AI, ਸਕੂਲੀ ਬੱਚੇ ਅਤੇ ਵੱਡੇ ਇਨਾਮ: 8ਵੀਂ ਜਮਾਤ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਿਵੇਂ ਕਰਨੀ ਹੈ

ਹੇ ਹਬਰ!

ਅਸੀਂ ਕਿਸ਼ੋਰਾਂ ਲਈ ਹੈਕਾਥਨ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਦੇ ਰੂਪ ਵਿੱਚ ਪੈਸੇ ਕਮਾਉਣ ਦੇ ਅਜਿਹੇ ਅਸਾਧਾਰਨ ਤਰੀਕੇ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਇਹ ਵਿੱਤੀ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਸਕੂਲ ਵਿੱਚ ਅਤੇ ਸਮਾਰਟ ਕਿਤਾਬਾਂ ਪੜ੍ਹ ਕੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਿਆਨ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਣ ਸਕੂਲੀ ਬੱਚਿਆਂ ਲਈ ਪਿਛਲੇ ਸਾਲ ਦੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਕੈਡਮੀ ਹੈਕਾਥਨ ਹੈ। ਇਸ ਦੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਡੋਟਾ 2 ਗੇਮ ਦੇ ਨਤੀਜੇ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨੀ ਪਈ। ਮੁਕਾਬਲੇ ਦਾ ਜੇਤੂ ਅਲੈਗਜ਼ੈਂਡਰ ਮਾਮੇਵ ਸੀ, ਜੋ ਚੇਲਾਇਬਿੰਸਕ ਤੋਂ ਦਸਵੀਂ ਜਮਾਤ ਦਾ ਵਿਦਿਆਰਥੀ ਸੀ। ਉਸਦਾ ਐਲਗੋਰਿਦਮ ਸਭ ਤੋਂ ਸਹੀ ਢੰਗ ਨਾਲ ਲੜਾਈ ਦੀ ਜੇਤੂ ਟੀਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਇਸਦੇ ਲਈ ਧੰਨਵਾਦ, ਅਲੈਗਜ਼ੈਂਡਰ ਨੂੰ ਕਾਫ਼ੀ ਇਨਾਮੀ ਰਕਮ ਮਿਲੀ - 100 ਹਜ਼ਾਰ ਰੂਬਲ.

ਅਲੈਗਜ਼ੈਂਡਰ ਮਾਮੇਵ ਨੇ ਇਨਾਮੀ ਰਕਮ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ, ਵਿਦਿਆਰਥੀ ਨੂੰ ਐਮਐਲ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਕਿਹੜੇ ਗਿਆਨ ਦੀ ਘਾਟ ਹੈ, ਅਤੇ ਏਆਈ ਦੇ ਖੇਤਰ ਵਿੱਚ ਉਹ ਕਿਸ ਦਿਸ਼ਾ ਨੂੰ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਮੰਨਦਾ ਹੈ - ਵਿਦਿਆਰਥੀ ਨੇ ਇੱਕ ਇੰਟਰਵਿਊ ਵਿੱਚ ਦੱਸਿਆ.

