Тема искусственного интеллекта встречается в курсе Python трижды — на каждой ступени по-своему. Для 7-летних это игра, для средней группы — подключение готовой модели к собственному скрипту, для старших — собственная нейросеть, которую они обучают сами. Порядок не случаен: каждый шаг требует того, что усвоено раньше.

7–10 лет: игра «научи компьютер различать котов и собак»

На ступени Python Старт есть отдельная тема — знакомство с искусственным интеллектом и машинным обучением. Объяснение идёт на примерах, а центральное упражнение — та самая игра с котами и собаками.

Ребёнок показывает программе примеры и видит, как та постепенно начинает угадывать. Главная идея, которую он из этого выносит: компьютер не «знает» ответ заранее — он выводит его из примеров, которые ему дали. И если примеров было мало или они были однобокими, ошибки будут именно там.

Никакого кода нейросетей на этом этапе нет и быть не может: по программе рядом стоят циклы, функции и Turtle-графика.

10–14 лет: ИИ как инструмент внутри собственной программы

На ступени «Python: Игры и боты» есть тема про ИИ в повседневных задачах: подключение к OpenAI API, генерация текста и изображений из Python-скрипта.

Здесь меняется роль ребёнка. Он не пользователь чата в браузере, а автор программы, которая обращается к модели и делает что-то с ответом: вставляет в бота, сохраняет в файл, показывает в игре. Перед этим в программе идёт тема о работе с API вообще — requests, JSON, получение данных из открытых источников вроде погоды и курсов валют. То есть модель ИИ оказывается просто ещё одним сервисом, к которому можно обратиться.

Побочный, но ценный эффект: подросток видит, что ответ модели — не истина, а текст, который ещё надо проверить и обработать.

14–18 лет: собственная модель, а не чужая

На Python Pro тема разворачивается полностью и занимает несколько модулей подряд.

Сначала основы машинного обучения: scikit-learn, numpy, matplotlib — линейная регрессия, классификаторы, визуализация результата. Затем нейронные сети на практике: TensorFlow или Keras и классическая задача распознавания рукописных цифр на наборе MNIST.

Дальше — работа с большими языковыми моделями: подключение к собственному приложению, prompt engineering и RAG-системы, когда модель отвечает, опираясь на ваши собственные данные.

Финальный проект ступени — полноценный AI-продукт с деплоем и репозиторием на GitHub.

Не рано ли учить детей нейросетям?

Рано давать математику нейросетей — да, и в программе её нет до старшей ступени. Но объяснить, что машина учится на примерах, можно и семилетнему. Разница в глубине, а не в самом факте знакомства.

Не приучает ли это пользоваться ИИ вместо того, чтобы думать?

Курс устроен наоборот: сначала ребёнок полтора года пишет код руками и лишь потом подключает модель. Тот, кто понимает, как устроена программа, использует ИИ как инструмент. Тот, кто не понимает, зависит от него.

Что из этого останется, если технологии изменятся?

Названия библиотек и моделей действительно меняются быстро. Остаётся другое: умение читать документацию, обращаться к чужому сервису из кода и проверять то, что он вернул.

Как это выглядит в рамках всего курса

Каждая ступень — 18 месяцев и 156 занятий в группе до 6 учеников. ИИ не отдельный курс, а сквозная линия внутри программы: сначала как идея, потом как инструмент, потом как предмет работы. Сравнение ступеней между собой есть в отдельном разборе: чем они отличаются. А что из этого кладут в портфолио, разобрано здесь.