这个高中生仅靠在线学习成为Kaggle大牛，引起Google注意

如果你深入人工智能领域，那么不可能不知道Kaggle。

这个AI编程竞技平台最近会员数已超100万人，证明了该平台在人工智能领域的地位。在排名榜单上处于领先地位的参赛者是Mikel bober-irizar。他目前在Kaggle比赛中排名84，在“Kernel Masters”中排名第二。在过去的一年里，他共参加了39项比赛，最近在一场关于如何在同一平台上开发出检测重复广告的算法比赛中排名第二。

由于他的技巧、热情和在社区内的合作态度，Mikel成为了Kaggle，甚至更大的AI交流社区中冉冉升起的新星。

不可思议的是，Mikel只有16岁。

更加不可思议的是，Mikel在机器学习和人工智能方面的编程技能几乎完全是自学的！

Mikel所在的高中位于伦敦郊外的吉尔福德(Guildford)，这所学校没有建立与AI系统相关的任何课程。在过去的几年里，Mikel在互联网上花了大量时间阅读文章和观看视频，研究人工智能和机器学习。

“网上有很多免费的课程，但实际上我没怎么上过。当我有一个大问题想要解决时，我只会谷歌搜索，找到答案，所以我没有遵循传统的学习方式。后来我在网上看到Kaggle，我想，‘为什么不试试呢’?”

Mikel不遗余力地把心思放在了Kaggle上，他称自己是“16yo决策树拥趸”。“我喜欢数据，我喜欢挑战。”他这样说。

Mikel在过去几个月的时间里参加了各种各样的竞赛，并越来越厉害，他帮助创建了一个算法，使用计算机视觉分析800万个YouTube视频，以创建准确的标签。这使得他所在的团队在650个团队中脱颖而出，位列第七。

这引起了谷歌的注意，他们请Mikel在2017年的计算机视觉和模式识别大会上展示他的作品与团队，这是一个著名的计算机视觉会议，前段时间已在夏威夷召开。

Mikel的Kaggle主页

Mikel的项目的目标是使用人工智能和机器学习来扫描YouTube视频，并决定对哪些视频使用哪些标签。看似很简单，但这是一个非常具有挑战性的计算机视觉技术问题，因为需要程序了解视频和简介中的内容，并选择正确的标签。

这种打标签技术在照片上已经很难实现了(参见谷歌和Facebook的研究)，在视频上挑战更大，因为可供技术人员训练模型的公共数据集很少。

“我们编写了自己的神经网络，” Mikel解释道，“可以提供一系列训练好的视频，再用它们训练一个算法，使之应用在新视频上，然后说‘哦，这是标签B’……不过这意味着大量的计算，因为数据集本身就有8TB。这是一个挑战。”

Mikel将继续从事他热爱的人工智能领域工作，不过，他现在的首要任务就是从高中毕业，当然也包括从大学毕业。他梦想的学校是麻省理工学院、加州大学-伯克利分校和剑桥大学。Mikel是个有自知之明的人，他知道自己有天赋和技能，但他也明白，关于AI他还有很多不知道的。

“虽然我能实操，但我并不知道所有算法背后的数学知识，我认为对技术的工作原理有一个系统的理解是非常重要的。因为，即使我做不到从零开始创作这些理论，我也会知道它们，并且更容易了解它们可以在何处发挥作用。”

---

来源：Mashable

作者：Pete Pachal

智能观 编译