AI, ເດັກນ້ອຍນັກຮຽນ ແລະ ລາງວັນໃຫຍ່: ວິທີການຮຽນເຄື່ອງຈັກໃນຊັ້ນຮຽນທີ 8

Hey Habr!

ພວກເຮົາຢາກເວົ້າກ່ຽວກັບວິທີຫາເງິນທີ່ຜິດປົກກະຕິຂອງໄວລຸ້ນເຊັ່ນການເຂົ້າຮ່ວມໃນ hackathons. ນີ້ແມ່ນທັງຜົນປະໂຫຍດທາງດ້ານການເງິນແລະຊ່ວຍໃຫ້ທ່ານສາມາດປະຕິບັດຄວາມຮູ້ທີ່ໄດ້ມາຢູ່ໃນໂຮງຮຽນແລະການອ່ານຫນັງສືສະຫມາດ.

ຕົວຢ່າງທີ່ງ່າຍດາຍແມ່ນ hackathon ສະຖາບັນປັນຍາທຽມຂອງປີທີ່ຜ່ານມາສໍາລັບນັກຮຽນ. ຜູ້ເຂົ້າຮ່ວມຕ້ອງໄດ້ຄາດຄະເນຜົນໄດ້ຮັບຂອງເກມ Dota 2 ຜູ້ຊະນະການແຂ່ງຂັນແມ່ນ Alexander Mamaev, ນັກຮຽນຊັ້ນສິບຂອງ Chelyabinsk. ສູດການຄິດໄລ່ຂອງລາວໄດ້ກໍານົດຢ່າງຖືກຕ້ອງທີ່ສຸດຕໍ່ທີມທີ່ຊະນະຂອງການຕໍ່ສູ້. ຂໍຂອບໃຈກັບນີ້, Alexander ໄດ້ຮັບເງິນລາງວັນຢ່າງຫຼວງຫຼາຍ - 100 ພັນ rubles.

Alexander Mamaev ໃຊ້ເງິນລາງວັນແນວໃດ, ຄວາມຮູ້ທີ່ນັກຮຽນຂາດແຄນເພື່ອເຮັດວຽກກັບ ML, ແລະທິດທາງໃນດ້ານ AI ລາວຖືວ່າຫນ້າສົນໃຈທີ່ສຸດ - ນັກຮຽນບອກໃນການສໍາພາດ.

— ບອກພວກເຮົາກ່ຽວກັບຕົວທ່ານເອງ, ເຈົ້າສົນໃຈ AI ແນວໃດ? ມັນຍາກທີ່ຈະເຂົ້າໄປໃນຫົວຂໍ້ບໍ?
— ຂ້າ​ພະ​ເຈົ້າ​ມີ​ອາ​ຍຸ 17 ປີ​, ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ຮຽນ​ຈົບ​ໃນ​ປີ​ນີ້​, ແລະ​ບໍ່​ດົນ​ມາ​ນີ້​ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ຍ້າຍ​ຈາກ Chelyabinsk ກັບ Dolgoprudny​, ເຊິ່ງ​ໃກ້​ກັບ Moscow​. ຂ້ອຍຮຽນຢູ່ Kapitsa Physics and Technology Lyceum, ນີ້ແມ່ນໂຮງຮຽນທີ່ດີທີ່ສຸດໃນພາກພື້ນ Moscow. ຂ້ອຍສາມາດເຊົ່າອາພາດເມັນ, ແຕ່ຂ້ອຍອາໄສຢູ່ໃນໂຮງຮຽນກິນນອນຢູ່ໂຮງຮຽນ, ມັນດີກວ່າແລະງ່າຍຕໍ່ການຕິດຕໍ່ກັບຄົນຈາກ lyceum.

