Hej Habra!
Chcielibyśmy porozmawiać o tak nietypowym sposobie zarabiania pieniędzy dla nastolatków, jak udział w hackatonach. Jest to korzystne zarówno finansowo, jak i pozwala zastosować w praktyce wiedzę zdobytą w szkole i czytając mądre książki.
Prostym przykładem jest ubiegłoroczny hackaton Akademii Sztucznej Inteligencji dla uczniów. Jego uczestnicy musieli wytypować wynik gry Dota 2. Zwycięzcą konkursu został Aleksander Mamajew, dziesięcioklasista z Czelabińska. Jego algorytm najdokładniej określił zwycięską drużynę walki. Dzięki temu Aleksander otrzymał pokaźną nagrodę pieniężną - 100 tysięcy rubli.
Jak Alexander Mamaev wykorzystał nagrodę pieniężną, jakiej wiedzy brakuje studentowi do pracy z ML i jaki kierunek w dziedzinie AI uważa za najciekawszy – opowiadał student w wywiadzie.
— Opowiedz nam o sobie, jak zainteresowałeś się sztuczną inteligencją? Czy trudno było wejść w temat?
— Mam 17 lat, w tym roku kończę szkołę, a niedawno przeprowadziłem się z Czelabińska do Dołgoprudnego pod Moskwą. Studiuję w Liceum Fizyki i Technologii Kapitsa, jest to jedna z najlepszych szkół w regionie moskiewskim. Mógłbym wynająć mieszkanie, ale mieszkam w internacie przy szkole, łatwiej i lepiej jest porozumieć się z ludźmi z liceum.
O AI i ML pierwszy raz usłyszałem chyba w 2016 roku, kiedy pojawiła się Prisma. Potem byłem w ósmej klasie i zajmowałem się programowaniem olimpiad, uczestniczyłem w kilku olimpiadach i dowiedziałem się, że organizujemy w mieście spotkania ML. Chciałem to rozgryźć, zrozumieć, jak to działa, i zacząłem tam chodzić. Tam po raz pierwszy nauczyłem się podstaw, potem zacząłem uczyć się tego w Internecie, na różnych kursach.
Początkowo istniał tylko kurs języka rosyjskiego u Konstantina Woroncowa, a sposób jego nauczania był rygorystyczny: zawierał wiele terminów, a w opisach było wiele formuł. Dla ósmoklasisty było to bardzo trudne, ale teraz, właśnie dlatego, że sama chodziłam do takiej szkoły na początku, terminy nie sprawiają mi w praktyce żadnych trudności w realnych problemach.
— Ile matematyki trzeba znać, aby pracować z sztuczną inteligencją? Czy wiedza zawarta w programie nauczania jest wystarczająca?
— Pod wieloma względami ML opiera się na podstawowych pojęciach szkoły w klasach 10-11, podstawowej algebrze liniowej i różniczkowaniu. Jeśli mówimy o produkcji, o problemach technicznych, to pod wieloma względami matematyka nie jest potrzebna; wiele problemów rozwiązuje się po prostu metodą prób i błędów. Ale jeśli mówimy o badaniach, gdy powstają nowe technologie, to nie ma miejsca bez matematyki. Matematyka jest potrzebna na poziomie podstawowym, przynajmniej żeby wiedzieć, jak zastosować macierz lub, mówiąc relatywnie, obliczyć pochodne. Od matematyki nie ma tu ucieczki.
— Czy Twoim zdaniem każdy uczeń o nastawieniu naturalno-analitycznym może rozwiązać problemy uczenia się maszynowego?
- Tak. Jeśli dana osoba wie, co leży u podstaw ML, jeśli wie, jak zorganizowane są dane i rozumie podstawowe triki i hacki, matematyka nie będzie mu potrzebna, ponieważ wiele narzędzi do tej pracy zostało już napisanych przez inne osoby. Wszystko sprowadza się do znalezienia wzorców. Ale wszystko oczywiście zależy od zadania.
— Co jest najtrudniejsze w rozwiązywaniu problemów i spraw związanych z ML?
— Każde nowe zadanie to coś nowego. Gdyby problem istniał już w tej samej formie, nie trzeba by go rozwiązywać. Nie ma uniwersalnego algorytmu. Istnieje ogromna społeczność ludzi, którzy trenują swoje umiejętności rozwiązywania problemów, opowiadają, jak rozwiązali problemy i opisują historie swoich zwycięstw. Bardzo interesujące jest podążanie za ich logiką, ich pomysłami.
— Jakie sprawy i problemy najbardziej Cię interesują?
— Specjalizuję się w lingwistyce obliczeniowej, interesują mnie teksty, problemy klasyfikacyjne, chatboty itp.
