AI၊ ကျောင်းသူကလေးများနှင့် ဆုကြီးကြီးများ- 8 တန်းတွင် စက်သင်ယူနည်း

ဟေး ဟာဘ!

ဟက်ကာသွန်ပြိုင်ပွဲတွင် ပါဝင်ခြင်းကဲ့သို့ ဆယ်ကျော်သက်များအတွက် ပုံမှန်မဟုတ်သော ငွေရှာနည်းအကြောင်း ပြောပြလိုပါသည်။ ၎င်းသည် ငွေရေးကြေးရေးအရရော အကျိုးရှိပြီး ကျောင်းတွင်ရရှိသော အသိပညာနှင့် စမတ်စာအုပ်များကို ဖတ်ရှုခြင်းဖြင့် လက်တွေ့လုပ်ဆောင်နိုင်စေမည်ဖြစ်သည်။

ရိုးရှင်းသောဥပမာမှာ ကျောင်းသူကလေးများအတွက် ယမန်နှစ်က Artificial Intelligence Academy ဟက်ကာသွန်ဖြစ်သည်။ ၎င်း၏ပါဝင်သူများသည် Dota 2 ဂိမ်း၏ရလဒ်ကို ကြိုတင်ခန့်မှန်းရမည်ဖြစ်ပါသည်။ ပြိုင်ပွဲတွင်အနိုင်ရရှိသူမှာ Chelyabinsk မှ ဆယ်တန်းကျောင်းသူ Alexander Mamaev ဖြစ်သည်။ သူ၏ အယ်လဂိုရီသမ်သည် တိုက်ပွဲတွင် အနိုင်ရသောအဖွဲ့ကို အတိကျဆုံး အဆုံးအဖြတ်ပေးသည်။ ယင်းကြောင့် အလက်ဇန္ဒားသည် ကြီးမားသောဆုငွေ - 100 ရူဘယ်ကို ရရှိခဲ့သည်။

Alexander Mamaev က ဆုငွေကို ဘယ်လိုသုံးသလဲ၊ ကျောင်းသားက ML နဲ့ အလုပ်တွဲလုပ်ဖို့ အသိပညာ အားနည်းတာ၊ AI နယ်ပယ်မှာ ဘယ်လိုဦးတည်ချက်က စိတ်ဝင်စားစရာအကောင်းဆုံးလို့ ယူဆလဲ လို့ ကျောင်းသားက အင်တာဗျူးတစ်ခုမှာ ပြောခဲ့ပါတယ်။

— သင့်ကိုယ်သင်ပြောပြပါ၊ AI ကို သင်ဘယ်လိုစိတ်ဝင်စားလာတာလဲ။ ခေါင်းစဉ်ထဲဝင်ဖို့ ခက်သလား။
— ကျွန်ုပ် အသက် 17 နှစ်၊ ယခုနှစ် ကျောင်းပြီးပါပြီ၊ မကြာသေးမီက ကျွန်ုပ်သည် မော်စကိုမြို့အနီးရှိ Dolgoprudny သို့ Chelyabinsk မှ ပြောင်းရွှေ့ခဲ့သည်။ Kapitsa Physics and Technology Lyceum မှာ လေ့လာနေပါတယ်၊ ဒါက မော်စကိုဒေသရဲ့ အကောင်းဆုံးကျောင်းတွေထဲက တစ်ခုပါ။ တိုက်ခန်းငှားနိုင်ပေမယ့် ကျောင်းမှာ ဘော်ဒါကျောင်းမှာနေပြီး lyceum ကလူတွေနဲ့ ဆက်သွယ်ရတာ ပိုအဆင်ပြေပါတယ်။

AI နှင့် ML အကြောင်းကို ပထမဆုံးကြားရသည်မှာ Prisma ပေါ်လာသောအခါ 2016 ခုနှစ်တွင် ဖြစ်နိုင်သည်။ နောက်တော့ ကျွန်တော် ၈ တန်းအောင်ပြီး အိုလံပစ် ပရိုဂရမ်တွေ လုပ်ရင်း အိုလံပစ်ပွဲတွေ တက်ပြီး မြို့ထဲမှာ ML တွေ့ဆုံပွဲတွေ လုပ်နေတာကို သိလိုက်ရတယ်။ အဲဒါကို ဖော်ထုတ်ဖို့၊ ဘယ်လိုအလုပ်လုပ်တယ်ဆိုတာကို နားလည်ပြီး အဲဒီကို သွားခဲ့တယ်။ အဲဒီမှာ ပထမအကြိမ် အခြေခံတွေကို သင်ယူခဲ့ပြီး သင်တန်းမျိုးစုံမှာ အင်တာနက်ကနေ စလေ့လာခဲ့တယ်။