- ਸਾਨੂੰ ਆਪਣੇ ਬਾਰੇ ਦੱਸੋ, ਤੁਹਾਡੀ AI ਵਿੱਚ ਦਿਲਚਸਪੀ ਕਿਵੇਂ ਬਣੀ? ਕੀ ਵਿਸ਼ੇ ਵਿੱਚ ਆਉਣਾ ਮੁਸ਼ਕਲ ਸੀ?
- ਮੈਂ 17 ਸਾਲਾਂ ਦਾ ਹਾਂ, ਮੈਂ ਇਸ ਸਾਲ ਸਕੂਲ ਖ਼ਤਮ ਕਰ ਰਿਹਾ ਹਾਂ, ਅਤੇ ਮੈਂ ਹਾਲ ਹੀ ਵਿੱਚ ਚੇਲਾਇਬਿੰਸਕ ਤੋਂ ਡੌਲਗੋਪ੍ਰੂਡਨੀ, ਜੋ ਕਿ ਮਾਸਕੋ ਦੇ ਨੇੜੇ ਹੈ, ਚਲਾ ਗਿਆ ਹਾਂ। ਮੈਂ ਕਪਿਤਸਾ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਤਕਨਾਲੋਜੀ ਲਾਇਸੀਅਮ ਵਿੱਚ ਪੜ੍ਹਦਾ ਹਾਂ, ਇਹ ਮਾਸਕੋ ਖੇਤਰ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਕੂਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਮੈਂ ਇੱਕ ਅਪਾਰਟਮੈਂਟ ਕਿਰਾਏ 'ਤੇ ਲੈ ਸਕਦਾ ਹਾਂ, ਪਰ ਮੈਂ ਸਕੂਲ ਦੇ ਇੱਕ ਬੋਰਡਿੰਗ ਸਕੂਲ ਵਿੱਚ ਰਹਿੰਦਾ ਹਾਂ, ਲਾਈਸੀਅਮ ਦੇ ਲੋਕਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨਾ ਬਿਹਤਰ ਅਤੇ ਆਸਾਨ ਹੈ।

ਪਹਿਲੀ ਵਾਰ ਜਦੋਂ ਮੈਂ AI ਅਤੇ ML ਬਾਰੇ ਸੁਣਿਆ ਤਾਂ ਸ਼ਾਇਦ 2016 ਵਿੱਚ ਸੀ, ਜਦੋਂ ਪ੍ਰਿਜ਼ਮਾ ਦਿਖਾਈ ਦਿੱਤੀ। ਉਦੋਂ ਮੈਂ 8ਵੀਂ ਜਮਾਤ ਵਿੱਚ ਸੀ ਅਤੇ ਓਲੰਪੀਆਡ ਪ੍ਰੋਗਰਾਮਿੰਗ ਕਰ ਰਿਹਾ ਸੀ, ਕੁਝ ਓਲੰਪੀਆਡਾਂ ਵਿੱਚ ਭਾਗ ਲਿਆ ਅਤੇ ਮੈਨੂੰ ਪਤਾ ਲੱਗਾ ਕਿ ਅਸੀਂ ਸ਼ਹਿਰ ਵਿੱਚ ML ਮੀਟਿੰਗਾਂ ਕਰ ਰਹੇ ਹਾਂ। ਮੈਨੂੰ ਇਹ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਸੀ, ਇਹ ਸਮਝਣ ਵਿੱਚ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਮੈਂ ਉੱਥੇ ਜਾਣਾ ਸ਼ੁਰੂ ਕੀਤਾ। ਉੱਥੇ ਮੈਂ ਪਹਿਲੀ ਵਾਰ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਿੱਖੀਆਂ, ਫਿਰ ਮੈਂ ਇਸ ਨੂੰ ਇੰਟਰਨੈੱਟ 'ਤੇ, ਵੱਖ-ਵੱਖ ਕੋਰਸਾਂ ਵਿੱਚ ਪੜ੍ਹਨਾ ਸ਼ੁਰੂ ਕੀਤਾ।

ਪਹਿਲਾਂ, ਰੂਸੀ ਭਾਸ਼ਾ ਵਿੱਚ ਕੋਨਸਟੈਂਟਿਨ ਵੋਰੋਨਤਸੋਵ ਤੋਂ ਸਿਰਫ ਇੱਕ ਕੋਰਸ ਸੀ, ਅਤੇ ਇਸਨੂੰ ਸਿਖਾਉਣ ਦਾ ਤਰੀਕਾ ਸਖਤ ਸੀ: ਇਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਸ਼ਬਦ ਸਨ, ਅਤੇ ਵਰਣਨ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਫਾਰਮੂਲੇ ਸਨ। ਅੱਠਵੀਂ ਜਮਾਤ ਦੇ ਵਿਦਿਆਰਥੀ ਲਈ ਇਹ ਬਹੁਤ ਮੁਸ਼ਕਲ ਸੀ, ਪਰ ਹੁਣ, ਬਿਲਕੁਲ ਕਿਉਂਕਿ ਮੈਂ ਸ਼ੁਰੂ ਵਿੱਚ ਅਜਿਹੇ ਸਕੂਲ ਵਿੱਚੋਂ ਲੰਘਿਆ ਸੀ, ਸ਼ਰਤਾਂ ਅਸਲ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਅਭਿਆਸ ਵਿੱਚ ਮੇਰੇ ਲਈ ਮੁਸ਼ਕਲਾਂ ਪੈਦਾ ਨਹੀਂ ਕਰਦੀਆਂ ਹਨ।

