Проект «Как работает искусственный интеллект»

В ходе работы над исследовательским проектом по информатике на тему «Как работает искусственный интеллект» ученица 10 класса изучает основные принципы функционирования ИИ, особенности машинного обучения и нейронных сетей, а также способы обработки и анализа информации. Особое внимание уделяется процессу обучения искусственного интеллекта, распознаванию изображений, обработке текстов и формированию ответов на запросы пользователей.

В процессе работы над индивидуальным проектом по информатике о работе искусственного интеллекта автором также рассматриваются возможности применения ИИ в образовании, медицине, науке и повседневной жизни, а также его преимущества, ограничения и потенциальные риски. Проект способствует развитию цифровой грамотности, логического и критического мышления, а также пониманию роли современных технологий в жизни общества.

Оглавление

ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ
1.1 Основы искусственного интеллекта
1.2 Методы создания ИИ
1.3 Виды ИИ
1.4 Применение ИИ
ГЛАВА 2. ПРАКТИЧЕСКАЯ ЧАСТЬ
2.1 Проведение социального опроса
2.2 Выводы по социальному опросу
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

Актуальность: изучение искусственного интеллекта важно для понимания современных технологий и их влияния на общество. Это помогает понять, как ИИ может помочь в решении различных задач. Тема актуальна из-за быстрого развития технологий. Проект способствует развитию интереса к науке и технике.

Проблема: современные технологии активно используют искусственный интеллект, но многие люди не знают, как он работает и какие принципы лежат в его основе. Необходимость понять механизмы работы ИИ становится все более важной. Часто возникают вопросы о безопасности и этике использования ИИ. Поэтому важно изучить основы его функционирования и применения.

Цель: изучить основные принципы работы искусственного интеллекта, его виды и применение, а также провести социальный опрос для выяснения отношения людей к ИИ.

Задачи:

1. Изучить теоретические основы искусственного интеллекта;
2. Рассмотреть виды и методы создания ИИ;
3. Проанализировать применение ИИ в различных сферах;
4. Провести социальный опрос;
5. Подвести итоги.

Предмет исследования: искусственный интеллект и его применение
Объект исследования: технологии и методы работы искусственного интеллекта

Гипотеза: искусственный интеллект работает на основе алгоритмов машинного обучения и нейронных сетей, что позволяет ему самостоятельно обучаться и принимать решения.

Методы исследования:

1. Анализ научной литературы и онлайн-источников.
2. Сравнение и сопоставление полученных данных.
3. Социологический опрос.

 

Искусственный интеллект — это способность компьютерной системы выполнять задачи, которые обычно требуют человеческого мышления. К таким задачам относятся понимание текста, поиск закономерностей, распознавание изображений и выбор подходящего ответа. Однако компьютер не думает так же, как человек. Он обрабатывает данные по заданным правилам и находит в них связи, которые помогают получить результат.

Для работы искусственного интеллекта нужны данные и способ их обработки. Данные могут быть представлены текстом, числами, изображениями или звуковыми сигналами. Система анализирует их и вычисляет, какой результат наиболее вероятен. Например, если программа получила фотогра-фию животного, она сравнивает признаки изображения с теми, которые были знакомы ей раньше, и определяет, на какое животное снимок больше всего похож. Ответ зависит от качества данных и от того, насколько хорошо система научилась находить нужные признаки.

Важно отличать искусственный интеллект от обычной программы с заранее записанными командами. Такая программа выполняет конкретные инструкции: например, прибавляет два числа или проверяет, совпадает ли введённый пароль с сохранённым.

Система искусственного интеллекта может учитывать множество примеров и использовать найденные связи, чтобы обработать новый случай. При этом она не обладает человеческим сознанием и не понимает смысл так, как его понимает человек. Её ответ — результат вычислений, а не личного опыта или намерения.