အစပိုင်းတွင်၊ ရုရှားဘာသာဖြင့် Konstantin Vorontsov မှသင်တန်းတစ်ခုသာရှိခဲ့ပြီး သင်ကြားမှုပုံစံမှာ တင်းကျပ်သည်- ၎င်းတွင် ဝေါဟာရများစွာပါရှိပြီး ဖော်ပြချက်များတွင် ဖော်မြူလာများစွာရှိသည်။ အဋ္ဌမတန်းကျောင်းသားတစ်ယောက်အတွက် ဒါကအရမ်းခက်ခဲပေမယ့် အခုအတိအကျပြောရရင်တော့ အစပိုင်းမှာ ဒီလိုကျောင်းကိုဖြတ်သန်းခဲ့ရလို့ လက်တွေ့ပြဿ နာတွေမှာ စည်းကမ်းသတ်မှတ်ချက်တွေက ကျွန်တော့်အတွက် အခက်အခဲမဖြစ်စေပါဘူး။

- AI နဲ့ အလုပ်လုပ်ဖို့ သင်္ချာဘယ်လောက် သိထားသင့်လဲ။ ကျောင်းသင်ရိုးညွှန်းတမ်းမှ လုံလောက်သော ဗဟုသုတ ရှိပါသလား။
— နည်းလမ်းများစွာဖြင့်၊ ML သည် အဆင့် 10-11 အတွင်းရှိ ကျောင်း၏ အခြေခံသဘောတရားများ၊ အခြေခံမျဉ်းသားအက္ခရာသင်္ချာနှင့် ကွဲပြားခြင်းအပေါ် အခြေခံထားသည်။ ထုတ်လုပ်မှုအကြောင်း၊ နည်းပညာဆိုင်ရာ ပြဿနာများအကြောင်း ပြောနေလျှင် သင်္ချာနည်းမျိုးစုံဖြင့် မလိုအပ်ဘဲ ပြဿနာများစွာကို အစမ်းအမှားဖြင့် ဖြေရှင်းနိုင်သည်။ ဒါပေမယ့် သုတေသနအကြောင်းပြောရင် နည်းပညာသစ်တွေ ဖန်တီးတဲ့အခါ သင်္ချာမပါတဲ့ ဘယ်မှာမှမရှိပါဘူး။ သင်္ချာသည် အခြေခံအဆင့်တွင် လိုအပ်သည်၊ အနည်းဆုံး မက်ထရစ်ကို အသုံးချနည်း သို့မဟုတ် နိစ္စဓူဝများကို တွက်ချက်ရန် အနည်းဆုံး သိရန် လိုအပ်ပါသည်။ ဤနေရာတွင် သင်္ချာပညာသည် လွတ်မြောက်ခြင်း မရှိပါ။

— မင်းရဲ့အမြင်အရ၊ သဘာဝ-ခွဲခြမ်းစိတ်ဖြာတဲ့စိတ်ထားရှိတဲ့ ကျောင်းသားက ML ပြဿနာတွေကို ဖြေရှင်းပေးနိုင်မလား။
- ဟုတ်ကဲ့။ အကယ်၍ လူတစ်ဦးသည် ML ၏ နှလုံးသားတွင် တည်ရှိနေသောအရာကို သိရှိပါက၊ ဒေတာကို မည်သို့ဖွဲ့စည်းပုံနှင့် အခြေခံလှည့်ကွက်များ သို့မဟုတ် ဟက်ခ်များကို သိရှိနားလည်ပါက၊ အလုပ်အတွက် ကိရိယာများစွာကို အခြားသူများက ရေးသားထားပြီးဖြစ်သောကြောင့် သင်္ချာမလိုအပ်ပါ။ အရာအားလုံးသည် ပုံစံများကို ရှာဖွေရန် အကျုံးဝင်သည်။ ဒါပေမယ့် အရာအားလုံးက အလုပ်အပေါ်မှာ မူတည်တယ်။

