В разделе объясняется, почему искусственный интеллект стал заметной частью современной цифровой среды и почему его изучение важно для школьников. Формулируются проблема, цель, задачи и ожидаемый продукт проекта, а также кратко обозначаются методы работы: анализ источников, сравнение примеров и проведение простого практического эксперимента.

Здесь раскрывается значение термина «искусственный интеллект» и рассматриваются признаки интеллектуальной системы: работа с данными, распознавание объектов, обучение на примерах, прогнозирование и принятие решений. Раздел помогает отличить ИИ от обычной программы и показывает, что возможности алгоритма всегда зависят от поставленной задачи.

Раздел посвящён ключевым этапам развития искусственного интеллекта: появлению термина в 1956 году, ранним экспертным системам, развитию компьютерных вычислений и современному распространению нейронных сетей. Примеры достижений Deep Blue, распознавания изображений и генеративных моделей показывают, как менялись методы и области применения.

В этом пункте рассматриваются основные подходы машинного обучения: обучение с учителем, без учителя и с подкреплением. Объясняется, как нейронная сеть получает входные данные, изменяет параметры во время обучения и формирует результат, а также почему разделение данных на обучающую и проверочную выборки помогает оценивать качество модели.

Раздел содержит обзор использования ИИ в медицине, образовании, транспорте, промышленности, финансах, средствах массовой информации и бытовых цифровых сервисах. Для каждой области приводятся конкретные задачи: анализ снимков, рекомендации, прогнозирование, распознавание речи или автоматизация управления, что позволяет сравнить пользу и ограничения технологий.

Здесь анализируются сильные стороны искусственного интеллекта, включая быструю обработку больших массивов данных, повторяемость операций и помощь специалистам. Одновременно рассматриваются ошибки, переобучение, предвзятость данных, защита персональной информации, авторские права и необходимость человеческого контроля при принятии важных решений.

В практическом разделе описывается подготовка небольшого набора примеров для классификации, например изображений предметов или характеристик объектов. Участники определяют признаки и классы, удаляют неоднозначные записи, делят данные на обучающую и проверочную части и объясняют, почему точность результата зависит от полноты и правильности исходной информации.

Пункт посвящён проведению простого эксперимента в онлайн-сервисе или учебной программной среде. Модель обучается на подготовленных примерах, затем получает новые данные, а результаты сравниваются с правильными ответами. Итогом становится объяснение ошибок, оценка качества классификации и формулировка правил безопасной интерпретации результата.

В заключении обобщаются сведения о понятии искусственного интеллекта, его методах, практических возможностях и ограничениях. Сопоставляются результаты теоретического анализа и эксперимента, подтверждается зависимость работы модели от данных и формулируются рекомендации: проверять ответы алгоритмов, не передавать лишние персональные сведения и сохранять ответственность человека.

В разделе приводятся использованные источники: учебники по информатике, материалы научных организаций, документы государственных и международных учреждений, а также официальные страницы разработчиков технологий. Для каждого источника указываются автор или организация, название, год публикации и ссылка, если материал размещён в интернете, чтобы сведения можно было проверить.