Hoy Habr!
Nais naming pag-usapan ang tungkol sa isang hindi pangkaraniwang paraan ng kita ng pera para sa mga tinedyer bilang pagsali sa mga hackathon. Pareho itong kapaki-pakinabang sa pananalapi at nagbibigay-daan sa iyo na isabuhay ang kaalamang natamo sa paaralan at sa pamamagitan ng pagbabasa ng mga matalinong aklat.
Isang simpleng halimbawa ang hackathon ng Artificial Intelligence Academy noong nakaraang taon para sa mga mag-aaral. Kinailangang hulaan ng mga kalahok nito ang kinalabasan ng larong Dota 2. Ang nagwagi sa kompetisyon ay si Alexander Mamaev, isang ikasampung baitang mula sa Chelyabinsk. Ang kanyang algorithm ay pinakatumpak na tinutukoy ang nanalong koponan ng laban. Salamat dito, nakatanggap si Alexander ng isang malaking premyong pera - 100 libong rubles.
Paano ginamit ni Alexander Mamaev ang premyong pera, anong kaalaman ang kulang sa mag-aaral para magtrabaho kasama ang ML, at anong direksyon sa larangan ng AI ang itinuturing niyang pinakakawili-wili - sinabi ng mag-aaral sa isang panayam.
— Sabihin sa amin ang tungkol sa iyong sarili, paano ka naging interesado sa AI? Mahirap bang pumasok sa paksa?
— Ako ay 17 taong gulang, nagtatapos ako ng pag-aaral sa taong ito, at kamakailan ay lumipat ako mula sa Chelyabinsk patungong Dolgoprudny, na malapit sa Moscow. Nag-aaral ako sa Kapitsa Physics and Technology Lyceum, ito ay isa sa mga pinakamahusay na paaralan sa rehiyon ng Moscow. Maaari akong magrenta ng apartment, ngunit nakatira ako sa isang boarding school sa paaralan, mas mabuti at mas madaling makipag-usap sa mga tao mula sa lyceum.
Ang unang pagkakataon na narinig ko ang tungkol sa AI at ML ay marahil noong 2016, nang lumitaw si Prisma. Tapos grade 8 ako at nag olympiad programming, nag attend ng ilang olympiad at nalaman na may ML meetups kami sa city. Interesado akong malaman ito, maunawaan kung paano ito gumagana, at nagsimula akong pumunta doon. Doon ko natutunan ang mga pangunahing kaalaman sa unang pagkakataon, pagkatapos ay sinimulan kong pag-aralan ito sa Internet, sa iba't ibang mga kurso.
Sa una, mayroon lamang isang kurso mula sa Konstantin Vorontsov sa Russian, at ang paraan ng pagtuturo nito ay mahigpit: naglalaman ito ng maraming mga termino, at mayroong maraming mga formula sa mga paglalarawan. Para sa isang ikawalong baitang ito ay napakahirap, ngunit ngayon, tiyak dahil dumaan ako sa gayong paaralan sa simula, ang mga termino ay hindi nagdudulot ng mga paghihirap para sa akin sa pagsasanay sa mga totoong problema.
— Gaano karaming matematika ang kailangan mong malaman upang magtrabaho kasama ang AI? Mayroon bang sapat na kaalaman mula sa kurikulum ng paaralan?
— Sa maraming paraan, ang ML ay nakabatay sa mga pangunahing konsepto ng paaralan sa mga baitang 10-11, basic linear algebra at differentiation. Kung pinag-uusapan natin ang tungkol sa produksyon, tungkol sa mga teknikal na problema, kung gayon sa maraming paraan ay hindi kailangan ang matematika; maraming mga problema ang nalutas sa pamamagitan lamang ng pagsubok at pagkakamali. Ngunit kung pag-uusapan natin ang tungkol sa pananaliksik, kapag ang mga bagong teknolohiya ay nilikha, kung gayon walang kahit saan na walang matematika. Ang matematika ay kailangan sa isang pangunahing antas, hindi bababa sa upang malaman kung paano ilapat ang isang matrix o, medyo nagsasalita, kalkulahin ang mga derivatives. Walang escaping mathematics dito.
— Sa iyong opinyon, maaari bang malutas ng sinumang mag-aaral na may natural-analytical mindset ang mga problema sa ML?
- Oo. Kung alam ng isang tao kung ano ang nasa puso ng ML, kung alam niya kung paano nakabalangkas ang data at nauunawaan ang mga pangunahing trick o hack, hindi na niya kakailanganin ang matematika, dahil marami sa mga tool para sa trabaho ay naisulat na ng ibang tao. Ang lahat ay bumaba sa paghahanap ng mga pattern. Ngunit ang lahat, siyempre, ay nakasalalay sa gawain.
— Ano ang pinakamahirap na bagay sa paglutas ng mga problema at kaso ng ML?
— Bawat bagong gawain ay bago. Kung ang problema ay umiral na sa parehong anyo, hindi na ito kailangang lutasin. Walang unibersal na algorithm. Mayroong isang malaking komunidad ng mga tao na nagsasanay sa kanilang mga kasanayan sa paglutas ng problema, nagsasabi kung paano nila nalutas ang mga problema, at naglalarawan ng mga kuwento ng kanilang mga tagumpay. At napaka-interesante na sundin ang kanilang lohika, ang kanilang mga ideya.
— Anong mga kaso at problema ang pinakainteresado mong lutasin?
— Dalubhasa ako sa computational linguistics, interesado ako sa mga text, problema sa pag-uuri, chatbots, atbp.