Один из понятных примеров работы ИИ — обработка текста. Большая языковая модель получает фразу и определяет, какие слова или части слов могут идти дальше. Сначала текст разделяется на небольшие элементы — токены. Затем каждый токен представляется в виде чисел, то есть вектора. Благодаря этому компьютер может выполнять вычисления с элементами текста. Важен и порядок слов: один и тот же набор слов может иметь разный смысл в зависимости от их расположения в предложении. Поэтому при обработке учитывается позиция токенов [1].

После преобразования текста система оценивает вероятности возможного следующего токена. Например, в выражении «Зимой на улице часто лежит…» подходящими продолжениями могут быть слова «снег» или «лёд». Модель вычисляет, какой вариант лучше подходит к уже введённому контексту, выбирает токен и добавляет его к ответу. Затем процесс повторяется, пока не будет сформирована фраза. Так возникает текст, который выглядит связным, хотя система не проверяет каждое утверждение так, как это делает человек. Поэтому ответ может звучать убедительно, но содержать ошибку [1].

Чтобы результат работы ИИ был полезным, нужно учитывать его точность и ограничения. Система может ошибаться, если примеры для обучения неполные, некачественные или недостаточно похожи на новую задачу. Например, программа распознавания изображений может хуже работать с фотографиями, сделанными при слабом освещении, если в её данных почти не было таких снимков. По этой причине результат ИИ не всегда следует воспринимать как достоверный факт: в важных случаях его нужно проверять.

Искусственный интеллект используется не только для создания ответов на текстовые запросы. Это общее название для систем, которые обрабатывают информацию и решают разные задачи. В учебном пособии по ИИ рассматриваются принципы работы таких систем, машинное обучение, глубокое обучение, обработка естественного языка и генеративные языковые модели [2]. Для понимания темы важно помнить: эти понятия связаны с разными способами обработки данных, но основа работы системы остаётся общей — получить входную информацию, выполнить вычисления и выдать результат.

В России развитие искусственного интеллекта закреплено в государственных документах. Указ Президента Российской Федерации от 10 октября 2019 года № 490 утвердил Национальную стратегию развития искусственного интеллекта на период до 2030 года [3]. В нём также было предусмотрено внесение изменений в национальную программу «Цифровая экономика Российской Федерации», включая разработку федерального проекта «Искусственный интеллект» [3]. Этот пример показывает, что ИИ рассматривается не только как техническая тема, но и как направление, развитие которого требует общих правил и планирования.

Таким образом, искусственный интеллект — это компьютерная обработка данных, при которой система находит связи и использует их для ответа или решения задачи. Результат зависит от входной информации, устройства вычислений и качества найденных закономерностей. ИИ способен быстро анализировать большие объёмы данных, но его ответы могут быть неточными. Понимание этого принципа помогает оценивать возможности технологии без представления о ней как о машине, которая думает и понимает мир по-человечески.

Создание искусственного интеллекта начинается с определения задачи. Нужно точно установить, какой результат должна выдавать система и по каким признакам можно проверить её работу. Например, для программы, которая распознаёт брак на заводе, заранее задают два возможных ответа: изделие исправно или изделие повреждено.

Если цель сформулирована неточно, система может успешно выполнять расчёты, но давать бесполезный для пользователя результат. При разработке также учитывают условия применения: какие данные доступны, насколько важна точность и что произойдёт при ошибке. Оценивать систему следует по соответствующим задаче критериям, например по доле верных ответов и числу пропущенных дефектов [4].

После выбора задачи подготавливают данные. Для обучения программе передают примеры, которые помогают обнаружить связь между входной информацией и нужным ответом. Если система должна различать фотографии кошек и собак, ей нужны снимки обоих видов, а для каждого изображения — правильная отметка.

Данные проверяют на ошибки, повторения и несоответствия. Плохая подготовка приводит к тому, что программа усваивает случайные особенности вместо полезных закономерностей. Например, если на всех снимках собак присутствует один и тот же фон, система может начать определять животное по фону, а не по его внешнему виду.

