Halo, Habr!
Kami ingin berbicara tentang bentuk penghasilan yang tidak biasa bagi remaja sebagai partisipasi dalam hackathon. Ini menguntungkan secara finansial dan memungkinkan Anda mempraktikkan pengetahuan yang didapat di sekolah dan membaca buku cerdas.
Contoh sederhana adalah hackathon tahun lalu dari Akademi Kecerdasan Buatan untuk siswa. Pesertanya harus memprediksi hasil pertandingan Dota 2. Kemudian pemenang kompetisi adalah Alexander Mamaev, siswa kelas sepuluh dari Chelyabinsk. Algoritma-nya yang paling akurat menentukan pemenang tim dari pertarungan. Berkat ini, Alexander menerima uang hadiah yang solid - 100 ribu rubel.
Bagaimana Alexander Mamaev memesan uang hadiah, pengetahuan apa yang kurang dimiliki siswa untuk bekerja dengan ML, dan arah apa di bidang AI yang menurutnya paling menarik - kata siswa itu dalam sebuah wawancara.
- Ceritakan tentang diri Anda, bagaimana Anda terlibat dalam AI? Apakah sulit untuk memasuki topik?- Saya berusia 17 tahun, tahun ini saya menyelesaikan sekolah, dan baru-baru ini saya pindah dari Chelyabinsk ke Dolgoprudny, ini dekat Moskow. Saya belajar di Kapitsa Physical-Technical Lyceum, ini adalah salah satu sekolah terbaik di wilayah Moskow. Saya bisa menyewa apartemen, tetapi saya tinggal di sekolah asrama, lebih baik dan lebih mudah untuk berkomunikasi dengan orang-orang dari bacaan.
Untuk pertama kalinya, saya mendengar tentang AI dan ML pada tahun 2016, mungkin, ketika Prisma muncul. Kemudian saya berada di kelas 8 dan terlibat dalam pemrograman Olympiad, menghadiri beberapa olimpiade dan menemukan bahwa pertemuan ML diadakan di kota kami. Saya tertarik untuk memilah ini, memahami cara kerjanya, dan saya mulai pergi ke sana. Di sana ia pertama-tama mempelajari dasar-dasarnya, lalu mulai mempelajarinya di Internet, di berbagai kursus.
Pada awalnya, hanya ada kursus dalam bahasa Rusia dari Konstantin Vorontsov, dan cara mengajarnya sulit: itu mengandung banyak istilah, dan ada banyak formula dalam deskripsi. Untuk siswa kelas delapan, itu sangat sulit, tetapi sekarang, berkat kenyataan bahwa saya telah melalui sekolah seperti itu pada awalnya, ketentuan tidak mempersulit saya dalam praktik dalam tugas-tugas nyata.
- Seberapa banyak Anda perlu tahu matematika untuk bekerja dengan AI? Apakah ada cukup pengetahuan dari kurikulum sekolah?- Dalam banyak hal, ML didasarkan pada konsep dasar sekolah kelas 10-11, aljabar linier dasar dan diferensiasi. Jika kita berbicara tentang produksi, tentang masalah teknis, maka dalam banyak hal matematika tidak diperlukan di sana, banyak masalah diselesaikan basi dengan coba-coba. Tetapi jika kita berbicara tentang penelitian, ketika teknologi baru diciptakan, maka tanpa matematika tidak ada tempat. Matematika diperlukan pada tingkat dasar, jika hanya untuk mengetahui cara membuat aplikasi matriks atau, secara relatif, menghitung turunan. Tidak ada jalan keluar dari matematika.
- Menurut Anda, dapatkah siswa dengan pola pikir analitis alami menyelesaikan masalah dalam ML?- Ya. Jika seseorang tahu apa yang ada di jantung ML, jika dia tahu bagaimana data diatur dan memahami trik dasar atau peretasan, dia tidak akan membutuhkan matan, karena banyak alat untuk pekerjaan telah ditulis oleh orang lain. Semuanya berujung pada menemukan pola. Tapi semuanya, tentu saja, tergantung pada tugasnya.
- Apa hal yang paling sulit dalam menyelesaikan masalah dan kasus ML?- Setiap tugas baru adalah sesuatu yang baru. Jika tugas sudah ada sebelumnya dalam bentuk yang sama, itu tidak harus diselesaikan. Tidak ada algoritma universal. Ada komunitas besar orang yang melatih keterampilan mereka dalam memecahkan masalah, menceritakan bagaimana mereka memecahkan masalah, dan menggambarkan kisah-kisah kemenangan mereka. Dan sangat menarik untuk mengikuti logika mereka, ide-ide mereka.
- Kasus dan tugas apa yang paling Anda minati untuk diselesaikan?- Saya berspesialisasi dalam linguistik komputer, saya tertarik pada teks, tugas klasifikasi, obrolan bot, dan lainnya.