- ਏਆਈ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ ਕਿੰਨਾ ਗਣਿਤ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ? ਕੀ ਸਕੂਲੀ ਪਾਠਕ੍ਰਮ ਤੋਂ ਕਾਫ਼ੀ ਗਿਆਨ ਹੈ?
— ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ, ML ਗ੍ਰੇਡ 10-11 ਵਿੱਚ ਸਕੂਲ ਦੀਆਂ ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ, ਮੂਲ ਰੇਖਿਕ ਅਲਜਬਰੇ ਅਤੇ ਵਿਭਿੰਨਤਾ 'ਤੇ ਅਧਾਰਤ ਹੈ। ਜੇ ਅਸੀਂ ਉਤਪਾਦਨ ਬਾਰੇ, ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ, ਤਾਂ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਗਣਿਤ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ, ਬਹੁਤ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਹੱਲ ਸਿਰਫ਼ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਗਲਤੀ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪਰ ਜੇਕਰ ਖੋਜ ਦੀ ਗੱਲ ਕਰੀਏ ਤਾਂ ਜਦੋਂ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਦਾ ਨਿਰਮਾਣ ਹੁੰਦਾ ਹੈ ਤਾਂ ਗਣਿਤ ਤੋਂ ਬਿਨਾਂ ਕਿਤੇ ਨਹੀਂ ਹੁੰਦਾ। ਗਣਿਤ ਦੀ ਇੱਕ ਬੁਨਿਆਦੀ ਪੱਧਰ 'ਤੇ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਘੱਟੋ-ਘੱਟ ਇਹ ਜਾਣਨ ਲਈ ਕਿ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਕਿਵੇਂ ਲਾਗੂ ਕਰਨਾ ਹੈ ਜਾਂ, ਤੁਲਨਾਤਮਕ ਤੌਰ 'ਤੇ, ਡੈਰੀਵੇਟਿਵਜ਼ ਦੀ ਗਣਨਾ ਕਰਨੀ ਹੈ। ਇੱਥੇ ਕੋਈ ਬਚਣ ਵਾਲਾ ਗਣਿਤ ਨਹੀਂ ਹੈ।

- ਤੁਹਾਡੇ ਵਿਚਾਰ ਵਿੱਚ, ਕੀ ਕੁਦਰਤੀ-ਵਿਸ਼ਲੇਸ਼ਣਤਮਕ ਮਾਨਸਿਕਤਾ ਵਾਲਾ ਕੋਈ ਵਿਦਿਆਰਥੀ ML ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ?
- ਹਾਂ। ਜੇ ਕੋਈ ਵਿਅਕਤੀ ਜਾਣਦਾ ਹੈ ਕਿ ML ਦੇ ਦਿਲ ਵਿਚ ਕੀ ਹੈ, ਜੇ ਉਹ ਜਾਣਦਾ ਹੈ ਕਿ ਡੇਟਾ ਕਿਵੇਂ ਢਾਂਚਾਗਤ ਹੈ ਅਤੇ ਬੁਨਿਆਦੀ ਚਾਲਾਂ ਜਾਂ ਹੈਕ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਗਣਿਤ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ, ਕਿਉਂਕਿ ਨੌਕਰੀ ਲਈ ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਪਹਿਲਾਂ ਹੀ ਦੂਜੇ ਲੋਕਾਂ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਹਨ। ਇਹ ਸਭ ਪੈਟਰਨ ਲੱਭਣ ਲਈ ਹੇਠਾਂ ਆਉਂਦਾ ਹੈ. ਪਰ ਸਭ ਕੁਝ, ਬੇਸ਼ਕ, ਕੰਮ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ.

