Борьба с коррупцией... Предсказание пожаров... Повышение комфорта городской среды... Защита редких животных... Помощь авиадиспетчерам при посадке самолетов... Продуктовая безопасность...
...это всё – оффлайновые задачи и проблемы. Но решить их можно цифровыми методами, при помощи искусственного интеллекта.
В 2021 году в России стартовал новый проект – Хакатоны и лекции по искусственному интеллекту – Hacks-AI.ru.
10 хакатонов, 10 регионов России – это лишь первые итоги 2021 года.
Всего же за 3.5 года (2021–2024 годы) мы проведем 116 хакатонов и 85 научно-популярных лекций от ведущих российских специалистов по ИИ.
РБК.Тренды в декабре 2021 года подготовили обзор самых интересных задач ИИ-хакатонов и их решений.
Вот некоторые из них (начнем с конца, с завершения сезона 2021 года):
Спасли жизни и нашли Принцессу
Итоги 10-го хакатона по ИИ // Самара // ноябрь 2021
С 26 по 28 ноября на стадионе «Солидарность Самара Арена» 28 команд-финалистов решали два кейса и боролись за призовой фонд в размере 800 тыс. рублей.
Проект в Самаре стал заключительным в этом году этапом хакатонов по искусственному интеллекту.
На нем решались сразу 2 кейса (от Минприроды и Минздрава России):
Кейс-1
Минприроды России при экспертной поддержке МФТИ поставили такую задачу для участников:
На основании представленных дата-сетов создать модель машинного обучения для распознавания амурских тигров (Сихотэ-Алинский природный заповедник) и дальневосточного леопарда (национальный парк «Земля леопарда»).
Использование фотоловушек для автоматической съемки видов животных в дикой природе – один из самых эффективных инструментов мероприятий по сохранению биоразнообразия. Эти устройства позволяют проводить точный мониторинг больших участков природных территорий в беспрецедентных масштабах. Однако фотоловушки генерируют слишком большой объем данных, что сильно затрудняет их анализ.
Благодаря последним разработкам в области машинного обучения и компьютерного зрения возможно получить инструменты для распознавания не только видов животных, но и отдельных особей.
Решение кейса – прототип системы, способной на основе загружаемых неразмеченных данных определить вид животного (тигр или леопард). Дополнительная задача (оценивается отдельно) способность модели определить конкретную особь – тигрицу Принцессу.
Кейс-2: спасение жизней людей с помощью ИИ
В рамках второй задачи, поставленной Минздравом России, участники проектировали систему прогнозирования осложнений у пациентов, находящихся в стационаре.
На основании представленных дата-сетов, содержащих анонимизированные данные МИС ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России за 2019 г, участники разрабатывали модель машинного обучения, способную прогнозировать риски летального исхода у пациентов, находящихся на стационарном лечении, и выявлять факторы, коррелирующие с целевым признаком.
Своевременное выявление пациентов группы высокого риска позволит вовремя принять необходимые меры по предотвращению состояний, приводящих к необратимым последствиям для здоровья пациентов или угрожающих их жизни. Кроме того, профилактика осложнений снизит финансовую нагрузку на систему здравоохранения.
Решение указанной задачи медицинскими работниками в «ручном» режиме осложняется следующими факторами:
- Большое количество медицинских данных пациента осложняет их интерпретацию;
- «Человеческий фактор», связанный с необходимостью оценивать состояние большой группы пациентов, находящихся на курации у лечащего врача, приводит к возникновению неточностей и ошибок;
- Подпороговые изменения показателей состояния здоровья пациента могут быть проигнорированы врачом в связи с отсутствием доказательной базы, свидетельствующей о риске развития жизнеугрожающих осложнений; в противном случае, может возникнуть ситуация гипердиагностики, которая также негативно сказывается на тактике ведения пациента.