Затем выбирают способ решения задачи и создают модель — математическое описание того, как программа будет связывать входные данные с ответом. Один из распространённых подходов состоит в том, чтобы задать системе примеры и позволить ей самостоятельно настраивать внутренние параметры. Этот процесс называется обучением. Сначала ответы модели могут быть неточными. Во время обучения её результаты сравнивают с правильными ответами, а параметры постепенно меняют так, чтобы уменьшить ошибку. После множества таких изменений модель обычно лучше справляется с похожими примерами.

Для разных задач подходят разные способы построения моделей. В одних случаях программист заранее задаёт правила: например, если температура превысила установленный предел, система отправляет предупреждение. Такой способ удобен, когда правила ясны и их немного. В других случаях невозможно перечислить все условия вручную. Тогда модель обучают на примерах, чтобы она находила закономерности в данных. Различие важно на практике: правило можно напрямую проверить и изменить, а поведение обученной модели зависит от примеров, на которых она настраивалась. Для сложных задач могут сочетаться оба подхода.

В машинном обучении качество результата зависит не только от выбранной модели, но и от того, как устроен процесс обучения. Обычно подготовленные примеры разделяют на части. Одна часть используется для настройки модели, а другая — для проверки её работы на данных, которые она не видела во время обучения. Такая проверка помогает понять, научилась ли система решать задачу в целом или лишь запомнила примеры. Если программа запомнила обучающие данные, но ошибается на новых, её нельзя считать надёжной. Для проверки могут использоваться отдельные показатели: например, доля правильных ответов или частота ошибок определённого типа.

Одного обучения недостаточно для создания готовой системы. После настройки модель испытывают в условиях, похожих на реальные, и проверяют, как она реагирует на необычные или неполные данные. Важно также следить за тем, не изменились ли условия задачи. Например, модель, обученная распознавать повреждения на снимках одного типа, может работать хуже, если камера или освещение изменились. Поэтому готовую систему прове-ряют после обновлений и при необходимости обучают заново на новых примерах.

Создание ИИ включает и организационные решения: необходимо определить, кто отвечает за подготовку данных, проверку результатов и исправление ошибок. ГОСТ Р 59277-2020 устанавливает принципы классификации систем искусственного интеллекта, чтобы повысить эффективность их применения при решении практических задач. Стандарт был введён впервые с 1 марта 2021 года [5]. Классификация помогает описывать системы и выбирать подход к их оценке с учётом назначения. Однако соответствие определённому классу само по себе не доказывает, что система хорошо решает конкретную задачу: её работу всё равно нужно проверять на подходящих данных.

История развития ИИ показывает, что методы создания систем меняются вместе с вычислительными возможностями и доступностью данных. В 1997 году компьютер IBM Deep Blue обыграл чемпиона мира по шахматам. В 2020 году GPT-3 могла создавать тексты, которые трудно отличить от написанных человеком, а в 2023 году GPT-4 продемонстрировала отдельные способности, напоминающие элементы общего искусственного интеллекта [6].

Эти примеры относятся к разным задачам и не означают, что одна система одинаково хорошо справляется со всеми видами работы. Они показывают, что качество ИИ зависит от выбранного метода, объёма и свойств данных, а также от того, насколько тщательно проверены результаты.

Таким образом, создание ИИ — это последовательная работа: постановка задачи, подготовка данных, выбор и обучение модели, проверка качества и последующее наблюдение за её результатами. Ошибка на любом этапе может повлиять на всю систему. Точные цели помогают выбрать нужные показатели, качественные примеры — научить модель полезным закономерностям, а испытания на новых данных — выявить ошибки до применения. Именно поэтому создание ИИ требует не только разработки алгоритма, но и постоянной проверки того, соответствует ли его работа поставленной задаче.

Искусственный интеллект можно разделить на виды по тому, насколько широк круг задач, которые система способна решать. Такое разделение помогает понять, чем отличаются знакомые цифровые помощники от более сложных систем, которые пока существуют только как идея. Важно учитывать, что один и тот же вид ИИ может применяться в разных областях, а границы между отдельными категориями не всегда строгие.