— Madalas ka bang sumali sa AI hackathon?
— Ang mga hackathon ay, sa katunayan, ibang sistema ng mga Olympiad. Ang Olympiad ay may isang hanay ng mga saradong problema, na may mga kilalang sagot na dapat hulaan ng kalahok. Ngunit may mga taong hindi magaling sa mga saradong gawain, ngunit pinaghiwa-hiwalay ang lahat sa mga bukas na gawain. Kaya maaari mong subukan ang iyong kaalaman sa iba't ibang paraan. Sa mga bukas na problema, kung minsan ang mga teknolohiya ay nilikha mula sa simula, ang mga produkto ay mabilis na binuo, at kahit na ang mga tagapag-ayos ay madalas na hindi alam ang tamang sagot. Madalas tayong lumahok sa mga hackathon, at sa pamamagitan nito maaari tayong kumita ng pera. Ito ay kawili-wili.
- Magkano ang kikitain mo dito? Paano mo ginagastos ang iyong premyong pera?
— Ang aking kaibigan at ako ay nakibahagi sa VKontakte hackathon, kung saan gumawa kami ng aplikasyon upang maghanap ng mga kuwadro na gawa sa Hermitage. Isang hanay ng mga emoji at emoticon ang ipinakita sa screen ng telepono, kailangang maghanap ng larawan gamit ang set na ito, itinuro ang telepono sa larawan, kinikilala ito gamit ang mga neural network at, kung tama ang sagot, iginawad ang mga puntos. Kami ay nalulugod at interesado na nakagawa kami ng isang application na nagpapahintulot sa amin na makilala ang isang pagpipinta sa isang mobile device. Kami ay pansamantalang nasa unang lugar, ngunit dahil sa isang legal na pormalidad ay napalampas namin ang premyo na 500 libong rubles. Ito ay isang kahihiyan, ngunit hindi iyon ang pangunahing bagay.
Bilang karagdagan, lumahok siya sa kumpetisyon ng Sberbank Data Science Journey, kung saan nakuha niya ang ika-5 na lugar at nakakuha ng 200 libong rubles. Sa una ay nagbayad sila ng isang milyon, para sa pangalawang 500 libo. Ang mga pondo ng premyo ay nag-iiba, at ngayon ay tumataas. Ang pagiging nasa tuktok, maaari kang makakuha ng 100 hanggang 500 libo. Iniipon ko ang premyong pera para sa edukasyon, ito ang aking kontribusyon sa kinabukasan, ang pera na ginagastos ko sa pang-araw-araw na buhay, kinikita ko ang aking sarili.
— Ano ang mas kawili-wili – indibidwal o pangkat na hackathon?
— Kung ang pag-uusapan natin ay tungkol sa pagbuo ng isang produkto, kung gayon ito ay dapat na isang pangkat; hindi ito magagawa ng isang tao. Mapapagod lang siya at nangangailangan ng suporta. Ngunit kung pinag-uusapan natin, halimbawa, ang tungkol sa hackathon ng AI Academy, kung gayon ang gawain doon ay limitado, hindi na kailangang lumikha ng isang produkto. Iba ang interes doon - ang maabutan ang ibang tao na umuunlad din sa lugar na ito.
— Paano mo pinaplano na umunlad pa? Paano mo nakikita ang iyong karera?
— Ngayon ang pangunahing layunin ay ihanda ang iyong seryosong gawaing pang-agham, pagsasaliksik, para lumabas ito sa mga nangungunang kumperensya tulad ng NeurIPS o ICML - ML na mga kumperensya na nagaganap sa iba't ibang bansa sa mundo. Bukas ang tanong sa karera, tingnan kung paano umunlad ang ML sa nakalipas na 5 taon. Mabilis ang pagbabago, ngayon mahirap hulaan kung ano ang susunod na mangyayari. At kung pag-uusapan natin ang tungkol sa mga ideya at plano bukod sa gawaing pang-agham, marahil ay makikita ko ang aking sarili sa isang uri ng aking sariling proyekto, isang startup sa larangan ng AI at ML, ngunit hindi ito tiyak.
— Sa iyong palagay, ano ang mga limitasyon ng teknolohiya ng AI?
— Well, sa pangkalahatan, kung pag-uusapan natin ang AI bilang isang bagay na may ilang uri ng katalinuhan, nagpoproseso ng data, kung gayon, sa malapit na hinaharap, ito ay magiging isang uri ng kamalayan sa mundo sa paligid natin. Kung pag-uusapan natin ang tungkol sa mga neural network sa computational linguistics, halimbawa, sinusubukan nating lokal na magmodelo ng isang bagay, halimbawa, wika, nang hindi binibigyan ang modelo ng pag-unawa sa konteksto tungkol sa ating mundo. Ibig sabihin, kung magagawa nating isama ito sa AI, makakagawa tayo ng mga modelo ng diyalogo, mga chat bot na hindi lamang makakaalam ng mga modelo ng wika, ngunit magkakaroon din ng pananaw at makakaalam ng mga siyentipikong katotohanan. At ito ang gusto kong makita sa hinaharap.
Sa pamamagitan ng paraan, ang Academy of Artificial Intelligence ay kasalukuyang nagre-recruit ng mga mag-aaral para sa isang bagong hackathon. Malaki rin ang premyong pera, at ang gawain sa taong ito ay mas kawili-wili - kakailanganin mong bumuo ng algorithm na hinuhulaan ang karanasan ng manlalaro batay sa mga istatistika ng isang laban sa Dota 2. Para sa mga detalye, pumunta sa .
Pinagmulan: www.habr.com