Hei Habr!
Vi vil gjerne snakke om en så uvanlig måte å tjene penger på for tenåringer som å delta i hackathons. Dette er både økonomisk fordelaktig og lar deg omsette kunnskapen du får på skolen og gjennom å lese smarte bøker i praksis.
Et enkelt eksempel er fjorårets Artificial Intelligence Academy hackathon for skolebarn. Deltakerne måtte forutsi utfallet av Dota 2-spillet. Vinneren av konkurransen var Alexander Mamaev, en tiendeklassing fra Chelyabinsk. Algoritmen hans bestemte mest nøyaktig vinnerlaget i kampen. Takket være dette mottok Alexander en betydelig premiepenger - 100 tusen rubler.
Hvordan Alexander Mamaev brukte prispengene, hvilken kunnskap studenten mangler for å jobbe med ML, og hvilken retning innen AI han anser som den mest interessante - fortalte studenten i et intervju.
— Fortell oss om deg selv, hvordan ble du interessert i AI? Var det vanskelig å komme inn på temaet?
— Jeg er 17 år gammel, jeg fullfører skolen i år, og jeg flyttet nylig fra Chelyabinsk til Dolgoprudny, som ligger i nærheten av Moskva. Jeg studerer ved Kapitsa Physics and Technology Lyceum, dette er en av de beste skolene i Moskva-regionen. Jeg kunne leie en leilighet, men jeg bor på en internatskole på skolen, det er bedre og lettere å kommunisere med folk fra lyceumet.
Første gang jeg hørte om AI og ML var trolig i 2016, da Prisma dukket opp. Så gikk jeg i 8. klasse og holdt på med olympiadeprogrammering, deltok på noen olympiader og fant ut at vi hadde ML-treff i byen. Jeg var interessert i å finne ut av det, forstå hvordan det fungerer, og jeg begynte å gå dit. Der lærte jeg det grunnleggende for første gang, så begynte jeg å studere det på Internett, i forskjellige kurs.
Til å begynne med var det bare et kurs fra Konstantin Vorontsov på russisk, og måten å undervise det på var strengt: det inneholdt mange begreper, og det var mange formler i beskrivelsene. For en åttendeklassing var dette veldig vanskelig, men nå, nettopp fordi jeg gikk gjennom en slik skole i begynnelsen, utgjør ikke begrepene vanskeligheter for meg i praksis i reelle problemer.
— Hvor mye matematikk trenger du å kunne for å jobbe med AI? Er det nok kunnskap fra skoleplanen?
— ML bygger på mange måter på grunnbegrepene skole på 10.-11. trinn, grunnleggende lineær algebra og differensiering. Hvis vi snakker om produksjon, om tekniske problemer, så er det på mange måter ikke nødvendig med matematikk, mange problemer løses bare ved prøving og feiling. Men hvis vi snakker om forskning, når nye teknologier skapes, så er det ingen steder uten matematikk. Matematikk er nødvendig på et grunnleggende nivå, i det minste for å vite hvordan man bruker en matrise eller relativt sett beregne derivater. Det er ingen unnslippende matematikk her.
— Kan enhver student med en naturlig-analytisk tankegang etter din mening løse ML-problemer?
- Ja. Hvis en person vet hva som ligger i hjertet av ML, hvis han vet hvordan data er strukturert og forstår grunnleggende triks eller hacks, vil han ikke trenge matematikk, fordi mange av verktøyene for jobben allerede er skrevet av andre mennesker. Alt handler om å finne mønstre. Men alt avhenger selvfølgelig av oppgaven.
— Hva er det vanskeligste med å løse ML-problemer og saker?
— Hver ny oppgave er noe nytt. Hvis problemet allerede hadde eksistert i samme form, ville det ikke trengt å løses. Det er ingen universell algoritme. Det er et stort fellesskap av mennesker som trener opp sine problemløsningsevner, forteller hvordan de løste problemer og beskriver historier om seirene deres. Og det er veldig interessant å følge deres logikk, deres ideer.
— Hvilke saker og problemer er du mest interessert i å løse?
— Jeg spesialiserer meg i datalingvistikk, jeg er interessert i tekster, klassifikasjonsproblemer, chatbots, etc.