Подробнее о хакатоне в Самаре и решениях команд: https://hacks-ai.ru/hakaton/samara
Оценка образовательных программ: первый хакатон на стадионе
Первый хакатон // Нижний Новгород // июнь 2021
Найти работу молодому специалисту в наше время – тот еще квест. В университетах учат одному, а при приеме на работу требуют намного больше. Довольно знакомая ситуация для специалистов самых разных сфер – как "гуманитариев", так и "технарей". Соответствие учебных программ запросам рынка труда – то, чего хотели бы как выпускники, так и работодатели. В настоящее время только половина программ соответствуют потребностям рынка.
Но с помощью ИИ можно создать специальный обучаемый алгоритм, способный анализировать паспорта и описания образовательных программ и определять, насколько полный набор компетенций по запросам рынка труда получит слушатель при обучении по данной программе. Именно такую задачу поставил “Университет 20.35” для участников в Нижнем Новгороде.
Это был первый ИИ-хакатон с нашей серии, потому и открытие масштабного проекта провели в соответствующих "декорациях" – огромном стадионе Нижнего Новгорода!
А теперь о решениях. Ребята из команды Showcase (которые заняли первое место) представили алгоритм, который определяет эффективность образовательных программ на основе описаний вакансий и отзывов выпускников, а в качестве основного источника данных участники команды использовали данные HeadHunter. Алгоритм позволяет собирать такие метрики, как покрытие рынка вакансий образовательной программой, уровень остаточных знаний, оценка удовлетворенности программой, оценка программы на основе сравнения с другим.
Участники команды Княгининского университета разработали сервис, способный проверить, к какой области Национальной технологической инициативы относится образовательная программа и насколько она близка к требуемым компетенциям. Эта методика позволяет проверить программы в разных компетенциях: например, проверка образовательных программ "Искусственный интеллект" в 11 вузах страны показала, что средний уровень соответствия компетенциям составил 50%.
А в команде MirITeam создали веб-сервис, который может предложить рекомендации по улучшению образовательных программ в вузах. Решение позволяет не только оценить соответствие программ потребностям рынка, но и сравнивает содержание программ вузов по разным направлениям между собой.
Предотвратить коррупцию в тексте
Великий Новгород // сентябрь 2021
Коррупция – то зло, с которым сталкиваются и которое стремятся искоренить многие страны. А что, если искоренить ее можно в зачатке? Ведь возможности для ее появления могут возникнуть уже на этапе составления нормативно-правовых актов, когда сами тексты законов могут быть "коррупциогенными". Но проверить весь массив документов – а это более миллиона в год – вручную может быть очень сложно.
В другом Новгороде – на этот раз Великом прошел один из десяти хакатонов этого года, где участникам предстояло выявить эти самые "коррупциогенные" факторы в НПА. Автором кейса выступил Минюст.
Победитель хакатона, команда “Наносемантика” разработала алгоритм, который анализирует каждую строку документа и выясняет, может ли в ней присутствовать коррупциогенный элемент. Команда применила 12 факторов (широта полномочий чиновника, выборочное изменение объема прав, отсутствие или неполнота административных процедур и др.) для обнаружения в документах норм, нарушающих права граждан. Затем она применила языковую модель GPT-3, которая написала 50 тысяч строк c коррупционными факторами. После этого алгоритм обучили на полученном датасете.
ИИ для остановки лесных пожаров
Ставрополь // сентябрь 2021
Начало сентября мы встретили в Ставрополе – в этом городе прошел РИФ.Юг: десятки деловых встреч, концепция IT-долины StavIT, и наш третий ИИ-хакатон. Для участников в Ставрополе МЧС подготовило действительно сложный и важный кейс, направленный на борьбу с природными пожарами. Да, искусственный интеллект может помочь и при решении этой проблемы.
Если конкретнее, то участникам предстояло разработать алгоритм, который позволит прогнозировать, на сколько за сутки может вырасти площадь крупного ландшафтного пожара. Такое решение стало бы полезным для сотрудников МЧС, которые в последние годы все чаще сталкиваются с проблемой лесных пожаров. Прогноз развития пожара позволит службам оперативно привлекать дополнительные силы и средства для его ликвидации.