- ML ပြဿနာများနှင့် အမှုအခင်းများကို ဖြေရှင်းရာတွင် အခက်ခဲဆုံးအရာကား အဘယ်နည်း။
- အလုပ်အသစ်တစ်ခုစီသည် အသစ်အဆန်းတစ်ခုဖြစ်သည်။ ပြဿနာဟာ တူညီတဲ့ပုံစံနဲ့ ရှိခဲ့မယ်ဆိုရင် ဖြေရှင်းစရာ မလိုပါဘူး။ universal algorithm မရှိပါ။ ပြဿနာဖြေရှင်းခြင်းစွမ်းရည်ကို လေ့ကျင့်ပေးခြင်း၊ ပြဿနာများကို ဖြေရှင်းပုံပြောပြခြင်းနှင့် ၎င်းတို့၏အောင်ပွဲများ၏ ဇာတ်လမ်းများကို ဖော်ပြသည့် ကြီးမားသောအသိုင်းအဝိုင်းတစ်ခုရှိသည်။ ပြီးတော့ သူတို့ရဲ့ ယုတ္တိဗေဒ၊ သူတို့ရဲ့ အတွေးအခေါ်တွေကို လိုက်နာဖို့က အရမ်းစိတ်ဝင်စားဖို့ကောင်းတယ်။

- ဘယ်လိုကိစ္စတွေနဲ့ ပြဿနာတွေကို ဖြေရှင်းဖို့ စိတ်ပါဝင်စားဆုံးလဲ။
- ကျွန်ုပ်သည် ကွန်ပြူတာဘာသာဗေဒတွင် အထူးကျွမ်းကျင်သည်၊ စာသားများ၊ အမျိုးအစားခွဲခြင်းလုပ်ငန်း၊ chatbots စသည်တို့ကို စိတ်ဝင်စားပါသည်။

— သင် AI ဟက်ကာသွန်တွင် မကြာခဏ ပါဝင်ပါသလား။
- တကယ်တော့ Hackathons ဟာ Olympiads ရဲ့ မတူညီတဲ့ စနစ်တစ်ခုပါ။ Olympiad တွင် ပါဝင်သူများသည် ခန့်မှန်းရမည့် အဖြေများနှင့်အတူ ပိတ်ထားသော ပြဿနာအစုံရှိသည်။ ဒါပေမယ့် အပိတ်အလုပ်တွေကို ကောင်းကောင်းမလုပ်နိုင်ပေမယ့် လူတိုင်းကို အပွင့်တွေနဲ့ ခွဲပစ်တဲ့သူတွေရှိတယ်။ ဒါကြောင့် သင့်အသိပညာကို နည်းအမျိုးမျိုးနဲ့ စမ်းသပ်နိုင်ပါတယ်။ ပွင့်လင်းသောပြဿနာများတွင်၊ နည်းပညာများသည် တစ်ခါတစ်ရံ အစမှ ဖန်တီးထားတတ်သည်၊ ထုတ်ကုန်များသည် လျင်မြန်စွာ ဖွံ့ဖြိုးလာပြီး ပွဲစီစဉ်သူများပင် အဖြေမှန်ကို မသိကြပါ။ ကျွန်ုပ်တို့သည် ဟက်ကာသွန်ပွဲများတွင် မကြာခဏပါဝင်ကြပြီး၊ ဤမှတစ်ဆင့် ကျွန်ုပ်တို့သည် ငွေရှာနိုင်သည်။ ဒါက စိတ်ဝင်စားစရာပါ။