— Deltar du ofte i AI-hackathons?
— Hackathons er faktisk et annet system av olympiader. Olympiaden har et sett lukkede problemer, med kjente svar som deltakeren må gjette. Men det finnes folk som ikke er flinke til lukkede oppgaver, men river alle fra hverandre ved åpne. Så du kan teste kunnskapen din på forskjellige måter. I åpne problemer skapes teknologier noen ganger fra bunnen av, produkter utvikles raskt, og selv arrangørene vet ofte ikke det riktige svaret. Vi deltar ofte på hackathons, og gjennom dette kan vi tjene penger. Dette er interessant.
– Hvor mye kan du tjene på dette? Hvordan bruker du premiepengene dine?
— Min venn og jeg deltok i VKontakte hackathon, hvor vi søkte etter malerier i Eremitasjen. Et sett med emojier og uttrykksikoner ble vist på telefonskjermen, det var nødvendig å finne et bilde ved å bruke dette settet, telefonen ble rettet mot bildet, den ble gjenkjent ved hjelp av nevrale nettverk, og hvis svaret var riktig, ble det tildelt poeng. Vi var glade og interesserte over at vi var i stand til å lage en applikasjon som tillot oss å gjenkjenne et maleri på en mobil enhet. Vi var foreløpig på førsteplass, men på grunn av en juridisk formalitet gikk vi glipp av premien på 500 tusen rubler. Det er synd, men det er ikke hovedsaken.
I tillegg deltok han i Sberbank Data Science Journey-konkurransen, hvor han tok 5. plass og tjente 200 tusen rubler. For den første betalte de en million, for den andre 500 tusen. Premiemidlene varierer, og øker nå. Å være i toppen, kan du få 100 til 500 tusen. Jeg sparer prispengene til utdanning, dette er mitt bidrag til fremtiden, pengene som jeg bruker i hverdagen, tjener jeg selv.
— Hva er mer interessant – individuelle eller team-hackathons?
— Hvis vi snakker om å utvikle et produkt, så må det være et team, én person kan ikke gjøre det. Han vil rett og slett bli sliten og trenger støtte. Men hvis vi for eksempel snakker om AI-akademiets hackathon, så er oppgaven der begrenset, det er ikke nødvendig å lage et produkt. Interessen der er en annen – å overta en annen person som også utvikler seg på dette området.
— Hvordan planlegger du å utvikle deg videre? Hvordan ser du på karrieren din?
— Nå er hovedmålet å forberede ditt seriøse vitenskapelige arbeid, forskning, slik at det vises på ledende konferanser som NeurIPS eller ICML - ML-konferanser som finner sted i forskjellige land i verden. Karrierespørsmålet er åpent, se hvordan ML har utviklet seg de siste 5 årene. Det endrer seg raskt, nå er det vanskelig å spå hva som vil skje videre. Og hvis vi snakker om ideer og planer ved siden av vitenskapelig arbeid, så ville jeg kanskje sett meg selv i et slags eget prosjekt, en startup innen AI og ML, men dette er ikke sikkert.
— Etter din mening, hva er begrensningene til AI-teknologi?
— Vel, generelt, hvis vi snakker om AI som en ting som har en slags intelligens, behandler data, så vil det i nær fremtid være en slags bevissthet om verden rundt oss. Hvis vi snakker om nevrale nettverk i datalingvistikk, for eksempel, prøver vi å lokalisere noe, for eksempel språk, uten å gi modellen en forståelse av konteksten rundt vår verden. Det vil si at hvis vi klarer å inkorporere dette i AI, vil vi kunne lage dialogmodeller, chat-bots som ikke bare vil kjenne til språkmodeller, men som også vil ha utsyn og kjenne til vitenskapelige fakta. Og det er dette jeg vil se i fremtiden.
Akademiet for kunstig intelligens rekrutterer for øvrig skoleelever til et nytt hackathon. Premiepengene er også betydelige, og årets oppgave er enda mer interessant - du må bygge en algoritme som forutsier en spillers opplevelse basert på statistikken for én Dota 2-kamp. For detaljer, gå til .
Kilde: www.habr.com