបូងដែលខ្ញុំបានលឺអំពី AI និង ML គឺប្រហែលជានៅឆ្នាំ 2016 នៅពេលដែល Prisma បង្ហាញខ្លួន។ ពេល​នោះ​ខ្ញុំ​រៀន​នៅ​ថ្នាក់​ទី ៨ ហើយ​កំពុង​ធ្វើ​កម្មវិធី​អូឡាំពិក ចូល​រួម​កម្មវិធី​អូឡាំពិក ហើយ​បាន​ដឹង​ថា​យើង​មាន​ការ​ជួប​ជុំ ML នៅ​ក្នុង​ទីក្រុង។ ខ្ញុំចាប់អារម្មណ៍ក្នុងការស្វែងរកវា ស្វែងយល់ពីរបៀបដែលវាដំណើរការ ហើយខ្ញុំចាប់ផ្តើមទៅទីនោះ។ នៅទីនោះ ខ្ញុំបានរៀនមូលដ្ឋានគ្រឹះជាលើកដំបូង បន្ទាប់មកខ្ញុំចាប់ផ្តើមសិក្សាវានៅលើអ៊ីនធឺណិត ក្នុងវគ្គសិក្សាផ្សេងៗ។

ដំបូងឡើយ មានតែវគ្គសិក្សាពី Konstantin Vorontsov ជាភាសារុស្សី ហើយរបៀបនៃការបង្រៀនគឺតឹងរ៉ឹង៖ វាមានពាក្យជាច្រើន ហើយមានរូបមន្តជាច្រើននៅក្នុងការពិពណ៌នា។ សម្រាប់សិស្សថ្នាក់ទីប្រាំបី នេះគឺជាការលំបាកខ្លាំងណាស់ ប៉ុន្តែឥឡូវនេះ ច្បាស់ណាស់ ដោយសារតែខ្ញុំបានឆ្លងកាត់សាលាបែបនេះតាំងពីដំបូងមក លក្ខខណ្ឌមិនបង្កការលំបាកសម្រាប់ខ្ញុំក្នុងការអនុវត្តជាក់ស្តែងក្នុងបញ្ហាជាក់ស្តែង។

- តើអ្នកត្រូវចេះគណិតវិទ្យាប៉ុន្មានដើម្បីធ្វើការជាមួយ AI? តើមានចំណេះដឹងគ្រប់គ្រាន់ពីកម្មវិធីសិក្សារបស់សាលាដែរឬទេ?
— តាមវិធីជាច្រើន ML គឺផ្អែកលើគោលគំនិតជាមូលដ្ឋាននៃសាលានៅថ្នាក់ទី 10-11 ពិជគណិតលីនេអ៊ែរជាមូលដ្ឋាន និងភាពខុសគ្នា។ ប្រសិនបើយើងនិយាយអំពីការផលិត អំពីបញ្ហាបច្ចេកទេស នោះតាមវិធីជាច្រើន គណិតវិទ្យាមិនចាំបាច់ទេ បញ្ហាជាច្រើនត្រូវបានដោះស្រាយដោយសាមញ្ញ ដោយការសាកល្បង និងកំហុស។ ប៉ុន្តែប្រសិនបើយើងនិយាយអំពីការស្រាវជ្រាវ នៅពេលដែលបច្ចេកវិទ្យាថ្មីត្រូវបានបង្កើតឡើងនោះ គ្មានកន្លែងណាដែលគ្មានគណិតវិទ្យាទេ។ គណិតវិទ្យាគឺត្រូវការជាចាំបាច់នៅកម្រិតមូលដ្ឋាន យ៉ាងហោចណាស់ត្រូវដឹងពីរបៀបអនុវត្តម៉ាទ្រីស ឬនិយាយដោយទាក់ទងគ្នា គណនានិស្សន្ទវត្ថុ។ មិនមានគណិតវិទ្យារត់គេចនៅទីនេះទេ។