- ဒီကနေ မင်းဘယ်လောက်ဝင်ငွေရလဲ။ မင်းရဲ့ဆုကြေးငွေကို ဘယ်လိုသုံးလဲ။
— ကျွန်ုပ်နှင့်ကျွန်ုပ်တို့သည် Hermitage ရှိ ပန်းချီကားများကို ရှာဖွေရန် အက်ပလီကေးရှင်းတစ်ခုပြုလုပ်သည့် VKontakte hackathon တွင် ပါဝင်ခဲ့သည်။ အီမိုဂျီများနှင့် အီမိုတီကွန်အစုံကို ဖုန်းစခရင်ပေါ်တွင် ပြသထားပြီး၊ ဤအစုံကို အသုံးပြု၍ ရုပ်ပုံတစ်ပုံကို ရှာဖွေရန် လိုအပ်ပြီး၊ ဖုန်းကို ပုံတွင် ညွှန်ပြထားကာ၊ ၎င်းကို အာရုံကြောကွန်ရက်များကို အသုံးပြု၍ အသိအမှတ်ပြုထားပြီး အဖြေမှန်ပါက အမှတ်များ ချီးမြှင့်မည်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် မိုဘိုင်းကိရိယာတစ်ခုပေါ်တွင် ပန်းချီကားတစ်ချပ်ကို မှတ်သားနိုင်စေမည့် အက်ပလီကေးရှင်းကို ဖန်တီးနိုင်ခဲ့သည့်အတွက် ကျေနပ်အားရမိပါသည်။ ကျွန်ုပ်တို့သည် ပထမနေရာ၌ အစမ်းသဘောရခဲ့သော်လည်း တရားဝင်ပုံစံတစ်ခုကြောင့် ရူဘယ် 500 ဆုကို လွဲချော်ခဲ့သည်။ ရှက်စရာကောင်းပေမယ့် အဲဒါက အဓိကမဟုတ်ပါဘူး။

ထို့အပြင်သူသည် Sberbank Data Science Journey ပြိုင်ပွဲတွင်ပါဝင်ခဲ့ပြီး 5th နေရာရရှိခဲ့ပြီး 200 ရူဘယ်ရရှိခဲ့သည်။ ပထမတစ်သိန်း၊ ဒုတိယ ၅၀၀ သိန်း။ ဆုကြေးငွေများ ကွဲပြားသွားပြီး ယခုအခါ တိုးများလာသည်။ ထိပ်ဆုံးမှာ ဆိုရင် 500 ကနေ 100 သိန်း ရနိုင်ပါတယ်။ ပညာရေးအတွက် ဆုငွေတွေကို စုဆောင်းထားတယ်၊ ဒါက ငါ့ရဲ့ အနာဂတ်အတွက် ပံ့ပိုးပေးတာ၊ နေ့စဉ်ဘဝမှာ သုံးနေတဲ့ ပိုက်ဆံတွေ၊ ငါကိုယ်တိုင် ဝင်ငွေရှိတယ်။

— တစ်ဉီးချင်း သို့မဟုတ် အဖွဲ့လိုက် ဟက်ကာသွန်ပွဲအတွက် ပိုစိတ်ဝင်စားဖို့ကောင်းတာက ဘာလဲ။
- ထုတ်ကုန်တစ်ခုကို တီထွင်ဖန်တီးဖို့ ပြောနေတယ်ဆိုရင် အဲဒါက အဖွဲ့တစ်ဖွဲ့ဖြစ်ရမယ်၊ လူတစ်ယောက်က အဲဒါကို မလုပ်နိုင်ဘူး။ သူ မောပန်းနွမ်းနယ်နေပြီး အထောက်အပံ့ လိုအပ်နေပါလိမ့်မယ်။ ဒါပေမယ့် ဥပမာအနေနဲ့ပြောရရင် AI Academy hackathon အကြောင်းပြောရင် အလုပ်က အကန့်အသတ်ရှိတယ်၊ ထုတ်ကုန်တစ်ခုဖန်တီးဖို့ မလိုအပ်ပါဘူး။ အကျိုးစီးပွားချင်း ကွဲပြားသည် - ဤနယ်ပယ်တွင် ဖွံ့ဖြိုးတိုးတက်နေသော အခြားသူတစ်ဦးကို ကျော်တက်ရန်။