ຄັ້ງທໍາອິດທີ່ຂ້ອຍໄດ້ຍິນກ່ຽວກັບ AI ແລະ ML ແມ່ນອາດຈະເປັນໃນປີ 2016, ເມື່ອ Prisma ປາກົດ. ຫຼັງຈາກນັ້ນ, ຂ້ອຍຢູ່ໃນຊັ້ນຮຽນທີ 8 ແລະກໍາລັງດໍາເນີນໂຄງການກິລາໂອລິມປິກ, ໄດ້ເຂົ້າຮ່ວມການແຂ່ງຂັນກິລາໂອລິມປິກແລະພົບວ່າພວກເຮົາມີກອງປະຊຸມ ML ໃນເມືອງ. ຂ້ອຍສົນໃຈໃນການຄິດໄລ່ມັນ, ເຂົ້າໃຈວິທີການເຮັດວຽກ, ແລະຂ້ອຍກໍ່ເລີ່ມໄປທີ່ນັ້ນ. ຢູ່ທີ່ນັ້ນຂ້າພະເຈົ້າໄດ້ຮຽນຮູ້ພື້ນຖານຄັ້ງທໍາອິດ, ຫຼັງຈາກນັ້ນຂ້າພະເຈົ້າໄດ້ເລີ່ມຮຽນມັນຢູ່ໃນອິນເຕີເນັດ, ໃນວິຊາຕ່າງໆ.

ໃນຕອນທໍາອິດ, ມີພຽງແຕ່ຫຼັກສູດຈາກ Konstantin Vorontsov ໃນພາສາລັດເຊຍ, ແລະວິທີການສອນຂອງມັນແມ່ນເຄັ່ງຄັດ: ມັນມີຂໍ້ກໍານົດຫຼາຍ, ແລະມີຫຼາຍສູດໃນຄໍາອະທິບາຍ. ສໍາລັບນັກຮຽນຊັ້ນແປດນີ້ແມ່ນມີຄວາມຫຍຸ້ງຍາກຫຼາຍ, ແຕ່ໃນປັດຈຸບັນ, ແນ່ນອນ, ເພາະວ່າຂ້ອຍໄດ້ຜ່ານໂຮງຮຽນດັ່ງກ່າວໃນຕອນເລີ່ມຕົ້ນ, ເງື່ອນໄຂບໍ່ໄດ້ສ້າງຄວາມຫຍຸ້ງຍາກສໍາລັບຂ້ອຍໃນການປະຕິບັດຕົວຈິງ.

— ເຈົ້າຈໍາເປັນຕ້ອງຮູ້ຄະນິດສາດຫຼາຍປານໃດເພື່ອເຮັດວຽກກັບ AI? ມີຄວາມຮູ້ພຽງພໍຈາກຫຼັກສູດຂອງໂຮງຮຽນບໍ?
— ໃນຫຼາຍວິທີ, ML ແມ່ນອີງໃສ່ແນວຄວາມຄິດພື້ນຖານຂອງໂຮງຮຽນໃນຊັ້ນຮຽນທີ 10-11, ພຶດຊະຄະນິດເສັ້ນຂັ້ນພື້ນຖານ ແລະຄວາມແຕກຕ່າງ. ຖ້າພວກເຮົາກໍາລັງລົມກັນກ່ຽວກັບການຜະລິດ, ກ່ຽວກັບບັນຫາດ້ານວິຊາການ, ຫຼັງຈາກນັ້ນໃນຫຼາຍວິທີທາງຄະນິດສາດແມ່ນບໍ່ຈໍາເປັນ; ແຕ່ຖ້າພວກເຮົາເວົ້າກ່ຽວກັບການຄົ້ນຄວ້າ, ເມື່ອເຕັກໂນໂລຢີໃຫມ່ຖືກສ້າງຂື້ນ, ບໍ່ມີບ່ອນໃດທີ່ບໍ່ມີຄະນິດສາດ. ຄະນິດສາດແມ່ນຈໍາເປັນໃນລະດັບພື້ນຖານ, ຢ່າງຫນ້ອຍຕ້ອງຮູ້ວິທີການນໍາໃຊ້ matrix ຫຼື, ເວົ້າຂ້ອນຂ້າງ, ການຄິດໄລ່ອະນຸພັນ. ບໍ່ມີຄະນິດສາດທີ່ຫລົບຫນີຢູ່ທີ່ນີ້.