- តាមគំនិតរបស់អ្នក តើសិស្សណាដែលមានគំនិតវិភាគធម្មជាតិអាចដោះស្រាយបញ្ហា ML បានទេ?
- បាទ។ ប្រសិនបើមនុស្សម្នាក់ដឹងពីអ្វីដែលជាបេះដូងរបស់ ML ប្រសិនបើគាត់ដឹងពីរបៀបដែលទិន្នន័យត្រូវបានរៀបចំ និងយល់ពីល្បិចជាមូលដ្ឋាន ឬ hacks គាត់នឹងមិនត្រូវការគណិតវិទ្យាទេ ព្រោះឧបករណ៍ជាច្រើនសម្រាប់ការងារត្រូវបានអ្នកផ្សេងទៀតសរសេររួចហើយ។ វាទាំងអស់គឺមកលើការស្វែងរកគំរូ។ ប៉ុន្តែអ្វីគ្រប់យ៉ាង, ជាការពិតណាស់, អាស្រ័យលើភារកិច្ច។

- តើអ្វីជាការលំបាកបំផុតក្នុងការដោះស្រាយបញ្ហា និងករណីរបស់ ML?
- កិច្ចការថ្មីនីមួយៗគឺជាអ្វីដែលថ្មី។ ប្រសិនបើបញ្ហាមានរួចហើយក្នុងទម្រង់ដូចគ្នានោះ វាមិនចាំបាច់ត្រូវដោះស្រាយទេ។ មិនមានក្បួនដោះស្រាយជាសកលទេ។ មាន​សហគមន៍​ដ៏​ធំ​មួយ​នៃ​មនុស្ស​ដែល​បណ្តុះបណ្តាល​ជំនាញ​ដោះស្រាយ​បញ្ហា​របស់​ពួកគេ ប្រាប់​ពី​របៀប​ដែល​ពួកគេ​បាន​ដោះស្រាយ​បញ្ហា និង​រៀបរាប់​ពី​រឿងរ៉ាវ​នៃ​ជ័យជម្នះ​របស់​ពួកគេ។ ហើយវាគួរឱ្យចាប់អារម្មណ៍ខ្លាំងណាស់ក្នុងការធ្វើតាមតក្កវិជ្ជាគំនិតរបស់ពួកគេ។

- តើករណី និងបញ្ហាអ្វីខ្លះដែលអ្នកចាប់អារម្មណ៍បំផុតក្នុងការដោះស្រាយ?
- ខ្ញុំ​មាន​ជំនាញ​ខាង​ភាសា​កុំព្យូទ័រ ខ្ញុំ​ចាប់​អារម្មណ៍​លើ​អត្ថបទ បញ្ហា​ចំណាត់​ថ្នាក់ chatbots ជាដើម។

- តើអ្នកជារឿយៗចូលរួមក្នុង AI hackathons ទេ?
- តាមពិតទៅ Hackathons គឺជាប្រព័ន្ធផ្សេងគ្នានៃ Olympiads ។ ការប្រកួតកីឡាអូឡាំពិកមានសំណុំនៃបញ្ហាបិទជាមួយនឹងចម្លើយដែលគេស្គាល់ដែលអ្នកចូលរួមត្រូវតែទាយ។ ប៉ុន្តែ​មាន​មនុស្ស​ដែល​មិន​ពូកែ​ក្នុង​ការងារ​បិទ ប៉ុន្តែ​ហែក​អ្នក​រាល់​គ្នា​ឱ្យ​ដាច់​ពី​ការងារ​ដែល​បើក។ ដូច្នេះអ្នកអាចសាកល្បងចំណេះដឹងរបស់អ្នកតាមវិធីផ្សេងៗគ្នា។ នៅក្នុងបញ្ហាបើកចំហ ពេលខ្លះបច្ចេកវិទ្យាត្រូវបានបង្កើតឡើងតាំងពីដំបូង ផលិតផលត្រូវបានអភិវឌ្ឍយ៉ាងឆាប់រហ័ស ហើយសូម្បីតែអ្នករៀបចំជាញឹកញាប់មិនដឹងចម្លើយត្រឹមត្រូវ។ ជាញឹកញាប់យើងចូលរួមក្នុងកម្មវិធី hackathons ហើយតាមរយៈនេះយើងអាចរកប្រាក់បាន។ នេះគួរឱ្យចាប់អារម្មណ៍។