- ML ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਕੇਸਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਚੀਜ਼ ਕੀ ਹੈ?
- ਹਰ ਨਵਾਂ ਕੰਮ ਕੁਝ ਨਵਾਂ ਹੁੰਦਾ ਹੈ। ਜੇਕਰ ਸਮੱਸਿਆ ਪਹਿਲਾਂ ਹੀ ਉਸੇ ਰੂਪ ਵਿੱਚ ਮੌਜੂਦ ਹੁੰਦੀ, ਤਾਂ ਇਸਦਾ ਹੱਲ ਨਹੀਂ ਹੋਣਾ ਸੀ। ਕੋਈ ਯੂਨੀਵਰਸਲ ਐਲਗੋਰਿਦਮ ਨਹੀਂ ਹੈ। ਲੋਕਾਂ ਦਾ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਭਾਈਚਾਰਾ ਹੈ ਜੋ ਆਪਣੇ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ ਦੇ ਹੁਨਰ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ, ਦੱਸਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਨੇ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕੀਤਾ, ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਜਿੱਤਾਂ ਦੀਆਂ ਕਹਾਣੀਆਂ ਦਾ ਵਰਣਨ ਕੀਤਾ। ਅਤੇ ਉਹਨਾਂ ਦੇ ਤਰਕ, ਉਹਨਾਂ ਦੇ ਵਿਚਾਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਬਹੁਤ ਦਿਲਚਸਪ ਹੈ.

- ਤੁਸੀਂ ਕਿਹੜੇ ਮਾਮਲਿਆਂ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ?
- ਮੈਂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਭਾਸ਼ਾ ਵਿਗਿਆਨ ਵਿੱਚ ਮੁਹਾਰਤ ਰੱਖਦਾ ਹਾਂ, ਮੈਨੂੰ ਟੈਕਸਟ, ਵਰਗੀਕਰਨ ਸਮੱਸਿਆਵਾਂ, ਚੈਟਬੋਟਸ ਆਦਿ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੈ।

- ਕੀ ਤੁਸੀਂ ਅਕਸਰ ਏਆਈ ਹੈਕਾਥਨ ਵਿੱਚ ਹਿੱਸਾ ਲੈਂਦੇ ਹੋ?
- ਹੈਕਾਥਨ, ਅਸਲ ਵਿੱਚ, ਓਲੰਪੀਆਡ ਦੀ ਇੱਕ ਵੱਖਰੀ ਪ੍ਰਣਾਲੀ ਹੈ। ਓਲੰਪੀਆਡ ਵਿੱਚ ਬੰਦ ਸਮੱਸਿਆਵਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ, ਜਾਣੇ-ਪਛਾਣੇ ਜਵਾਬਾਂ ਦੇ ਨਾਲ ਜਿਨ੍ਹਾਂ ਦਾ ਪ੍ਰਤੀਭਾਗੀ ਨੂੰ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਪਰ ਅਜਿਹੇ ਲੋਕ ਹਨ ਜੋ ਬੰਦ ਕੰਮਾਂ ਵਿੱਚ ਚੰਗੇ ਨਹੀਂ ਹੁੰਦੇ, ਪਰ ਖੁੱਲ੍ਹੇ ਕੰਮਾਂ ਵਿੱਚ ਸਾਰਿਆਂ ਨੂੰ ਪਾੜ ਦਿੰਦੇ ਹਨ। ਇਸ ਲਈ ਤੁਸੀਂ ਆਪਣੇ ਗਿਆਨ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪਰਖ ਸਕਦੇ ਹੋ। ਖੁੱਲ੍ਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ, ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਕਈ ਵਾਰ ਸਕ੍ਰੈਚ ਤੋਂ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਉਤਪਾਦਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਬੰਧਕਾਂ ਨੂੰ ਵੀ ਅਕਸਰ ਸਹੀ ਜਵਾਬ ਨਹੀਂ ਪਤਾ ਹੁੰਦਾ। ਅਸੀਂ ਅਕਸਰ ਹੈਕਾਥਨ ਵਿੱਚ ਹਿੱਸਾ ਲੈਂਦੇ ਹਾਂ, ਅਤੇ ਇਸ ਰਾਹੀਂ ਅਸੀਂ ਪੈਸੇ ਕਮਾ ਸਕਦੇ ਹਾਂ। ਇਹ ਦਿਲਚਸਪ ਹੈ।