Самый распространённый вид — узкий, или специализированный, искусственный интеллект. Он создаётся для одной задачи или ограниченного набора похожих задач. Например, система распознавания речи может превращать произнесённые слова в текст, но это не означает, что она умеет самостоятельно управлять автомобилем или ставить медицинский диагноз. Навигационная программа выбирает маршрут с учётом заданных условий, однако не понимает дорогу так же, как человек. Узкий ИИ может быть очень точным и быстрым в своей области, но при изменении задачи обычно требуется другая система или дополнительная настройка.

К узкому ИИ относятся программы для распознавания изображений, перевода текстов, поиска нежелательных сообщений и игры в шахматы. Система, обученная находить кошек на фотографиях, не обязательно распознает дорожные знаки: для этого нужны другие примеры и критерии. Поэтому высокая точность в одной задаче не доказывает, что программа обладает общими знаниями или способностью рассуждать на любую тему. В учебных материалах по ИИ отдельно выделяются распознавание образов и обработка естественного языка, поскольку эти направления решают разные типы задач [7].

Отдельную группу составляют системы, которые ведут диалог и создают ответы на запросы. ChatGPT был выпущен в ноябре 2022 года, а к январю 2023 года его аудитория превысила 100 миллионов пользователей [8]. Такие программы могут отвечать на вопросы, составлять тексты и менять стиль ответа, но их возможности всё равно ограничены устройством и задачами системы. Умение поддерживать разговор само по себе не означает, что программа понимает мир так же, как человек, или всегда выдаёт верную информацию.

Более широкий вид ИИ называют общим, или сильным, искусственным интеллектом. Под этим понятием обычно понимают систему, способную выполнять разнообразные интеллектуальные задачи, переносить знания из одной области в другую и самостоятельно осваивать незнакомые ситуации. Например, такой системе пришлось бы уметь читать инструкцию, спланировать поездку, объяснить принятое решение и затем применить полученные знания в новой задаче.

Важно отличать эту теоретическую категорию от действующих узкоспециализированных систем: наличие убедительного диалога или хорошего результата в отдельной области ещё не подтверждает наличие общего ИИ. В научной литературе по искусственному интеллекту рассматриваются разные подходы к созданию разумных систем и к оценке их возможностей [9].

Иногда отдельно упоминают сверхинтеллект — гипотетический ИИ, который превосходил бы человеческие способности в большинстве интеллектуальных областей. Это не описание существующей программы, а предположение о возможном будущем. Обсуждение сверхинтеллекта связано с вопросами контроля и безопасности: если система сможет принимать решения в очень широком круге ситуаций, важно заранее определить границы её действий и способы проверки результатов. Однако нет оснований считать, что современные цифровые помощники уже достигли такого уровня.

ИИ также различают по способу работы и взаимодействия с задачей. Реактивная система отвечает на текущую ситуацию по заданным правилам или на основе вычисленного результата, но не использует долговременную память о прошлых событиях. Например, программа для настольной игры может выбирать ход, анализируя положение фигур на доске.

Система с ограниченной памятью учитывает сведения о предыдущих состояниях. Это особенно важно для задач, где ситуация меняется со временем: программа может сопоставить текущую обстановку с недавними наблюдениями и скорректировать решение. Такие категории описывают особенности поведения системы, а не то, насколько она похожа на человека.

Ещё одно различие связано с тем, какую способность система демонстрирует. ИИ для восприятия получает информацию из изображений, звука или других данных и определяет, что на них содержится. ИИ для работы с языком анализирует текст или создаёт ответы. Системы планирования выбирают последовательность действий для достижения заданной цели. Эти направления могут объединяться: например, робот способен распознать предмет камерой, выполнить команду на естественном языке и выбрать движение, чтобы взять этот предмет. Такое сочетание не превращает его автоматически в общий ИИ — система по-прежнему может быть ограничена конкретной обстановкой и набором задач.

