Тема штучного інтелекту зустрічається в курсі Python тричі — на кожному ступені по-своєму. Для 7-річних це гра, для середньої групи — підключення готової моделі до власного скрипту, для старших — власна нейромережа, яку вони навчають самі. Порядок не випадковий: кожен крок вимагає того, що засвоєно раніше.

7–10 років: гра «навчи комп'ютер розрізняти котів і собак»

На ступені Python Старт є окрема тема — знайомство зі штучним інтелектом і машинним навчанням. Пояснення йде на прикладах, а центральна вправа — та сама гра з котами й собаками.

Дитина показує програмі приклади й бачить, як та поступово починає вгадувати. Головна ідея, яку вона з цього виносить: комп'ютер не «знає» відповідь заздалегідь — він виводить її з прикладів, які йому дали. І якщо прикладів було мало або вони були однобокі, помилки будуть саме там.

Ніякого коду нейромереж на цьому етапі немає й бути не може: за програмою поруч стоять цикли, функції та Turtle-графіка.

10–14 років: ШІ як інструмент усередині власної програми

На ступені «Python: Ігри та боти» є тема про ШІ в повсякденних задачах: підключення до OpenAI API, генерація тексту та зображень із Python-скрипту.

Тут змінюється роль дитини. Вона не користувач чату в браузері, а автор програми, яка звертається до моделі й робить щось із відповіддю: вставляє в бота, зберігає у файл, показує в грі. Перед цим у програмі йде тема про роботу з API взагалі — requests, JSON, отримання даних із відкритих джерел на кшталт погоди й курсів валют. Тобто модель ШІ виявляється просто ще одним сервісом, до якого можна звернутися.

Побічний, але цінний ефект: підліток бачить, що відповідь моделі — не істина, а текст, який ще треба перевірити й обробити.

14–18 років: власна модель, а не чужа

На Python Pro тема розгортається повністю й займає кілька модулів поспіль.

Спершу основи машинного навчання: scikit-learn, numpy, matplotlib — лінійна регресія, класифікатори, візуалізація результату. Потім нейронні мережі на практиці: TensorFlow або Keras і класична задача розпізнавання рукописних цифр на наборі MNIST.

Далі — робота з великими мовними моделями: підключення до власного застосунку, prompt engineering і RAG-системи, коли модель відповідає, спираючись на ваші власні дані.

Фінальний проєкт ступеня — повноцінний AI-продукт із деплоєм і репозиторієм на GitHub.

Чи не рано вчити дітей нейромережам?

Рано давати математику нейромереж — так, і в програмі її немає до старшого ступеня. Але пояснити, що машина вчиться на прикладах, можна й семирічному. Різниця в глибині, а не в самому факті знайомства.

Чи не привчає це користуватися ШІ замість того, щоб думати?

Курс улаштований навпаки: спершу дитина півтора роки пише код руками й лише потім підключає модель. Той, хто розуміє, як влаштована програма, використовує ШІ як інструмент. Той, хто не розуміє, залежить від нього.

Що з цього залишиться, якщо технології зміняться?

Назви бібліотек і моделей справді змінюються швидко. Залишається інше: уміння читати документацію, звертатися до чужого сервісу з коду й перевіряти те, що він повернув.

Як це виглядає в межах усього курсу

Кожен ступінь — 18 місяців і 156 занять у групі до 6 учнів. ШІ не окремий курс, а наскрізна лінія всередині програми: спершу як ідея, потім як інструмент, потім як предмет роботи. Порівняння ступенів між собою є в окремому розборі: чим вони відрізняються. А що з цього кладуть у портфоліо, розібрано тут.