В разделе раскрывается тема проекта и объясняется, почему исследование искусственного интеллекта связано с современными задачами информатики и цифровой грамотности. Формулируются проблема, актуальность, цель, задачи, объект и предмет исследования, а также описывается предполагаемый практический результат. Отдельно обозначаются методы работы: изучение источников, анализ данных, разработка прототипа и проверка его качества.

Пункт посвящён определению искусственного интеллекта и рассмотрению его основных направлений: экспертных систем, машинного обучения, компьютерного зрения и обработки естественного языка. Кратко прослеживается развитие области от идей середины XX века до современных генеративных моделей. Также проводится различие между автоматизацией по правилам и обучением системы на данных.

В разделе сравниваются обучение с учителем, обучение без учителя и обучение с подкреплением. Объясняется, какие задачи решают классификация, регрессия и кластеризация, какие данные требуются для каждого подхода и почему выбор алгоритма зависит от цели эксперимента. Приводятся примеры применения методов и ограничения, влияющие на достоверность получаемых результатов.

Пункт описывает путь данных от сбора до передачи в модель: очистку, удаление дубликатов, обработку пропусков, кодирование категорий и масштабирование числовых признаков. Рассматривается разделение выборки на обучающую, проверочную и тестовую части. Отдельное внимание уделяется репрезентативности данных, защите персональной информации и риску появления смещения.

В разделе объясняется устройство искусственного нейрона, роль весов, смещения, функции активации и последовательных слоёв. Рассматриваются особенности полносвязных, свёрточных и рекуррентных сетей, а также области их применения. Описывается, как при обратном распространении ошибки изменяются параметры сети и почему увеличение сложности архитектуры не всегда повышает качество.

Пункт представляет практическую часть: выбор задачи, определение входных признаков и целевого результата, подготовку данных и выбор инструмента разработки. Последовательно описываются настройка среды, обучение модели, сохранение параметров и запуск предсказаний для новых примеров. Результаты сопровождаются фрагментами кода или экранными материалами, чтобы сделать эксперимент воспроизводимым.

В разделе описывается проверка прототипа на данных, которые не использовались при обучении. Приводятся выбранные метрики, таблицы или диаграммы результатов, примеры правильных и ошибочных предсказаний. Анализируются переобучение, недостаток данных, неудачный выбор признаков и другие причины ошибок, после чего предлагаются способы улучшения модели.

Пункт раскрывает социальные и технические риски применения искусственного интеллекта: утечку персональных данных, алгоритмическую предвзятость, непрозрачность решений, генерацию недостоверной информации и зависимость от качества выборки. Формулируются правила ответственного использования прототипа, необходимость человеческой проверки и границы задач, для которых разработанная система не должна применяться.

В заключении кратко сопоставляются поставленные задачи и полученные результаты теоретического и практического этапов. Оценивается, удалось ли создать работоспособный прототип, какие показатели качества он продемонстрировал и какие ограничения были выявлены. Формулируются направления дальнейшего развития: расширение набора данных, настройка алгоритма, улучшение интерфейса и проведение дополнительных экспериментов.

В разделе приводятся все использованные источники: учебники по информатике и машинному обучению, научно-популярные материалы, официальная документация программных библиотек и описания открытых наборов данных. Источники оформляются единообразно с указанием автора или организации, названия, года публикации и ссылки, если материал размещён в интернете. Перечень должен позволять проверить теоретические сведения и результаты практической части.