Таким образом, основные виды ИИ отличаются широтой возможностей, способом обработки ситуации и типом решаемой задачи. Сегодня в повседневной жизни чаще всего используются узкие системы: они хорошо справляются с конкретными действиями, но не обладают универсальными способностями. Общий ИИ и сверхинтеллект остаются теоретическими категориями. Такое разделение позволяет точнее описывать возможности про-граммы и не путать успешное выполнение одной задачи с человеческим интеллектом.

Искусственный интеллект применяют там, где нужно быстро обработать много информации, найти в ней закономерности или подготовить прогноз. Такие системы могут выдавать рекомендации, прогнозы, решения и новый контент [10]. В повседневной жизни ИИ часто работает незаметно: помогает сортировать электронную почту, подбирать товары и фильмы, распознавать голосовые команды. В разных сферах он решает задачи, которые раньше требовали значительного времени специалиста, но результаты его работы нуждаются в проверке человеком.

В медицине ИИ помогает анализировать снимки и результаты обследований. Например, программа может выделить на рентгеновском изображении участок, который требует внимания врача. Это не означает, что система самостоятельно ставит диагноз: окончательное решение принимает медицинский специалист, учитывая состояние пациента и другие данные.

ИИ также может помогать сравнивать сведения из разных обследований и замечать изменения, которые важно проверить. Польза таких инструментов особенно заметна при большом потоке информации, однако ошибка в медицинской рекомендации может повлиять на здоровье, поэтому контроль врача необходим.

В финансах ИИ применяют для поиска подозрительных операций и оценки риска. Система сравнивает новую транзакцию с обычными действиями клиента и может отметить необычную покупку. Например, если карта обычно используется в одном регионе, а затем с неё быстро проводят крупную оплату в другом месте, операция может быть временно проверена. Такой сигнал не доказывает мошенничество, но помогает банку быстрее обратить внимание на возможную проблему. Алгоритмы также используют для оценки вероятности возврата кредита, однако решение не должно опираться на ошибочные или неполные сведения.

В образовании ИИ может подбирать задания с учётом того, какие темы ученик уже освоил, а какие вызывают затруднения. Если в серии упражнений часто встречаются ошибки, система способна предложить дополнительные примеры по этой теме. Учитель при этом видит, какие задания оказались сложными для класса, и может уделить им больше времени. Генеративные инструменты способны создавать черновики объяснений, вопросы и учебные материалы, но полученные ответы могут содержать неточности. Поэтому их следует сверять с учебником и другими надёжными материалами, а не использовать без проверки.

На транспорте ИИ помогает анализировать дорожную обстановку, оценивать загруженность дорог и выбирать маршрут. Навигационная система учитывает сведения о движении и может предложить объезд затора. На производстве алгоритмы анализируют показания датчиков и помогают заметить признаки неисправности оборудования до его поломки. Если температура или вибрация станка изменяется необычным образом, система может предупредить работников о необходимости осмотра. Это снижает риск незапланированной остановки, но не заменяет техническое обслуживание.

В сельском хозяйстве ИИ применяют для оценки состояния посевов по изображениям и данным датчиков. Такие сведения помогают обнаружить участок, где растениям не хватает влаги или появились признаки болезни. Фермер может направить внимание и ресурсы именно туда, а не обрабатывать всё поле одинаково. Результат зависит от качества данных: затенение, плохая съёмка или неисправный датчик могут привести к неверной оценке.

Отдельное направление — обработка текста, изображений и речи. Генеративный ИИ способен создавать новые материалы, похожие по свойствам на данные, на которых он обучался: например, составлять текст, изображение, видео, музыку или программный код [10]. Такие средства используют для подготовки черновиков, перевода, поиска идей и создания макетов. Например, сотрудник может попросить систему кратко изложить большой документ, а затем проверить, не пропущены ли важные условия. Сгенерированный ответ не обязательно является достоверным: система может уверенно сформулировать фактическую ошибку или не учесть нужный контекст.

