這個高中生僅靠在線學習成為Kaggle AI大牛，引起Google注意

如果你深入人工智能領域，那麼不可能不知道Kaggle。

這個AI編程競技平臺最近會員數已超100萬人，證明了該平臺在人工智能領域的地位。在排名榜單上處於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，最近在一場關於如何在同一平臺上開發出檢測重複廣告的算法比賽中排名第二。

由於他的技巧、熱情和在社區內的合作態度，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只有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所在的高中位於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。

“網上有很多免費的課程，但實際上我沒怎麼上過。當我有一個大問題想要解決時，我只會谷歌搜索，找到答案，所以我沒有遵循傳統的學習方式。後來我在網上看到Kaggle，我想，‘為什麼不試試呢’?”

Mikel不遺餘力地把心思放在了Kaggle上，他稱自己是“16yo決策樹擁躉”。“我喜歡數據，我喜歡挑戰。”他這樣說。

Mikel在過去幾個月的時間裡參加了各種各樣的競賽，並越來越厲害，他幫助創建了一個算法，使用計算機視覺分析800萬個YouTube視頻，以創建準確的標籤。這使得他所在的團隊在650個團隊中脫穎而出，位列第七。

這引起了谷歌的注意，他們請Mikel在2017年的計算機視覺和模式識別大會上展示他的作品與團隊，這是一個著名的計算機視覺會議，前段時間已在夏威夷召開。

Mikel的Kaggle主頁

Mikel的項目的目標是使用人工智能和機器學習來掃描YouTube視頻，並決定對哪些視頻使用哪些標籤。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，因為需要程序瞭解視頻和簡介中的內容，並選擇正確的標籤。

這種打標籤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，這是標籤B’……不過這意味著大量的計算，因為數據集本身就有8TB。這是一個挑戰。”

Mikel將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，關於AI他還有很多不知道的。

“雖然我能實操，但我並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，並且更容易瞭解它們可以在何處發揮作用。”

來源：Mashable

作者：Pete Pachal

智能觀 編譯