— ໃນ​ຄວາມ​ຄິດ​ເຫັນ​ຂອງ​ທ່ານ​, ນັກ​ສຶກ​ສາ​ໃດ​ຫນຶ່ງ​ທີ່​ມີ​ແນວ​ຄິດ​ວິ​ເຄາະ​ທໍາ​ມະ​ຊາດ​ສາ​ມາດ​ແກ້​ໄຂ​ບັນ​ຫາ ML ໄດ້​?
- ແມ່ນແລ້ວ. ຖ້າບຸກຄົນຮູ້ວ່າສິ່ງທີ່ຢູ່ໃນຫົວໃຈຂອງ ML, ຖ້າລາວຮູ້ວ່າຂໍ້ມູນມີໂຄງສ້າງແລະເຂົ້າໃຈ tricks ຫຼື hacks ພື້ນຖານ, ລາວຈະບໍ່ຕ້ອງການຄະນິດສາດ, ເພາະວ່າຫຼາຍເຄື່ອງມືສໍາລັບວຽກໄດ້ຖືກຂຽນໂດຍຄົນອື່ນແລ້ວ. ມັນທັງຫມົດແມ່ນມາຈາກການຊອກຫາຮູບແບບ. ແຕ່ທຸກສິ່ງທຸກຢ່າງ, ແນ່ນອນ, ແມ່ນຂຶ້ນກັບວຽກງານ.

— ສິ່ງທີ່ຍາກທີ່ສຸດໃນການແກ້ໄຂບັນຫາ ML ແລະກໍລະນີແມ່ນຫຍັງ?
— ແຕ່​ລະ​ວຽກ​ງານ​ໃຫມ່​ແມ່ນ​ບາງ​ສິ່ງ​ບາງ​ຢ່າງ​ໃຫມ່​. ຖ້າບັນຫາມີຢູ່ແລ້ວໃນຮູບແບບດຽວກັນ, ມັນຈະບໍ່ຕ້ອງໄດ້ຮັບການແກ້ໄຂ. ບໍ່ມີ algorithm ທົ່ວໄປ. ມີຊຸມຊົນຂະຫນາດໃຫຍ່ຂອງປະຊາຊົນຜູ້ທີ່ຝຶກອົບຮົມທັກສະການແກ້ໄຂບັນຫາຂອງເຂົາເຈົ້າ, ບອກວິທີການແກ້ໄຂບັນຫາຂອງເຂົາເຈົ້າ, ແລະອະທິບາຍເລື່ອງຂອງໄຊຊະນະຂອງເຂົາເຈົ້າ. ແລະມັນຫນ້າສົນໃຈຫຼາຍທີ່ຈະປະຕິບັດຕາມເຫດຜົນ, ແນວຄວາມຄິດຂອງພວກເຂົາ.

— ມີກໍລະນີ ແລະບັນຫາໃດແດ່ທີ່ເຈົ້າສົນໃຈທີ່ສຸດໃນການແກ້ໄຂ?
— ຂ້າ​ພະ​ເຈົ້າ​ຊ່ຽວ​ຊານ​ໃນ​ພາ​ສາ​ຄອມ​ພິວ​ເຕີ​, ຂ້າ​ພະ​ເຈົ້າ​ສົນ​ໃຈ​ໃນ​ບົດ​ເລື່ອງ​, ວຽກ​ງານ​ການ​ຈັດ​ປະ​ເພດ​, chatbots​, ແລະ​ອື່ນໆ​.