— Czy często uczestniczysz w hackatonach AI?
— Hackatony to tak naprawdę inny system olimpiad. Olimpiada składa się z zestawu zamkniętych problemów ze znanymi odpowiedziami, które uczestnik musi odgadnąć. Ale są ludzie, którzy nie są dobrzy w zadaniach zamkniętych, ale rozdzierają wszystkich przy zadaniach otwartych. Możesz więc sprawdzić swoją wiedzę na różne sposoby. W problemach otwartych czasami powstają technologie od podstaw, produkty szybko się rozwijają i nawet organizatorzy często nie znają prawidłowej odpowiedzi. Często bierzemy udział w hackatonach, dzięki czemu możemy zarabiać pieniądze. To jest interesujące.
- Ile można na tym zarobić? Jak wydajesz swoją nagrodę pieniężną?
— Mój przyjaciel i ja wzięliśmy udział w hackatonie VKontakte, podczas którego stworzyliśmy aplikację do wyszukiwania obrazów w Ermitażu. Na ekranie telefonu wyświetlał się zestaw emotikonów i emotikonów, za pomocą tego zestawu należało znaleźć obrazek, wskazać telefon na zdjęcie, rozpoznać je za pomocą sieci neuronowych i za poprawną odpowiedź przyznawano punkty. Byliśmy zadowoleni i zaciekawieni, że udało nam się stworzyć aplikację, która pozwoliła nam rozpoznać obraz na urządzeniu mobilnym. Wstępnie zajęliśmy pierwsze miejsce, ale ze względów prawnych przegapiliśmy nagrodę w wysokości 500 tysięcy rubli. Szkoda, ale nie to jest najważniejsze.
Ponadto brał udział w konkursie Sberbank Data Science Journey, gdzie zajął 5 miejsce i zarobił 200 tysięcy rubli. Za pierwszego zapłacili milion, za drugiego 500 tys. Pula nagród jest zróżnicowana i obecnie rośnie. Będąc na szczycie, można zdobyć od 100 do 500 tys. Nagrody pieniężne odkładam na edukację, to jest mój wkład w przyszłość, pieniądze, które wydaję na co dzień, zarabiam sama.
— Co jest ciekawsze – hackatony indywidualne czy zespołowe?
— Jeśli mówimy o opracowywaniu produktu, to musi to być zespół, jedna osoba nie jest w stanie tego zrobić. Po prostu się zmęczy i będzie potrzebował wsparcia. Ale jeśli mówimy na przykład o hackatonie AI Academy, to zadanie jest tam ograniczone, nie ma potrzeby tworzenia produktu. Zainteresowanie jest inne - wyprzedzić inną osobę, która również rozwija się w tej dziedzinie.
— Jak planujesz dalej się rozwijać? Jak widzisz swoją karierę?
— Teraz głównym celem jest takie przygotowanie Twojej poważnej pracy naukowej, badawczej, aby pojawiła się ona na wiodących konferencjach typu NeurIPS czy ICML – ML, które odbywają się w różnych krajach świata. Kwestia kariery jest otwarta, spójrz, jak ML rozwinęło się w ciągu ostatnich 5 lat. To się szybko zmienia, teraz trudno przewidzieć, co będzie dalej. A jeśli mówimy o pomysłach i planach poza pracą naukową, to być może widziałbym siebie w jakimś własnym projekcie, startupie z zakresu AI i ML, ale nie jest to pewne.
— Jakie są Twoim zdaniem ograniczenia technologii AI?
— No cóż, ogólnie rzecz biorąc, jeśli mówimy o sztucznej inteligencji jako o rzeczy, która ma jakąś inteligencję, przetwarza dane, to w niedalekiej przyszłości będzie to pewnego rodzaju świadomość otaczającego nas świata. Jeśli na przykład mówimy o sieciach neuronowych w lingwistyce obliczeniowej, staramy się lokalnie modelować coś, na przykład język, bez dawania modelowi zrozumienia kontekstu naszego świata. Oznacza to, że jeśli uda nam się włączyć to do sztucznej inteligencji, będziemy mogli stworzyć modele dialogu, boty na czacie, które nie tylko będą znać modele językowe, ale także będą miały perspektywę i fakty naukowe. I to właśnie chciałbym widzieć w przyszłości.
Nawiasem mówiąc, Akademia Sztucznej Inteligencji prowadzi obecnie rekrutację uczniów do nowego hackatonu. Pula nagród także jest pokaźna, a tegoroczne zadanie jeszcze ciekawsze – trzeba będzie zbudować algorytm, który przewidzi doświadczenie gracza na podstawie statystyk jednego meczu Dota 2. Szczegóły znajdziesz na stronie .
Źródło: www.habr.com