Решение команды Profit позволяет предсказывать распространение огня с помощью специального алгоритма, который подгружает в математическую модель координаты точки 1х1 км (метео, географические координаты, тип поверхности – вода, лес, камни, растительность).
А Команда "Выход есть" представила решение, которое может предсказать путь распространения пожара. Для этого участники команды создали нейросеть «Игни», которая анализирует координаты и выводит на их основе текущий план местности, которая и рассчитывает, как будет распространяться пожар.
Удобный и комфортный город: что может предложить ИИ?
Чебоксары / октябрь 2021
Проблема комфортной городской среды сейчас волнует каждого. Открытые люки, неубранный снег, поломанные качели на детской площадке, неработающий светофор или неудобное расположение остановки – на все эти детали мы в последнее время все чаще обращаем внимание, и неслучайно, ведь именно они формируют комфортную и безопасную среду для жизни в городе. Чтобы обеспечить бесперебойное функционирование городского организма, людям должно быть удобно сообщить о проблемах, и чтобы их предложения услышали.
И здесь искусственный интеллект снова спешит на помощь! Участники хакатонов hacks-ai.ru должны были создать прототип карты потребностей жителей города в объектах комфортной городской среды. Так звучала задача для участников седьмого ИИ-хакатона, который прошел в столице Чувашии – Чебоксарах. Кейс для участников представили Минцифры республики и АНО "Институт территориального развития Чувашской Республики".
Первое место в этом хакатоне заняла команда одиннадцатиклассников из чебоксарской 61-й школы – команды SIMP. Их решение – с особым вниманием к пользователям. Ведь сами люди участвуют в формировании интерактивной карты: отмечают проблемные места на карте городе, а уже алгоритм для каждой проблемы назначает приоритет. Карта обновляется информацией и из других интернет-ресурсов. Решение команды также публикует статистику для каждого района города.
Команда PSPU_Team предложила интерактивную карту с разделением ролей и оценкой деятельности сервисов. Ее можно интегрировать со сторонними платформами, такими как Госуслуги или городские порталы. Специальные алгоритмы позволяют выстраивать задачи по приоритету и определять актуальность проблемы. Также алгоритм учитывает различные факторы, которые влияют на принятие решения об устранении проблемы (например, бюджет). Для разработки карты задействовали микросервисы (независимые модули сервиса), а также открытую библиотеку Keras для взаимодействия с нейронными сетями для быстрого обучения и переобучения модели классификации данных.
ИИ против лекарственного голода: как предотвратить дефицит на складах
Санкт-Петербург // ноябрь 2021
Дефицит лекарств – довольно распространенная проблема в последнее время. И зачастую она возникает не из-за нехватки средств для их приобретения, а в логистике. Не редки ситуации, когда на региональных складах неожиданно заканчиваются жизненно необходимые лекарства. Можно писать жалобы, но такая ситуация просто может быть опасной: пропуск в приеме некоторых лекарств может быть опасен для жизни.
Участники восьмого хакатона hacks-ai.ru должны были решить эту социально важную задачу. Хакатонщики собрались в Петербурге для решения кейса от Минпромторга по анализу складских запасов препаратов по регионам России.
Победитель этого хакатона – команда waico.ru – разработала платформу для анализа спроса и складских запасов препаратов по регионам. Решение учитывает не только запасы разных лекарств в каждом субъекте, но и позволяет позволяет спрогнозировать, сколько и каких лекарственных средств нужно на 1 месяц и 6–12 месяцев для каждого региона.
А участники команды MirITeam создала сервис, который учитывает зависимости между спросом, ценой, происхождением и остатком лекарств на складах, с использованием открытых данных: геоданные, плотность населения, количество поликлиник, больниц и аптек в каждом регионе и уровень заболеваемости коронавирусом. На сервисе также есть карточки препаратов с данными поставщиков (стоимость, количество, удаленность).
Полный текст статьи для РБК.Тренды
Итоговый видеоролик (10 городов 2021 года):
Больше PlugoNews:
telegram-канал @PlugoNews + zen.yandex.ru/plugotarenko + facebook.com/plugotarenko/ + www.plugotarenko.com