- ਤੁਸੀਂ ਇਸ ਤੋਂ ਕਿੰਨੀ ਕਮਾਈ ਕਰ ਸਕਦੇ ਹੋ? ਤੁਸੀਂ ਆਪਣੀ ਇਨਾਮੀ ਰਕਮ ਕਿਵੇਂ ਖਰਚ ਕਰਦੇ ਹੋ?
— ਮੈਂ ਅਤੇ ਮੇਰੇ ਦੋਸਤ ਨੇ VKontakte hackathon ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ, ਜਿੱਥੇ ਅਸੀਂ Hermitage ਵਿੱਚ ਪੇਂਟਿੰਗਾਂ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਇੱਕ ਅਰਜ਼ੀ ਦਿੱਤੀ। ਇਮੋਜੀ ਅਤੇ ਇਮੋਸ਼ਨ ਦਾ ਇੱਕ ਸੈੱਟ ਫ਼ੋਨ ਸਕ੍ਰੀਨ 'ਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਇਸ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਤਸਵੀਰ ਲੱਭਣ ਲਈ ਜ਼ਰੂਰੀ ਸੀ, ਫ਼ੋਨ ਨੂੰ ਤਸਵੀਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਇਸਨੂੰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਛਾਣਿਆ ਗਿਆ ਸੀ ਅਤੇ, ਜੇਕਰ ਜਵਾਬ ਸਹੀ ਸੀ, ਤਾਂ ਅੰਕ ਦਿੱਤੇ ਗਏ ਸਨ। ਸਾਨੂੰ ਖੁਸ਼ੀ ਅਤੇ ਦਿਲਚਸਪੀ ਸੀ ਕਿ ਅਸੀਂ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਦੇ ਯੋਗ ਸੀ ਜੋ ਸਾਨੂੰ ਇੱਕ ਮੋਬਾਈਲ ਡਿਵਾਈਸ 'ਤੇ ਇੱਕ ਪੇਂਟਿੰਗ ਨੂੰ ਪਛਾਣਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਪਹਿਲੇ ਸਥਾਨ 'ਤੇ ਸੀ, ਪਰ ਇੱਕ ਕਾਨੂੰਨੀ ਰਸਮੀਤਾ ਦੇ ਕਾਰਨ ਅਸੀਂ 500 ਹਜ਼ਾਰ ਰੂਬਲ ਦੇ ਇਨਾਮ ਤੋਂ ਖੁੰਝ ਗਏ। ਇਹ ਸ਼ਰਮ ਵਾਲੀ ਗੱਲ ਹੈ, ਪਰ ਇਹ ਮੁੱਖ ਗੱਲ ਨਹੀਂ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਉਸਨੇ Sberbank ਡੇਟਾ ਸਾਇੰਸ ਜਰਨੀ ਮੁਕਾਬਲੇ ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ, ਜਿੱਥੇ ਉਸਨੇ 5ਵਾਂ ਸਥਾਨ ਲਿਆ ਅਤੇ 200 ਹਜ਼ਾਰ ਰੂਬਲ ਕਮਾਏ। ਪਹਿਲੇ ਲਈ ਉਨ੍ਹਾਂ ਨੇ ਇੱਕ ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ, ਦੂਜੇ ਲਈ 500 ਹਜ਼ਾਰ. ਇਨਾਮ ਫੰਡ ਵੱਖ-ਵੱਖ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਹੁਣ ਵਧ ਰਹੇ ਹਨ। ਸਿਖਰ 'ਤੇ ਹੋਣ ਕਾਰਨ ਤੁਹਾਨੂੰ 100 ਤੋਂ 500 ਹਜ਼ਾਰ ਤੱਕ ਮਿਲ ਸਕਦੇ ਹਨ। ਮੈਂ ਸਿੱਖਿਆ ਲਈ ਇਨਾਮੀ ਰਾਸ਼ੀ ਬਚਾਉਂਦਾ ਹਾਂ, ਇਹ ਭਵਿੱਖ ਲਈ ਮੇਰਾ ਯੋਗਦਾਨ ਹੈ, ਜੋ ਪੈਸਾ ਮੈਂ ਰੋਜ਼ਮਰ੍ਹਾ ਦੀ ਜ਼ਿੰਦਗੀ ਵਿੱਚ ਖਰਚਦਾ ਹਾਂ, ਮੈਂ ਖੁਦ ਕਮਾ ਲੈਂਦਾ ਹਾਂ।