- Apakah Anda sering berpartisipasi dalam hackathon AI?- Hackathons sebenarnya adalah sistem olimpiade lainnya. Olimpiade memiliki serangkaian tugas tertutup, dengan jawaban terkenal yang harus ditebak peserta. Tetapi ada orang yang tidak kuat dalam tugas tertutup, tetapi merobek semua orang terbuka. Jadi Anda bisa menguji pengetahuan dengan berbagai cara. Dalam tugas-tugas sumber terbuka, teknologi kadang-kadang dibuat dari awal, produk dikembangkan dengan cepat, dan bahkan panitia sering tidak tahu jawaban yang benar. Kami sering berpartisipasi dalam hackathon, sehingga Anda dapat menghasilkan uang. Ini menarik.
- Berapa banyak yang bisa Anda hasilkan dari ini? Dan bagaimana Anda membelanjakan uang hadiah?- Teman saya dan saya berpartisipasi dalam VKontakte hackathon, di mana kami membuat aplikasi untuk mencari lukisan di Pertapaan. Seperangkat emoji, emotikon ditampilkan di layar ponsel, Anda harus menemukan gambar menggunakan set ini, telepon diarahkan ke gambar, itu dikenali dengan bantuan jaringan saraf dan, jika jawabannya benar, poin diberikan. Kami senang dan menarik bahwa kami berhasil membuat aplikasi yang memungkinkan kami mengenali gambar di perangkat seluler. Kami pergi pertama di tempat pertama, tetapi karena formalitas hukum kami terbang melewati hadiah 500 ribu rubel. Sayang sekali, tapi ini bukan yang utama.
Selain itu, ia berpartisipasi dalam kompetisi Sberbank Data Science Journey, di mana ia mengambil tempat ke-5 dan mendapatkan 200 ribu rubel. Mereka membayar satu juta untuk yang pertama, dan 500 ribu untuk yang kedua. Kumpulan hadiah berbeda, sekarang semakin meningkat. Berada di atas, Anda bisa mendapatkan 100 hingga 500 ribu. Saya menyisihkan hadiah uang untuk pelatihan, ini adalah kontribusi saya untuk masa depan, uang yang saya habiskan dalam kehidupan sehari-hari, saya hasilkan sendiri.
- Apa yang lebih menarik - hackathon individu atau tim?- Jika kita berbicara tentang pengembangan produk, maka ini harus tim, satu orang tidak akan bisa melakukannya. Dia akan lelah, dia butuh dukungan. Tetapi jika kita berbicara, misalnya, tentang hackathon dari Akademi AI, maka tugas di sana terbatas, tidak perlu membuat produk. Ada minat pada sesuatu yang lain - untuk menyalip orang lain yang juga berkembang di bidang ini.
- Bagaimana Anda berencana untuk berkembang lebih lanjut? Bagaimana Anda melihat karier Anda?- Sekarang tujuan utamanya adalah untuk mempersiapkan karya ilmiah kita yang serius, penelitian, sehingga muncul di konferensi terkemuka seperti NeurIPS atau ICML-konferensi tentang ML, yang berlangsung di berbagai negara di dunia. Untuk pertanyaan terbuka karier, lihat bagaimana ML telah berkembang selama 5 tahun terakhir. Ini berubah dengan cepat, sekarang sulit untuk memprediksi apa yang akan terjadi selanjutnya. Dan jika kita berbicara tentang ide dan rencana selain karya ilmiah, maka mungkin saya akan melihat diri saya dalam semacam proyek saya sendiri, sebuah startup di bidang AI dan ML, tetapi ini tidak akurat.
- Menurut Anda, apa keterbatasan teknologi AI?- Sebenarnya, berbicara tentang AI sebagai sesuatu yang memiliki semacam kecerdasan yang memproses data, maka, dalam waktu dekat, ini adalah semacam kesadaran dunia di sekitar kita. Jika kita berbicara tentang jaringan saraf dalam linguistik komputer, misalnya, kita mencoba memodelkan sesuatu secara lokal, seperti bahasa, tanpa memberi model pemahaman tentang konteks tentang dunia kita. Artinya, jika kita bisa memasukkan ini ke dalam AI, kita bisa membuat model interaktif, mengobrol bot yang tidak hanya akan tahu model bahasa, tetapi juga akan memiliki pandangan, mengetahui fakta ilmiah. Dan saya ingin melihat ini di masa depan.
Omong-omong, Akademi Kecerdasan Buatan saat ini merekrut siswa untuk hackathon baru. Uang hadiah juga substansial, dan tugas tahun ini bahkan lebih menarik - Anda perlu membuat algoritme yang memprediksi pengalaman pemain berdasarkan statistik satu pertandingan Dota 2. Untuk detailnya, ikuti tautan ini .