- តើអ្នកអាចរកបានប៉ុន្មានពីនេះ? តើអ្នកចំណាយប្រាក់រង្វាន់របស់អ្នកដោយរបៀបណា?
- មិត្តរបស់ខ្ញុំ និងខ្ញុំបានចូលរួមក្នុងកម្មវិធី VKontakte hackathon ជាកន្លែងដែលយើងបង្កើតកម្មវិធីដើម្បីស្វែងរកគំនូរនៅក្នុង Hermitage ។ សំណុំនៃ emojis និងសញ្ញាអារម្មណ៍ត្រូវបានបង្ហាញនៅលើអេក្រង់ទូរស័ព្ទ វាចាំបាច់ក្នុងការស្វែងរករូបភាពដោយប្រើឈុតនេះ ទូរស័ព្ទត្រូវបានចង្អុលទៅរូបភាព វាត្រូវបានទទួលស្គាល់ដោយប្រើបណ្តាញសរសៃប្រសាទ ហើយប្រសិនបើចម្លើយត្រឹមត្រូវ ពិន្ទុត្រូវបានផ្តល់រង្វាន់។ យើងមានសេចក្តីសោមនស្សរីករាយ និងចាប់អារម្មណ៍ដែលយើងអាចបង្កើតកម្មវិធីដែលអនុញ្ញាតឱ្យយើងទទួលស្គាល់គំនូរនៅលើឧបករណ៍ចល័តមួយ។ យើងស្ថិតក្នុងលំដាប់ទីមួយ ប៉ុន្តែដោយសារតែទម្រង់ផ្លូវច្បាប់ យើងបានខកខានក្នុងការទទួលបានរង្វាន់ចំនួន 500 ពាន់រូប្លិ៍។ វាជាការអាម៉ាស់ ប៉ុន្តែនោះមិនមែនជារឿងសំខាន់នោះទេ។

លើសពីនេះទៀតគាត់បានចូលរួមក្នុងការប្រកួត Sberbank Data Science Journey ដែលគាត់បានជាប់ចំណាត់ថ្នាក់លេខ 5 និងរកបាន 200 ពាន់រូប្លិ៍។ សម្រាប់លើកទីមួយ ពួកគេបានបង់មួយលាន សម្រាប់ទីពីរ 500 ពាន់។ មូលនិធិរង្វាន់ប្រែប្រួល ហើយឥឡូវនេះកំពុងកើនឡើង។ ក្នុងនាមជាកំពូលអ្នកអាចទទួលបានពី 100 ទៅ 500 ពាន់។ ខ្ញុំ​សន្សំ​ប្រាក់​រង្វាន់​សម្រាប់​ការ​អប់រំ នេះ​ជា​ការ​រួម​ចំណែក​របស់​ខ្ញុំ​ទៅ​ថ្ងៃ​អនាគត ប្រាក់​ដែល​ខ្ញុំ​ចំណាយ​ក្នុង​ជីវិត​ប្រចាំ​ថ្ងៃ ខ្ញុំ​រក​បាន​ដោយ​ខ្លួន​ឯង។

- តើអ្វីដែលគួរឱ្យចាប់អារម្មណ៍ជាងនេះ - ការ hackathons បុគ្គលឬក្រុម?
- ប្រសិនបើយើងកំពុងនិយាយអំពីការអភិវឌ្ឍន៍ផលិតផលនោះ វាត្រូវតែជាក្រុម មនុស្សម្នាក់មិនអាចធ្វើវាបានទេ។ គាត់នឹងអស់កម្លាំង ហើយត្រូវការជំនួយ។ ប៉ុន្តែប្រសិនបើយើងកំពុងនិយាយជាឧទាហរណ៍អំពី AI Academy hackathon នោះកិច្ចការមានកំណត់ មិនចាំបាច់បង្កើតផលិតផលទេ។ ចំណាប់អារម្មណ៍នៅទីនោះគឺខុសគ្នា - ដើម្បីយកឈ្នះមនុស្សម្នាក់ផ្សេងទៀតដែលកំពុងអភិវឌ្ឍនៅក្នុងតំបន់នេះផងដែរ។

