如果你深入人工智能領域,那麼不可能不知道Kaggle。
這個AI編程競技平台最近會員數已超100萬人,證明了該平台在人工智能領域的地位。在排名榜單上處于領先地位的參賽者是Mikel bober-irizar。他目前在Kaggle比賽中排名84,在“Kernel Masters”中排名第二。在過去的一年裡,他共參加了39項比賽,最近在一場關于如何在同一平台上開發出檢測重複廣告的算法比賽中排名第二。
由于他的技巧、熱情和在社區内的合作态度,Mikel成為了Kaggle,甚至更大的AI交流社區中冉冉升起的新星。
不可思議的是,Mikel隻有16歲。
更加不可思議的是,Mikel在機器學習和人工智能方面的編程技能幾乎完全是自學的!
Mikel所在的高中位于倫敦郊外的吉爾福德(Guildford),這所學校沒有建立與AI系統相關的任何課程。在過去的幾年裡,Mikel在互聯網上花了大量時間閱讀文章和觀看視頻,研究人工智能和機器學習。
Mikel的Kaggle主頁
Mikel的項目的目标是使用人工智能和機器學習來掃描YouTube視頻,并決定對哪些視頻使用哪些标簽。看似很簡單,但這是一個非常具有挑戰性的計算機視覺技術問題,因為需要程序了解視頻和簡介中的内容,并選擇正确的标簽。
這種打标簽技術在照片上已經很難實現了(參見谷歌和Facebook的研究),在視頻上挑戰更大,因為可供技術人員訓練模型的公共數據集很少。
“我們編寫了自己的神經網絡,” Mikel解釋道,“可以提供一系列訓練好的視頻,再用它們訓練一個算法,使之應用在新視頻上,然後說‘哦,這是标簽B’……不過這意味着大量的計算,因為數據集本身就有8TB。這是一個挑戰。”
Mikel将繼續從事他熱愛的人工智能領域工作,不過,他現在的首要任務就是從高中畢業,當然也包括從大學畢業。他夢想的學校是麻省理工學院、加州大學-伯克利分校和劍橋大學。Mikel是個有自知之明的人,他知道自己有天賦和技能,但他也明白,關于AI他還有很多不知道的。
“雖然我能實操,但我并不知道所有算法背後的數學知識,我認為對技術的工作原理有一個系統的理解是非常重要的。因為,即使我做不到從零開始創作這些理論,我也會知道它們,并且更容易了解它們可以在何處發揮作用。”
來源:Mashable
作者:Pete Pachal
智能觀 編譯
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!