Практическое применение ИИ охватывает медицину, финансы, образование и другие области; среди задач машинного обучения встречаются классификация данных, прогнозирование числовых значений и поиск групп со сходными признаками [11]. Например, классификация помогает распределить обращения клиентов по темам, а прогнозирование — оценить будущую нагрузку на службу поддержки. Подходящий способ обработки зависит от задачи и данных, поэтому одна и та же система не подходит для любых условий.

При внедрении ИИ важны защита личной информации, проверка качества результатов и понимание ограничений системы. Если данные неполные или содержат перекосы, рекомендации могут оказаться несправедливыми или неточными. Поэтому в решениях, влияющих на здоровье, деньги, обучение или безопасность людей, необходима ответственность специалистов.

ИИ приносит наибольшую пользу как инструмент, который ускоряет обработку сведений и помогает человеку принимать обоснованные решения, но не освобождает от проверки результата. История развития этой области и экспертные системы показывают, что ИИ применяется для поддержки решения задач, где требуется обработка знаний и логических связей [12].
 

Искусственный интеллект — это технологии, которые помогают компьютерам решать задачи: распознавать речь, находить информацию и создавать тексты. Чтобы выяснить, что учащиеся старшей школы знают о его работе и применении, был проведён опрос.
В рамках практической части было принято решение провести социальный опрос среди 25 школьников с целью выяснить, что учащиеся старшей школы знают о работе и применении искусственного интеллекта.

Анкета состояла из 5 вопросов следующего содержания:
1 Как Вы понимаете, что такое искусственный интеллект?

• Компьютерная система, которая выполняет задачи, требующие ра-зумных действий, — 15 человек (60%)
• Любая компьютерная программа, — 7 человек (28%)
• Не знаю, — 3 человека (12%)

2 Где Вы чаще всего встречаете искусственный интеллект?

• В поисковых системах и рекомендательных сервисах, — 10 человек (40%)
• В голосовых помощниках и чат-ботах, — 9 человек (36%)
• В других приложениях, — 6 человек (24%)

3 Как, по Вашему мнению, искусственный интеллект учится выполнять задачи?

• Анализирует большое количество примеров и данных, — 14 человек (56%)
• Получает готовые ответы от человека, — 7 человек (28%)
• Не знаю, — 4 человека (16%)

4 Пользовались ли Вы инструментами искусственного интеллекта для учёбы?

• Да, регулярно, — 8 человек (32%)
• Да, иногда, — 12 человек (48%)
• Нет, — 5 человек (20%)

5 Как Вы считаете, нужно ли проверять ответы искусственного интеллекта?

• Да, потому что он может ошибаться, — 20 человек (80%)
• Нет, его ответам можно доверять, — 2 человека (8%)
• Затрудняюсь ответить, — 3 человека (12%)

По результатам опроса большинство участников понимают, что искусственный интеллект обучается на данных, и встречают его в цифровых сервисах. 80% опрошенных считают, что ответы ИИ нужно проверять, поскольку система может ошибаться.

Инструментами искусственного интеллекта для учёбы хотя бы иногда пользовались 80% участников. Это показывает, что такие технологии уже применяются в учебных задачах, но важно оценивать достоверность полученных ответов.

Результаты опроса показывают, что большинство участников имеют общее представление об искусственном интеллекте. 15 из 25 школьников (60%) определили его как компьютерную систему, выполняющую задачи, для которых обычно требуются разумные действия. При этом 7 участников считают искусственным интеллектом любую компьютерную программу. Это указывает на то, что понятия «искусственный интеллект» и «обычная программа» иногда смешиваются. На деле ИИ отличается тем, что может находить закономерности в данных и использовать их для решения задач.

Ответы о том, как искусственный интеллект учится, подтверждают этот вывод. 14 человек (56%) правильно отметили, что ИИ анализирует большое количество примеров и данных. Ещё 7 участников полагают, что система по-лучает готовые ответы от человека, а 4 человека не знают, как происходит обучение.