- តើអ្នកមានគម្រោងអភិវឌ្ឍន៍បន្តទៀតដោយរបៀបណា? តើអ្នកឃើញអាជីពរបស់អ្នកយ៉ាងដូចម្តេច?
- ឥឡូវនេះគោលដៅចម្បងគឺដើម្បីរៀបចំការងារវិទ្យាសាស្ត្រដ៏ធ្ងន់ធ្ងររបស់អ្នក ការស្រាវជ្រាវ ដើម្បីឱ្យវាលេចឡើងនៅក្នុងសន្និសីទឈានមុខគេដូចជា សន្និសីទ NeurIPS ឬ ICML - ML ដែលប្រព្រឹត្តទៅនៅក្នុងប្រទេសផ្សេងៗគ្នានៃពិភពលោក។ សំណួរអំពីអាជីពគឺបើកចំហ សូមមើលពីរបៀបដែល ML បានអភិវឌ្ឍក្នុងរយៈពេល 5 ឆ្នាំកន្លងមកនេះ។ វា​កំពុង​ផ្លាស់​ប្តូរ​យ៉ាង​ឆាប់​រហ័ស ឥឡូវ​នេះ​វា​ពិបាក​នឹង​ទស្សន៍ទាយ​ថា​នឹង​មាន​អ្វី​កើត​ឡើង​បន្ទាប់​ទៀត។ ហើយប្រសិនបើយើងនិយាយអំពីគំនិត និងផែនការក្រៅពីការងារវិទ្យាសាស្ត្រ នោះប្រហែលជាខ្ញុំនឹងឃើញខ្លួនឯងនៅក្នុងប្រភេទនៃគម្រោងផ្ទាល់ខ្លួនរបស់ខ្ញុំ ដែលជាការចាប់ផ្តើមនៅក្នុងវិស័យ AI និង ML ប៉ុន្តែនេះមិនប្រាកដទេ។

- តាមគំនិតរបស់អ្នក តើបច្ចេកវិទ្យា AI មានដែនកំណត់អ្វីខ្លះ?
- ជាទូទៅ ប្រសិនបើយើងនិយាយអំពី AI ជាវត្ថុដែលមានភាពវៃឆ្លាត ដំណើរការទិន្នន័យ នោះនៅពេលអនាគតដ៏ខ្លីខាងមុខ វានឹងក្លាយជាប្រភេទនៃការយល់ដឹងអំពីពិភពលោកជុំវិញយើង។ ឧទាហរណ៍ ប្រសិនបើយើងនិយាយអំពីបណ្តាញប្រសាទក្នុងភាសាគណិតវិទ្យា យើងកំពុងព្យាយាមធ្វើគំរូអ្វីមួយនៅក្នុងមូលដ្ឋាន ឧទាហរណ៍ ភាសា ដោយមិនផ្តល់ឱ្យគំរូនូវការយល់ដឹងអំពីបរិបទអំពីពិភពលោករបស់យើង។ នោះគឺប្រសិនបើយើងអាចបញ្ចូលវាទៅក្នុង AI នោះ យើងនឹងអាចបង្កើតគំរូសន្ទនា chat bots ដែលនឹងមិនត្រឹមតែស្គាល់គំរូភាសាប៉ុណ្ណោះទេ ប៉ុន្តែក៏មានទស្សនវិស័យ និងដឹងពីការពិតតាមបែបវិទ្យាសាស្ត្រផងដែរ។ ហើយនេះគឺជាអ្វីដែលខ្ញុំចង់ឃើញនាពេលអនាគត។

ដោយវិធីនេះ Academy of Artificial Intelligence បច្ចុប្បន្នកំពុងជ្រើសរើសសិស្សសាលាសម្រាប់ hackathon ថ្មី។ ប្រាក់រង្វាន់ក៏ច្រើនសន្ធឹកសន្ធាប់ផងដែរ ហើយកិច្ចការក្នុងឆ្នាំនេះកាន់តែគួរឱ្យចាប់អារម្មណ៍ថែមទៀត អ្នកត្រូវបង្កើតក្បួនដោះស្រាយដែលព្យាករណ៍បទពិសោធន៍របស់អ្នកលេងដោយផ្អែកលើស្ថិតិនៃការប្រកួត Dota 2 មួយ។ សម្រាប់ព័ត៌មានលម្អិត សូមចូលទៅកាន់ តំណនេះ.

ប្រភព: www.habr.com