— ເຈົ້າມັກເຂົ້າຮ່ວມໃນ AI hackathons ບໍ?
- ໃນຄວາມເປັນຈິງ, Hackathons ແມ່ນລະບົບທີ່ແຕກຕ່າງກັນຂອງ Olympiads. Olympiad ມີຊຸດຂອງບັນຫາປິດ, ມີຄໍາຕອບທີ່ຮູ້ຈັກທີ່ຜູ້ເຂົ້າຮ່ວມຕ້ອງຄາດເດົາ. ແຕ່ມີຄົນທີ່ບໍ່ເກັ່ງໃນວຽກປິດ, ແຕ່ເຮັດໃຫ້ທຸກຄົນແຍກອອກຈາກວຽກທີ່ເປີດ. ດັ່ງນັ້ນທ່ານສາມາດທົດສອບຄວາມຮູ້ຂອງທ່ານໃນວິທີທີ່ແຕກຕ່າງກັນ. ໃນບັນຫາທີ່ເປີດເຜີຍ, ບາງຄັ້ງເຕັກໂນໂລຢີກໍ່ຖືກສ້າງຂື້ນຈາກຮອຍຂີດຂ່ວນ, ຜະລິດຕະພັນໄດ້ຖືກພັດທະນາຢ່າງໄວວາ, ແລະເຖິງແມ່ນວ່າຜູ້ຈັດຕັ້ງມັກຈະບໍ່ຮູ້ຄໍາຕອບທີ່ຖືກຕ້ອງ. ພວກເຮົາມັກຈະເຂົ້າຮ່ວມໃນ hackathons, ແລະໂດຍຜ່ານນີ້ພວກເຮົາສາມາດຫາເງິນ. ນີ້ແມ່ນຫນ້າສົນໃຈ.

- ເຈົ້າສາມາດມີລາຍໄດ້ຈາກນີ້ຫຼາຍປານໃດ? ເຈົ້າໃຊ້ເງິນລາງວັນຂອງເຈົ້າແນວໃດ?
— ຫມູ່ຂອງຂ້ອຍແລະຂ້ອຍໄດ້ເຂົ້າຮ່ວມໃນ VKontakte hackathon, ບ່ອນທີ່ພວກເຮົາເຮັດຄໍາຮ້ອງສະຫມັກເພື່ອຄົ້ນຫາຮູບແຕ້ມໃນ Hermitage. ຊຸດຂອງ emojis ແລະ emoticons ໄດ້ຖືກສະແດງຢູ່ໃນຫນ້າຈໍໂທລະສັບ, ມັນຈໍາເປັນຕ້ອງຊອກຫາຮູບພາບໂດຍໃຊ້ຊຸດນີ້, ໂທລະສັບຖືກຊີ້ໃສ່ຮູບ, ມັນໄດ້ຖືກຮັບຮູ້ໂດຍໃຊ້ເຄືອຂ່າຍ neural ແລະຖ້າຄໍາຕອບຖືກຕ້ອງ, ຈຸດຈະໄດ້ຮັບລາງວັນ. ພວກເຮົາມີຄວາມຍິນດີແລະມີຄວາມສົນໃຈທີ່ພວກເຮົາສາມາດສ້າງຄໍາຮ້ອງສະຫມັກທີ່ອະນຸຍາດໃຫ້ພວກເຮົາຮັບຮູ້ຮູບແຕ້ມໃນອຸປະກອນມືຖື. ພວກເຮົາຢູ່ໃນອັນດັບທໍາອິດ, ແຕ່ເນື່ອງຈາກຮູບແບບທາງດ້ານກົດຫມາຍ, ພວກເຮົາພາດໂອກາດທີ່ຈະລາງວັນ 500 ພັນຮູເບີນ. ມັນເປັນຄວາມອັບອາຍ, ແຕ່ນັ້ນບໍ່ແມ່ນເລື່ອງຕົ້ນຕໍ.

