Šiais metais studentai iš viso Didžiojo Bostono regiono turėjo galimybę pritaikyti savo naujus įgūdžius realaus pasaulio pramonės projektuose, dalyvaudami patyriminio mokymosi galimybėje, kurią siūlo „Break Through Tech“. AI MIT.
„Break Through Tech AI“ yra bandomoji programa, kurią organizuoja MIT Schwarzman kompiuterijos koledžas, kuria siekiama užpildyti talentų atotrūkį tarp moterų ir nepakankamai atstovaujamų lyčių kompiuterių srityse, teikiant įgūdžiais pagrįstus mokymus, su pramone susijusius aplankus ir kuruojant bakalauro studijų studentams. regionines didmiesčių zonas, kad jos būtų konkurencingesnės karjeros duomenų mokslo, mašininio mokymosi ir dirbtinio intelekto srityse.
„Tokios programos kaip „Break Through Tech AI“ suteikia mums galimybę užmegzti ryšį su kitais studentais ir kitomis institucijomis ir leidžia mums pritaikyti MIT vertybes – įvairovę, teisingumą ir įtrauktį į mokymąsi ir pritaikymą mūsų turimose erdvėse“, – sako Alana Anderson. MIT Schwarzman skaičiavimo koledžo įvairovės, teisingumo ir įtraukimo dekano padėjėjas.
Inauguracinė grupė, kurią sudaro 33 studentai iš 18 Didžiojo Bostono rajono mokyklų, įskaitant Seilemo valstijos universitetą, Smitho koledžą ir Brandeis universitetą, praėjusią vasarą pradėjo nemokamą 18 mėnesių programą aštuonių savaičių internetiniu įgūdžiais pagrįstu kursu, skirtu išmokti AI ir mašininio mokymosi pagrindai. Tada rudenį studentai pasiskirstė į mažas grupes ir bendradarbiauja įgyvendindami šešis mašininio mokymosi iššūkių projektus, kuriuos jiems pristatė „MathWorks“, „MIT-IBM Watson AI Lab“ ir „Replicate“. Studentai kiekvieną savaitę skyrė penkias ar daugiau valandų susitikti su savo komandomis, mokytojų padėjėjais ir projektų patarėjais, įskaitant susitikimą kartą per mėnesį MIT, kartu derindami savo įprastą akademinių kursų krūvį su kita kasdiene veikla ir pareigomis.
Iššūkiai suteikė studentams galimybę prisidėti prie realių projektų, prie kurių dirba pramonės organizacijos, ir išbandyti savo mašininio mokymosi įgūdžius. Kiekvienos organizacijos nariai taip pat dirbo projektų patarėjais, padrąsindami ir patardami komandoms.
„Studentai įgyja pramonės patirties glaudžiai bendradarbiaudami su savo projektų patarėjais“, – sako Aude Oliva, MIT Schwarzman kompiuterijos koledžo strateginio pramonės įsipareigojimo direktorius ir MIT-IBM Watson AI laboratorijos MIT direktorius. „Šie projektai bus jų mašininio mokymosi portfelio priedas, kuriuo jie galės pasidalyti kaip darbo pavyzdžiu, kai bus pasirengę kreiptis dėl darbo dirbtinio intelekto srityje.
Per 15 savaičių komandos gilinosi į didelio masto realaus pasaulio duomenų rinkinius, kad galėtų mokyti, išbandyti ir įvertinti mašininio mokymosi modelius įvairiuose kontekstuose.
Gruodžio mėnesį studentai šventė savo darbo vaisius MIT surengtame demonstraciniame renginyje, kuriame šešios komandos pristatė paskutinius savo AI projektų pristatymus. Projektai ne tik leido studentams įgyti AI ir mašininio mokymosi patirtį, bet ir padėjo „patobulinti jų žinių bazę ir įgūdžius pristatant savo darbus tiek techninei, tiek netechninei auditorijai“, – sako Oliva.
Eismo duomenų analizės projektui mokiniai mokėsi naudotis MATLAB – „MathWorks“ sukurta programavimo ir skaitmeninio skaičiavimo platforma – sukurti modelį, leidžiantį priimti savarankiško vairavimo sprendimus, numatant būsimas transporto priemonių trajektorijas. „Svarbu suvokti, kad AI nėra toks protingas. Tai tik tiek protinga, kiek jūs darote, ir būtent tai mes stengėmės padaryti“, – sakė Brandeis universiteto studentė Srishti Nautiyal, pristatydama žiūrovams savo komandos projektą. Įmonėms, jau gaminančioms autonomines transporto priemones nuo lėktuvų iki sunkvežimių, realybe, fizikos ir matematikos specialybės specialistė Nautiyal pasidalijo, kad jos komanda taip pat buvo labai motyvuota atsižvelgti į etinius technologijos klausimus savo modelyje, skirtame keleivių, vairuotojų ir pėsčiųjų saugai. .
Naudoti surašymo duomenis modeliui parengti gali būti sudėtinga, nes jie dažnai yra netvarkingi ir pilni skylių. MIT-IBM Watson AI Lab algoritminio teisingumo projekte sunkiausia užduotis komandai buvo išvalyti kalnus nesutvarkytų duomenų taip, kad jie vis tiek galėtų iš jų gauti įžvalgų. Projektas, kurio tikslas buvo sukurti sąžiningumo demonstravimą, taikomą realiam duomenų rinkiniui, siekiant įvertinti ir palyginti skirtingų sąžiningumo intervencijų ir sąžiningos metrinės mokymosi metodų efektyvumą, galiausiai galėtų tapti mokomuoju šaltiniu duomenų mokslininkams, norintiems sužinoti apie teisingumą dirbtinio intelekto srityje ir jį naudoti. savo darbe, taip pat skatinti mašininio mokymosi modelių etinių pasekmių pramonėje vertinimo praktiką.
Kiti iššūkių projektai apėmė ML padedamą lentą, skirtą netechniniams žmonėms sąveikauti su paruoštais mašininio mokymosi modeliais, ir gestų kalbos atpažinimo modelį, padedantį neįgaliesiems bendrauti su kitais. Komanda, kuri dirbo su vaizdinės kalbos programėle, nusprendė į savo modelį įtraukti daugiau nei 50 kalbų, kad milijonai žmonių, turinčių regėjimo negalią, galėtų pasiekti daugiau visame pasaulyje. Pasak komandos, panašios programėlės rinkoje šiuo metu siūlo tik iki 23 kalbų.
Visą semestrą studentai atkakliai demonstravo kruopštumą, siekdami kirsti savo projektų finišo liniją. Pasibaigus rudens semestro baigiamiesiems pristatymams, studentai pavasarį grįš į MIT ir tęs savo „Break Through Tech AI“ kelionę ir įveiktų kitą AI projektų etapą. Šį kartą mokiniai dirbs su „Google“ sprendžiant naujus mašininio mokymosi iššūkius, kurie leis jiems dar labiau patobulinti savo AI įgūdžius, siekiant sėkmingos dirbtinio intelekto karjeros.