- ਵਧੇਰੇ ਦਿਲਚਸਪ ਕੀ ਹੈ - ਵਿਅਕਤੀਗਤ ਜਾਂ ਟੀਮ ਹੈਕਾਥਨ?
- ਜੇਕਰ ਅਸੀਂ ਕਿਸੇ ਉਤਪਾਦ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ, ਤਾਂ ਇਹ ਇੱਕ ਟੀਮ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਇੱਕ ਵਿਅਕਤੀ ਇਹ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਉਹ ਬਸ ਥੱਕ ਜਾਵੇਗਾ ਅਤੇ ਉਸਨੂੰ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਹੈ। ਪਰ ਜੇ ਅਸੀਂ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ, ਉਦਾਹਰਨ ਲਈ, ਏਆਈ ਅਕੈਡਮੀ ਹੈਕਾਥਨ ਬਾਰੇ, ਤਾਂ ਉੱਥੇ ਕੰਮ ਸੀਮਤ ਹੈ, ਉਤਪਾਦ ਬਣਾਉਣ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ. ਉੱਥੇ ਦਿਲਚਸਪੀ ਵੱਖਰੀ ਹੈ - ਕਿਸੇ ਹੋਰ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾੜਨਾ ਜੋ ਇਸ ਖੇਤਰ ਵਿੱਚ ਵੀ ਵਿਕਾਸ ਕਰ ਰਿਹਾ ਹੈ।

- ਤੁਸੀਂ ਹੋਰ ਵਿਕਾਸ ਕਰਨ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹੋ? ਤੁਸੀਂ ਆਪਣੇ ਕਰੀਅਰ ਨੂੰ ਕਿਵੇਂ ਦੇਖਦੇ ਹੋ?
- ਹੁਣ ਮੁੱਖ ਟੀਚਾ ਤੁਹਾਡੇ ਗੰਭੀਰ ਵਿਗਿਆਨਕ ਕੰਮ, ਖੋਜ ਨੂੰ ਤਿਆਰ ਕਰਨਾ ਹੈ, ਤਾਂ ਜੋ ਇਹ ਦੁਨੀਆ ਦੇ ਵੱਖ-ਵੱਖ ਦੇਸ਼ਾਂ ਵਿੱਚ ਹੋਣ ਵਾਲੀਆਂ NeurIPS ਜਾਂ ICML - ML ਕਾਨਫਰੰਸਾਂ ਵਰਗੀਆਂ ਪ੍ਰਮੁੱਖ ਕਾਨਫਰੰਸਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੋਵੇ। ਕੈਰੀਅਰ ਦਾ ਸਵਾਲ ਖੁੱਲ੍ਹਾ ਹੈ, ਦੇਖੋ ਕਿ ਪਿਛਲੇ 5 ਸਾਲਾਂ ਵਿੱਚ ML ਦਾ ਵਿਕਾਸ ਕਿਵੇਂ ਹੋਇਆ ਹੈ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲ ਰਿਹਾ ਹੈ, ਹੁਣ ਅੱਗੇ ਕੀ ਹੋਵੇਗਾ ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਅਤੇ ਜੇਕਰ ਅਸੀਂ ਵਿਗਿਆਨਕ ਕੰਮ ਤੋਂ ਇਲਾਵਾ ਵਿਚਾਰਾਂ ਅਤੇ ਯੋਜਨਾਵਾਂ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਸ਼ਾਇਦ ਮੈਂ ਆਪਣੇ ਆਪ ਨੂੰ ਕਿਸੇ ਕਿਸਮ ਦੇ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਵੇਖਾਂਗਾ, ਏਆਈ ਅਤੇ ਐਮਐਲ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਸ਼ੁਰੂਆਤ, ਪਰ ਇਹ ਨਿਸ਼ਚਿਤ ਨਹੀਂ ਹੈ.