ນອກຈາກນັ້ນ, ລາວໄດ້ເຂົ້າຮ່ວມການແຂ່ງຂັນການເດີນທາງວິທະຍາສາດຂໍ້ມູນ Sberbank, ບ່ອນທີ່ທ່ານໄດ້ອັນດັບທີ 5 ແລະໄດ້ຮັບເງິນ 200 ພັນຮູເບີນ. ສໍາລັບຄັ້ງທໍາອິດພວກເຂົາຈ່າຍຫນຶ່ງລ້ານ, ສໍາລັບຄັ້ງທີສອງ 500 ພັນ. ເງິນລາງວັນແຕກຕ່າງກັນ, ແລະໃນປັດຈຸບັນແມ່ນເພີ່ມຂຶ້ນ. ຢູ່ໃນອັນດັບຫນຶ່ງ, ທ່ານສາມາດໄດ້ຮັບ 100 ຫາ 500 ພັນ. ຂ້າ​ພະ​ເຈົ້າ​ເກັບ​ກູ້​ເງິນ​ລາງ​ວັນ​ສໍາ​ລັບ​ການ​ສຶກ​ສາ, ນີ້​ແມ່ນ​ການ​ປະ​ກອບ​ສ່ວນ​ຂອງ​ຂ້າ​ພະ​ເຈົ້າ​ເພື່ອ​ອະ​ນາ​ຄົດ, ເງິນ​ທີ່​ຂ້າ​ພະ​ເຈົ້າ​ໃຊ້​ໃນ​ຊີ​ວິດ​ປະ​ຈໍາ​ວັນ, ຂ້າ​ພະ​ເຈົ້າ​ຫາ​ໄດ້​ດ້ວຍ​ຕົນ​ເອງ.

— ສິ່ງ​ທີ່​ເປັນ​ທີ່​ຫນ້າ​ສົນ​ໃຈ​ຫຼາຍ – hackathons ບຸກ​ຄົນ​ຫຼື​ທີມ​?
— ຖ້າ​ຫາກ​ວ່າ​ພວກ​ເຮົາ​ກໍາ​ລັງ​ເວົ້າ​ກ່ຽວ​ກັບ​ການ​ພັດ​ທະ​ນາ​ຜະ​ລິດ​ຕະ​ພັນ​, ຫຼັງ​ຈາກ​ນັ້ນ​ມັນ​ຕ້ອງ​ເປັນ​ທີມ​ງານ​; ລາວພຽງແຕ່ຈະເມື່ອຍແລະຕ້ອງການການສະຫນັບສະຫນູນ. ແຕ່ຖ້າພວກເຮົາກໍາລັງລົມກັນ, ສໍາລັບການຍົກຕົວຢ່າງ, ກ່ຽວກັບ AI Academy hackathon, ຫຼັງຈາກນັ້ນ, ວຽກງານມີຈໍາກັດ, ບໍ່ຈໍາເປັນຕ້ອງສ້າງຜະລິດຕະພັນ. ຄວາມ​ສົນ​ໃຈ​ທີ່​ມີ​ແມ່ນ​ແຕກ​ຕ່າງ​ກັນ - overtake ຄົນ​ອື່ນ​ທີ່​ຍັງ​ພັດ​ທະ​ນາ​ໃນ​ຂົງ​ເຂດ​ນີ້​.

— ເຈົ້າວາງແຜນພັດທະນາຕໍ່ໄປແນວໃດ? ເຈົ້າເຫັນອາຊີບຂອງເຈົ້າແນວໃດ?
- ໃນປັດຈຸບັນເປົ້າຫມາຍຕົ້ນຕໍແມ່ນການກະກຽມວຽກງານວິທະຍາສາດທີ່ຮ້າຍແຮງຂອງທ່ານ, ການຄົ້ນຄວ້າ, ເພື່ອໃຫ້ມັນປາກົດຢູ່ໃນກອງປະຊຸມຊັ້ນນໍາເຊັ່ນ: ກອງປະຊຸມ NeurIPS ຫຼື ICML - ML ທີ່ຈັດຂຶ້ນໃນປະເທດຕ່າງໆຂອງໂລກ. ຄໍາຖາມກ່ຽວກັບອາຊີບເປີດ, ເບິ່ງວິທີການ ML ໄດ້ພັດທະນາໃນໄລຍະ 5 ປີທີ່ຜ່ານມາ. ມັນມີການປ່ຽນແປງຢ່າງໄວວາ, ໃນປັດຈຸບັນມັນຍາກທີ່ຈະຄາດຄະເນສິ່ງທີ່ຈະເກີດຂຶ້ນຕໍ່ໄປ. ແລະຖ້າພວກເຮົາສົນທະນາກ່ຽວກັບແນວຄວາມຄິດແລະແຜນການນອກເຫນືອຈາກວຽກງານວິທະຍາສາດ, ບາງທີຂ້ອຍອາດຈະເຫັນຕົວເອງໃນບາງປະເພດຂອງໂຄງການຂອງຕົນເອງ, ການເລີ່ມຕົ້ນໃນພາກສະຫນາມຂອງ AI ແລະ ML, ແຕ່ນີ້ບໍ່ແນ່ນອນ.

