От графов до нейросетей: как выстроить кружок по ИИ на базе школьной математики
Аннотация. В статье предлагается практический подход к созданию школьного кружка по искусственному интеллекту, стартующий с тем, которые уже знакомы учащимся из курсов математики и информатики (графы, логика, статистика), и постепенно выводящий к основам машинного обучения и нейросетей. Описываются цели, структура, необходимое программное обеспечение и ожидаемые результаты.
Ключевые слова: искусственный интеллект, кружок по ИИ, школьная математика, графы, нейросети, профориентация.
Введение
Искусственный интеллект перестал быть темой только для вузов и IT-компаний. Школьники хотят понимать, как работают нейросети, ChatGPT, распознавание лиц. Но при попытке вести кружок по ИИ многие педагоги сталкиваются с проблемой: либо предлагаются «игрушечные» онлайн-конструкторы без математики, либо сразу идёт сложный код и высшая математика.
В данной статье описывается третий путь:выстроить кружок на базе уже знакомой школьной математики, начиная с простых структур (графы, логика) и постепенно приходя к нейросетям, сохраняя баланс между теорией, кодом и живыми задачами.
Целевая аудитория кружка
Учащиеся 8–11 классов, которые:
знают основы алгебры и геометрии;
имеют начальные навыки работы с компьютером (файлы, браузер);
предпочтительно (но не обязательно) умеют писать простые программы на Python (print, if, for).
Если Python не знаком, первые 3–4 занятия уходят на его базовое освоение параллельно с математическими темами.
Структура кружка (6 модулей, 36–40 занятий по 1,5 часа)
Модуль 1. Графы — умные дороги и деревья решений (6 занятий)
Что изучаем: понятие графа, вершины, рёбра, взвешенные графы, поиск в глубину и ширину, алгоритм Дейкстры.
Связь с ИИ: графы лежат в основе поиска маршрутов (навигаторы), а также деревьев решений — одного из первых и прозрачных алгоритмов машинного обучения.
Практика:
ручное построение кратчайшего пути на бумаге;
реализация поиска в ширину на Python (без библиотек);
задача: «Найти самый быстрый путь от школы до стадиона» (ученики сами рисуют граф районов и запускают алгоритм).
Результат: ученик понимает, что ИИ — это не магия, а чёткие пошаговые алгоритмы.
Модуль 2. Логика и таблицы истинности (5 занятий)
Что изучаем: булева алгебра, логические операции (И, ИЛИ, НЕ), таблицы истинности, построение логических схем.
Связь с ИИ: основа экспертных систем, проверка условий в искусственных агентах, правила «если — то».
Практика:
создание простого «бота-диагноста»: если температура > 37 и кашель, то «вероятно простуда»;
реализация на Python логического калькулятора.
Результат: формируется алгоритмическое мышление через логику.
Модуль 3. Статистика и вероятность (5 занятий)
Что изучаем: среднее арифметическое, медиана, разброс, частота событий, условная вероятность (на уровне примеров, без формул Байеса в полном объёме).
Связь с ИИ: алгоритмы машинного обучения работают с данными — нужно уметь их описывать и сравнивать.
Практика:
взять таблицу успеваемости класса, посчитать средний балл по предмету;
найти, кто отклоняется от среднего;
загрузить небольшой CSV-файл в Python и вывести простую статистику.
Результат: ученики перестают бояться «цифр в таблицах».
Модуль 4. Линейная регрессия — первый алгоритм обучения (7 занятий)
Что изучаем: линейная зависимость (y = kx + b), метод наименьших квадратов, ошибка предсказания.
Связь с ИИ: линейная регрессия — простейшая нейросеть без скрытых слоёв.
Практика:
даны данные о площади квартиры и цене — построить предсказательную модель;
написать на Python код, который сам подбирает коэффициенты k и b (градиентный спуск вручную без библиотек).
Результат: ученик осознаёт, что «обучение модели» — это просто подбор чисел.
Модуль 5. Градиентный спуск и нейрон (5 занятий)
Что изучаем: понятие функции потерь, производная (как скорость изменения), шаг обучения, простейший искусственный нейрон.
Связь с ИИ: это прямое введение в то, как учатся любые нейросети.
Практика:
на листе бумаги попытаться подобрать веса нейрона для задачи ИЛИ/И;
реализовать один нейрон на Python, обучить его на четырёх примерах.
Результат: ученик впервые видит «живое обучение» — ошибка уменьшается с каждой итерацией.
Модуль 6. Знакомство с нейросетями без страха (6 занятий)
Что изучаем: что такое слой, активация (ReLU, сигмоида), прямое распространение сигнала, как несколько нейронов работают вместе.
Связь с ИИ: финальный выход к современным нейросетям.
Практика:
собрать простую нейросеть из двух слоёв через библиотеку (например, на Keras/TensorFlow или через готовый учебный конструктор);
обучить её распознавать рукописные цифры (датасет MNIST) — всего 10–15 строк кода.
Результат: ученик запускает настоящую нейросеть и радуется её работе.
Необходимое оборудование и ПО
Компьютерный класс (5–6 ПК, подойдут любые современные машины, видеокарта нужна только для финального модуля — можно использовать облегчённые версии или Google Colab).
Установленный Python + библиотеки: numpy, matplotlib, pandas, sklearn.
На крайний случай — онлайн-среды (Replit, Colab), работающие через браузер.
Возможные результаты для учащихся
Осознанное понимание, как работают нейросети и алгоритмы ИИ (а не «чёрный ящик»).
Навыки работы с данными (таблицы, статистика, графики).
Базовое программирование на Python в научно-техническом контексте.
Профориентация: интерес к IT, аналитике данных, прикладной математике.
Что нужно от администрации / министерства
Для запуска такого кружка требуется не суперкомпьютер, а системная поддержка:
выделение 2–3 часов в неделю в расписании дополнительного образования;
приобретение 5–6 ПК (можно б/у, но рабочих);
методическая помощь (курсы повышения квалификации для педагога по ИИ — 72 часа).
Заключение
Кружок по ИИ, построенный «от графов до нейросетей», не требует прорывных технологий или вузовских знаний. Достаточно взять школьный курс математики, добавить немного кода и двигаться от простого к сложному. Ученики проходят путь от «что такое граф» до «нейросеть узнала мою цифру» за один учебный год. При этом пропадает страх перед ИИ — он становится понятным, прозрачным и доступным для самостоятельного изучения.
Автор: Галимуллин Динар Ильдарович, учитель математики и информатики МБОУ «Средняя школа №62», финалист муниципального этапа «Учитель года» (номинация «Педагогический дебют»).