Искусственный интеллект обычно не «понимает» данные как человек: алгоритм выявляет в них повторяющиеся связи и на их основе формирует ответы или прогнозы.
Результаты о повседневном использовании показывают, что участники встречают ИИ в разных цифровых сервисах. 10 человек (40%) назвали поисковые системы и рекомендательные сервисы, 9 (36%) — голосовых помощников и чат-ботов. Это закономерно: такие инструменты обрабатывают запросы пользователей, распознают речь или подбирают материалы на основе данных и прежних действий.

Большинство опрошенных применяют инструменты искусственного интеллекта для учёбы: 8 человек делают это регулярно, а 12 — иногда. При этом 5 участников не пользуются ими. Такая разница показывает, что ИИ стал доступным учебным инструментом, но используется не всеми. Он может помочь найти объяснение или составить план, однако полученные материалы важно проверять и дополнять надёжными источниками.

Гипотеза о том, что учащиеся старшей школы знакомы с искусственным интеллектом и пользуются им, в целом подтверждается: 80% участников применяли ИИ для учёбы хотя бы иногда, а большинство смогли назвать примеры его использования и объяснить основы обучения. Одновременно ответы показывают, что знания не у всех точные. Особенно важен результат о проверке информации: 20 человек (80%) считают, что ответы ИИ могут содержать ошибки. Это подтверждает необходимость не только пользоваться такими системами, но и критически оценивать их результаты.
 

В результате работы над индивидуальным проектом по информатике на тему «Как работает искусственный интеллект» ученица 10 класса приходит к выводу о том, что искусственный интеллект — это компьютерные технологии, которые помогают решать задачи, обычно требующие человеческих способностей: распознавать речь и изображения, находить нужную информацию, переводить тексты и создавать ответы.

Работа ИИ основана на алгоритмах — последовательностях действий, по которым компьютер обрабатывает данные. В машинном обучении система анализирует примеры и выявляет закономерности, а затем использует их для решения новых задач. Нейронные сети — один из методов машинного обучения. Их устройство частично напоминает работу нервных клеток, но сами сети остаются математическими моделями. ИИ может находить вероятные ответы, однако это не означает, что он понимает информацию так же, как человек.

Для создания ИИ используют разные методы. Система может следовать заранее заданным правилам, обучаться на примерах или сочетать несколько подходов. По возможностям различают узкий ИИ, предназначенный для отдельных задач, и общий ИИ, который мог бы решать широкий круг задач на уровне человека. Современные системы относятся к узкому ИИ. Они применяются в поисковых системах, рекомендательных сервисах, голосовых помощниках, медицине, образовании и других сферах. ИИ помогает быстрее обрабатывать информацию, но может ошибаться, поэтому его ответы важно проверять.

Для практической части исследовательского проекта по информатике «Как работает искусственный интеллект» был проведён опрос 25 учащихся старшей школы. 15 человек, или 60%, определили ИИ как компьютерную систему, выполняющую задачи, требующие разумных действий. Большинство участников чаще всего встречают его в поисковых системах и рекомендательных сервисах — 10 человек (40%), а также в голосовых помощниках и чат-ботах — 9 человек (36%). 14 опрошенных (56%) считают, что ИИ учится, анализируя большое количество примеров и данных. Инструментами ИИ для учёбы регулярно пользуются 8 человек (32%), иногда — 12 человек (48%). Таким образом, хотя бы иногда ими пользуются 20 человек, или 80%. При этом 20 участников (80%) считают, что ответы ИИ нужно проверять, потому что система может ошибаться.

Цель работы достигнута: изучены основные принципы работы искусственного интеллекта, его методы, виды и применение, а также проведён опрос об отношении учащихся к ИИ. Поставленные задачи выполнены: рассмотрены теоретические основы, методы и виды ИИ, изучены примеры его применения и подведены итоги опроса. Результаты опроса показывают, что большинство участников имеют общее представление об обучении ИИ на данных, встречают его в цифровых сервисах и используют для учёбы. Одно-временно большинство понимает необходимость проверки ответов.