— ໃນ​ຄວາມ​ຄິດ​ເຫັນ​ຂອງ​ທ່ານ​, ສິ່ງ​ທີ່​ມີ​ຂໍ້​ຈໍາ​ກັດ​ຂອງ​ເຕັກ​ໂນ​ໂລ​ຊີ AI​?
— ໂດຍທົ່ວໄປແລ້ວ, ຖ້າພວກເຮົາເວົ້າກ່ຽວກັບ AI ເປັນສິ່ງທີ່ມີຄວາມສະຫຼາດບາງປະເພດ, ປະມວນຜົນຂໍ້ມູນ, ຫຼັງຈາກນັ້ນ, ໃນອະນາຄົດອັນໃກ້ນີ້, ມັນຈະເປັນບາງປະເພດຂອງການຮັບຮູ້ຂອງໂລກອ້ອມຕົວພວກເຮົາ. ຖ້າພວກເຮົາເວົ້າກ່ຽວກັບເຄືອຂ່າຍ neural ໃນພາສາສາດຄອມພິວເຕີ້, ຕົວຢ່າງ, ພວກເຮົາກໍາລັງພະຍາຍາມສ້າງແບບຈໍາລອງບາງສິ່ງບາງຢ່າງໃນທ້ອງຖິ່ນ, ຕົວຢ່າງ, ພາສາ, ໂດຍບໍ່ມີການໃຫ້ຕົວແບບຄວາມເຂົ້າໃຈກ່ຽວກັບສະພາບການກ່ຽວກັບໂລກຂອງພວກເຮົາ. ນັ້ນແມ່ນ, ຖ້າພວກເຮົາສາມາດລວມເອົາສິ່ງນີ້ເຂົ້າໄປໃນ AI, ພວກເຮົາຈະສາມາດສ້າງແບບຈໍາລອງການສົນທະນາ, chat bots ທີ່ບໍ່ພຽງແຕ່ຈະຮູ້ຮູບແບບພາສາ, ແຕ່ຍັງຈະມີທັດສະນະແລະຮູ້ຄວາມຈິງທາງວິທະຍາສາດ. ແລະນີ້ແມ່ນສິ່ງທີ່ຂ້ອຍຢາກເຫັນໃນອະນາຄົດ.

ໂດຍວິທີທາງການ, Academy of Artificial Intelligence ປະຈຸບັນກໍາລັງຮັບນັກຮຽນເຂົ້າຮຽນສໍາລັບ hackathon ໃຫມ່. ເງິນລາງວັນກໍ່ເປັນຈໍານວນຫຼວງຫຼາຍ, ແລະວຽກງານຂອງປີນີ້ກໍ່ມີຄວາມຫນ້າສົນໃຈຫຼາຍ - ທ່ານຈະຕ້ອງສ້າງສູດການຄິດໄລ່ທີ່ຄາດຄະເນປະສົບການຂອງຜູ້ຫຼິ້ນໂດຍອີງໃສ່ສະຖິຕິຂອງການແຂ່ງຂັນ Dota 2 ສໍາລັບລາຍລະອຽດ, ໄປທີ່ ການເຊື່ອມຕໍ່ນີ້.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com