Современные достижения. Награждены победители AI Challenge
Торжественная церемония награждения победителей международного конкурса по искусственному интеллекту для молодёжи младше 18 лет AI Challenge. Мероприятие организовано Сбером и Альянсом в сфере искусственного интеллекта.
Участие в конкурсе приняли представители 47 стран. Проекты представляла 251 команда. С начала командного этапа разработали 2300 решений.
15 лучших команд наградили в 5 конкурсных направлениях. В их числе медицина, креативные индустрии, производство, анализ изображения и видео, сельское хозяйство. Авторов самых перспективных разработок рассмотрят как потенциальных стажёров, а их решения могут быть применены в компаниях Альянса в сфере искусственного интеллекта. Призовой фонд конкурса составил 10 млн рублей.
Проекты победителей
В числе победителей конкурса названы следующие проекты.
Направление «Производство» от «Северстали» показало высокую популярность в этом году. Были разработаны алгоритмы бинарной классификации, которые определяли, будет ли заказ выполнен вовремя. Это актуальное направление, так как цепочка поставок является важной частью успешно налаженного производства, без которой продукт может задерживаться на длительные сроки, что повлечёт серьёзные материальные потери для бизнеса. Важно оценивать риски заказов на закупки, в чём нам могут помочь методы искусственного интеллекта.
1-е место заняла команда f1_score(y_val, y_val) (Москва), второе — UnThinkable (Санкт-Петербург, Рославль, Кировск), в которой самому молодому участнику 11 лет, третье — Broke Boys Cartel (Москва, Озёрск).
«В процессе разработки решения пригодились опыт участия в соревнованиях по машинному обучению, умение работать в команде, а также навыки презентации», — отметил капитан f1_score(y_val, y_val) Никита Угрюмов.
Второе не менее востребованное направление — «Медицина». Здесь команды решали задачу по построению ML-модели для ранней диагностики заболеваний сердечно-сосудистой системы.
Заболевания сердечно-сосудистой системы уже долгое время остаются одной из основных причин смертности в мире. В России вклад сердечно-сосудистых заболеваний в общую смертность достигает 43,9%, причём большинство заболевших уходят из жизни на пике активности — в возрасте от 25 до 64 лет, а многие из тех, кто остался жив, теряют трудоспособность.
Ранняя диагностика таких заболеваний способна кардинально сократить смертность населения и повысить общий уровень жизни.
Одним из наиболее надёжных способов выявления болезней сердца остаётся подробный анализ электрокардиограмм (ЭКГ). Однако такой анализ требует тщательного внимания медицинских специалистов высокой квалификации. Методы искусственного интеллекта способны существенно помочь врачам, избавив их от рутины и дополнительно предоставив второе мнение.
Самой сильной стала команда Minions (Владивосток, Санкт-Петербург), на 2-м месте — ALT_F4 (Москва), на 3-м — DarkLEDshipping (Москва, Мытищи).
«В этом году нам понравилось задание и данные, с которыми предстояло работать, но также большую роль сыграло то, что нам интересна медицина и биология в целом, во многом за счёт нашего учителя биологии», — поделился капитан Minions Данила Карпов.
Еще одно направление — «Креативные индустрии». Команды создавали собственные интерактивные пространства с уникальными работами генеративного искусства в формате музыки, изображения, видео, 3D-объектами, отображающими прошлое, настоящее и будущее таким, каким оно им видится.
Участники должны были разобраться и разработать интерактивное пространство, воплощающее собой виртуальную галерею жизни. Необходимо создать пространство и наполнить его уникальными объектами генеративного искусства, отражающими его основную тематику — ваше прошлое, настоящее и будущее. Каждый может создать свою собственную «личную коллекцию», состоящую из генеративных объектов искусства. Эти объекты будут отражать ключевые моменты, важные события, взлёты и падения, влияние на окружающих и вдохновения, которые сформировали их жизнь.
В галерее происходит некоторое сюжетное событие, которое потребует от игрока исследования пространства и взаимодействия с различными генеративными объектами. Они могут включать в себя текст, музыку, изображения, видеоматериалы, 3D-модели и любые другие произведения искусства, которые вы сочтете подходящими.
1-е место заняла команда «НИИ (настоящий интеллект)» (Краснодар, Москва), второе — Maldivish (Белгород), 3-е — Logic legends (Обнинск, Москва).
«Претворяя в жизнь нашу задумку, мы применяли навыки по разработке игровых механик и кода на C#, а также использовали нейросети для генерации моделей генеративного искусства», — рассказал о командном решении капитан Maldivish Иван Загорулько.
Направление «Анализ и изображение видео» предоставило возможность посоревноваться в моделях оценки качества изображений без использования референсного. С оценкой качества изображений связано множество цифровых продуктов — это поиск, рекомендации и механизмы подбора контента в облаке.
В VK множество цифровых продуктов связано с оценкой качества изображений — это поиск, рекомендации и механизмы подбора контента в облаке. В процессе фото- и видеосъёмки на пользовательском контенте возникают артефакты и искажения, которые влияют на его восприятие. Происходят такие искажения из-за условий освещения, движения во время съёмки, несовершенств параметров камеры и других естественных и технических причин.
Оценка качества изображений и видео — комплексная задача, в которой важно учитывать как техническую, так и эстетическую составляющие. Список технологий, где оценивают качество контента, широк: выбор наилучших изображений из альбомов пользователей, учёт привлекательности изображений при поиске по картинкам, идентификация наиболее красочных фрагментов в видео и другие.
Победу одержала команда Komarovo enjoyers (Санкт-Петербург, Энгельс), 2-е место — у FTL (Минск), 3-е место — у Backward-backward algorithm (Санкт-Петербург, Москва).
«Уникальность нашего решения заключается в том, что мы использовали SOTA-модели компьютерного зрения, основанные на архитектуре трансформеров. Для сравнения моделей построили кросс-валидацию, предсказания усредняли по каждой части, благодаря чему ответы модели были устойчивы», — сообщил капитан Komarovo enjoyers Александр Астафуров.
Направление «Сельское хозяйство» от «Уралхима» предусматривало задание, где команды разрабатывали основанные на машинном зрении модели детекции и классификации заболеваний растений на всех стадиях вегетации.
Задача классификации заключается в разделении множества объектов на группы, объединенные схожими признаками. Данные в ней делятся на уже размеченные экземпляры и набор тестовых объектов, класс которых необходимо определить.
Участникам предложили создание системы детекции, сегментирования и классификации сорняков. В растениеводстве наличие на поле сорняков может значительно сократить урожай выращиваемой культуры и даже привести к полной его потере. Для борьбы с сорняками применяют специальные агрохимические препараты. При этом очень важно правильно определить сорняк — это поможет подобрать нужный агрохимический препарат. В этом и поможет разработанная вами система. Здесь задачи были с усложнениями.
Победила команда DataBarrels (Пермь, Москва), на 2-е месте — Alimp (Москва), на 3-е месте — «ОстофИлы» (Краснодар, Лянтор).
«Командная работа и глубинное понимание математики любого процесса — ключ к успеху», — дал совет будущим участникам конкурса капитан DataBarrels Макар Бадерко.