Гипотеза в целом подтвердилась: машинное обучение и нейронные сети действительно помогают ИИ находить закономерности в данных и выполнять задачи. Однако утверждение о самостоятельном принятии решений требует уточнения: ИИ действует в рамках созданных человеком алгоритмов и может выдавать ошибочные результаты. Поэтому искусственный интеллект полезен как инструмент для обработки информации и решения отдельных задач, но его ответы не следует считать безошибочными или заменой человеческой оценки.
 

1. Siebert Dr. Julien, Kelbert Patricia. Wie funktionieren LLMs? Ein Blick ins Innere großer Sprachmodelle // Blog des Fraunhofer IESE. — 2024. — URL: https://www.iese.fraunhofer.de/blog/wie-funktionieren-llms/ (дата обращения: 17.10.2026).
2. Истратова Е. Е., Антонянц Е. Н. Системы искусственного интеллекта и машинное обучение. — Новосибирский государственный технический университет (Изд-во НГТУ), 2025.
3. Указ Президента Российской Федерации от 10.10.2019 г. № 490 // Президент России (kremlin.ru). — 2019. — URL: http://kremlin.ru/acts/bank/44731 (дата обращения: 17.10.2026).
4. Искусственный интеллект: как работает и критерии оценки // CyberLeninka. — 2026. — URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-kak-rabotaet-i-kriterii-otsenki/viewer (дата обращения: 17.10.2026).
5. ГОСТ Р 59277-2020. Национальный стандарт РФ: системы искусственного интеллекта. Классификация систем искусственного интеллекта // ГАРАНТ. — 2020. — URL: https://base.garant.ru/400794448/ (дата обращения: 17.10.2026).
6. Воронцов К.В. Обзорная лекция по ИИ // MachineLearning.ru. — 2024. — URL: http://www.machinelearning.ru/wiki/images/3/37/Voron-2024-09-27.pdf (дата обращения: 17.10.2026).
7. Левченко И. В., Павлова А. Е., Садыкова А. Р. МОДУЛЬ "ВВЕДЕНИЕ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ" В ОБЩЕОБРАЗОВАТЕЛЬНОМ КУРСЕ ИНФОРМАТИКИ // КиберЛенинка. — 2020. — URL: https://cyberleninka.ru/article/n/modul-vvedenie-v-iskusstvennyy-intellekt-v-obscheobrazovatelnom-kurse-informatiki (дата обращения: 17.10.2026).
8. Cataldo, Janelle Lynn. INTRODUCTION TO AI // ICEF2.0. — 2024. — URL: https://icef.go.jp/wp-con-tent/themes/icef_new/pdf/roadmap/2024/01_ICEF2.0%20Intro%20to%20AI_stand%20alone.pdf (дата обращения: 17.10.2026).
9. Рассел Стюарт, Норвиг Питер. Искусственный интеллект : современный подход : перевод с английского // НЭБ (Российская государственная библиотека). — 2021. — URL: https://rusneb.ru/catalog/000199_000009_010711036/ (дата обращения: 17.10.2026).
10. ИСО - Что такое искусственный интеллект (ИИ)? // ISO. — 2026. — URL: https://www.iso.org/ru/artificial-intelligence/what-is-ai (дата обращения: 17.10.2026).
11. Поладов Ш. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ: ТЕХНОЛОГИИ БУДУЩЕГО // КиберЛенинка. — 2026. — URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-i-mashinnoe-obuchenie-tehnologii-buduschego (дата обращения: 17.10.2026).
12. Масленникова Ольга Евгеньевна, Гаврилова Ирина Викторовна. Основы искусственного интеллекта // ЭБС Znanium; издательство ФЛИНТА. — 2019. — URL: https://znanium.ru/catalog/document?id=342767 (дата обращения: 17.10.2026).

 

Диаграмма 1.1 — Вопрос 1

Диаграмма 1.2 — Вопрос 2

Диаграмма 1.3 — Вопрос 3

Диаграмма 1.4 — Вопрос 4

Диаграмма 1.5 — Вопрос 5