- ဒီထက်ပိုပြီး တိုးတက်ဖို့ ဘယ်လိုစီစဉ်ထားလဲ။ မင်းရဲ့အသက်မွေးဝမ်းကြောင်းကို ဘယ်လိုမြင်လဲ။
— ယခု အဓိကပန်းတိုင်မှာ ကမ္ဘာ့နိုင်ငံအသီးသီးတွင်ကျင်းပသည့် NeurIPS သို့မဟုတ် ICML - ML ကွန်ဖရင့်များကဲ့သို့ ထိပ်တန်းကွန်ဖရင့်များတွင် ထင်ရှားစေရန် သင်၏ လေးနက်သော သိပ္ပံပညာဆိုင်ရာ အလုပ်၊ သုတေသနကို ပြင်ဆင်ရန်ဖြစ်သည်။ အသက်မွေးဝမ်းကြောင်းဆိုင်ရာမေးခွန်းကိုဖွင့်ထားပြီး၊ ML သည်လွန်ခဲ့သော 5 နှစ်အတွင်းမည်သို့တိုးတက်ခဲ့သည်ကိုကြည့်ပါ။ အရှိန်အဟုန်နဲ့ ပြောင်းလဲနေပြီ၊ နောက်ဘာတွေ ဆက်ဖြစ်မလဲဆိုတာ ခန့်မှန်းရခက်ပါတယ်။ သိပ္ပံအလုပ်မှတပါး စိတ်ကူးအကြံဥာဏ်များနှင့် အစီအစဥ်များအကြောင်း ပြောဆိုပါက၊ AI နှင့် ML နယ်ပယ်တွင် စတင်လုပ်ဆောင်သည့် ကိုယ်ပိုင်ပရောဂျက်မျိုးတွင် ကျွန်ုပ်ကိုယ်တိုင် မြင်တွေ့နိုင်သော်လည်း၊ ဤသည်မှာ မသေချာပါ။

- မင်းရဲ့အမြင်အရ AI နည်းပညာရဲ့ ကန့်သတ်ချက်တွေက ဘာတွေလဲ။
— ယေဘူယျအားဖြင့်၊ ကျွန်ုပ်တို့သည် ဉာဏ်ရည်တစ်မျိုးမျိုးရှိသော အရာတစ်ခုအနေဖြင့် AI အကြောင်းပြောလျှင် မကြာမီကာလအတွင်းတွင်၊ ကျွန်ုပ်တို့ပတ်ဝန်းကျင်ရှိ ကမ္ဘာတစ်ဝှမ်းတွင် အသိဥာဏ်တစ်မျိုးမျိုး ရှိလာမည်ဖြစ်သည်။ ဥပမာအားဖြင့် ကွန်ပြူတာဘာသာဗေဒတွင် ကျွန်ုပ်တို့သည် အာရုံကြောကွန်ရက်များအကြောင်း ပြောဆိုပါက၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ကမ္ဘာနှင့်ပတ်သက်သော အကြောင်းအရာကို မော်ဒယ်အား နားလည်မှုမပေးဘဲ၊ ဥပမာအားဖြင့် ဘာသာစကားတစ်ခုခုကို ဒေသအလိုက် ပုံစံထုတ်ရန် ကြိုးစားနေပါသည်။ ဆိုလိုသည်မှာ၊ ကျွန်ုပ်တို့သည် ၎င်းကို AI တွင် ထည့်သွင်းနိုင်လျှင်၊ ကျွန်ုပ်တို့သည် ဘာသာစကားပုံစံများကို သိရုံသာမက သိပ္ပံဆိုင်ရာ အချက်အလက်များကိုပါ သိရှိနိုင်မည့် dialogue modelများ၊ chat bot များကို ဖန်တီးနိုင်မည်ဖြစ်သည်။ ပြီးတော့ ဒါက အနာဂတ်မှာ မြင်ချင်ပါတယ်။

စကားမစပ်၊ Artificial Intelligence အကယ်ဒမီသည် ဟက်ကာသွန်အသစ်အတွက် ကျောင်းသားများကို ခေါ်ယူနေပါသည်။ ဆုကြေးငွေသည်လည်း များပြားပြီး ယခုနှစ်၏ လုပ်ငန်းတာဝန်မှာ ပို၍ပင် စိတ်ဝင်စားစရာကောင်းသည် - Dota 2 ပွဲစဉ်တစ်ခု၏ ကိန်းဂဏန်းများကို အခြေခံ၍ ကစားသမား၏အတွေ့အကြုံကို ခန့်မှန်းနိုင်သည့် algorithm တစ်ခုကို တည်ဆောက်ရန် လိုအပ်ပါသည်။ အသေးစိတ်အချက်အလက်များအတွက်၊ သို့ သွားပါ။ ဒီ link ကို.

source: www.habr.com