- ਤੁਹਾਡੀ ਰਾਏ ਵਿੱਚ, ਏਆਈ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਕੀ ਹਨ?
— ਖੈਰ, ਆਮ ਤੌਰ 'ਤੇ, ਜੇ ਅਸੀਂ AI ਬਾਰੇ ਇੱਕ ਅਜਿਹੀ ਚੀਜ਼ ਦੇ ਰੂਪ ਵਿੱਚ ਗੱਲ ਕਰਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਕਿਸੇ ਕਿਸਮ ਦੀ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ, ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਦੀ ਹੈ, ਤਾਂ, ਨੇੜ ਭਵਿੱਖ ਵਿੱਚ, ਇਹ ਸਾਡੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਸੰਸਾਰ ਬਾਰੇ ਕਿਸੇ ਕਿਸਮ ਦੀ ਜਾਗਰੂਕਤਾ ਹੋਵੇਗੀ। ਜੇਕਰ ਅਸੀਂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਭਾਸ਼ਾ ਵਿਗਿਆਨ ਵਿੱਚ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ, ਉਦਾਹਰਣ ਵਜੋਂ, ਅਸੀਂ ਮਾਡਲ ਨੂੰ ਸਾਡੇ ਸੰਸਾਰ ਬਾਰੇ ਸੰਦਰਭ ਦੀ ਸਮਝ ਦਿੱਤੇ ਬਿਨਾਂ, ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਾਂ, ਉਦਾਹਰਨ ਲਈ, ਭਾਸ਼ਾ। ਭਾਵ, ਜੇਕਰ ਅਸੀਂ ਇਸ ਨੂੰ AI ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਜਾਂਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਡਾਇਲਾਗ ਮਾਡਲ, ਚੈਟ ਬੋਟ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋਵਾਂਗੇ ਜੋ ਨਾ ਸਿਰਫ਼ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਜਾਣ ਸਕਣਗੇ, ਸਗੋਂ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਤੇ ਵਿਗਿਆਨਕ ਤੱਥਾਂ ਨੂੰ ਵੀ ਜਾਣ ਸਕਣਗੇ। ਅਤੇ ਇਹ ਉਹ ਹੈ ਜੋ ਮੈਂ ਭਵਿੱਖ ਵਿੱਚ ਦੇਖਣਾ ਚਾਹਾਂਗਾ।

ਤਰੀਕੇ ਨਾਲ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਅਕੈਡਮੀ ਇਸ ਸਮੇਂ ਇੱਕ ਨਵੇਂ ਹੈਕਾਥਨ ਲਈ ਸਕੂਲੀ ਬੱਚਿਆਂ ਦੀ ਭਰਤੀ ਕਰ ਰਹੀ ਹੈ। ਇਨਾਮੀ ਰਕਮ ਵੀ ਕਾਫ਼ੀ ਹੈ, ਅਤੇ ਇਸ ਸਾਲ ਦਾ ਕੰਮ ਹੋਰ ਵੀ ਦਿਲਚਸਪ ਹੈ - ਤੁਹਾਨੂੰ ਇੱਕ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ ਜੋ ਇੱਕ ਡੋਟਾ 2 ਮੈਚ ਦੇ ਅੰਕੜਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਖਿਡਾਰੀ ਦੇ ਅਨੁਭਵ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਵੇਰਵਿਆਂ ਲਈ, 'ਤੇ ਜਾਓ। ਇਹ ਲਿੰਕ.

ਸਰੋਤ: www.habr.com