Коротко: начинают не с нейросетей, а с распознавания: программа отличает картинки или слова по признакам, которые задал ребёнок. На старшей ступени добавляются готовые модели и работа с API.

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.

Как мы объясняем, что такое ИИ, восьмилетнему

Без определений. Начинаем с того, что компьютер не знает ничего, пока ему не показали примеры, — и тут же показываем это на практике.

Ребёнок сам складывает две кучки картинок и говорит машине: вот это коты, вот это собаки. Потом показывает новую картинку, которой в кучках не было. Если машина угадала — спрашиваем, почему. Если ошиблась — спрашиваем тоже, и это интереснее: обычно выясняется, что у всех «котов» был одинаковый фон или одинаковая поза.

Из этого вырастает главная мысль темы, и сформулировать её ребёнок может сам: машина не понимает, кто такой кот, она находит сходство в том, что ей показали. Всё остальное — тот же механизм, только больше.

6–10 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.

Сколько места ИИ занимает в программе

Меньше, чем ожидают по названию. На первой ступени это одна тема из десяти. На средней — одна из тринадцати. На старшей больше: подготовка данных, классические модели, нейросеть и работа с языковыми моделями — четыре темы из четырнадцати.

Остальное время уходит на то, без чего эти темы не работают: синтаксис, структуры данных, файлы, ошибки, базы, Git. Курс, в котором ИИ был бы половиной программы, готовил бы не разработчиков, а операторов чужих сервисов.

Граница между «пользоваться» и «сделать»

Сегодня эту границу не видит почти никто, и путаница начинается с разговоров дома. Ребёнок, попросивший чат нарисовать картинку, говорит, что «сделал ИИ». Это не так, и разницу мы проговариваем прямо.

Пользоваться — это открыть окно и написать запрос. Встроить — это подключить модель к собственной программе, чтобы она обрабатывала данные без участия человека. Сделать — это обучить модель на своих примерах и отвечать за то, чему она научилась.

На курсе есть все три уровня, и идут они именно в таком порядке, разнесённые по ступеням. Перескочить через средний не выходит: чтобы встроить модель, надо понимать запрос и ответ, а это отдельная тема.

О честности — разговор, который мы не обходим

Подростки пользуются языковыми моделями для домашних заданий, и делать вид, что этого нет, бессмысленно. Мы говорим об этом прямо, но с той стороны, которая им ближе: как отличить, где инструмент помог, а где сделал работу вместо тебя.

Правило на курсе одно и простое: код, который ты сдаёшь, ты должен уметь объяснить строка за строкой. Откуда он взялся — из головы, из документации или из подсказки модели — значения не имеет. Не можешь объяснить — значит, работа не твоя, и это видно за полминуты.

Чего мы не обещаем

Что ребёнок за полтора года станет специалистом по машинному обучению. Не станет: это направление, в котором взрослые учатся годами, и честнее сказать это сразу.

Что обученная на курсе модель будет на что-то годна в работе. Не будет — она учебная, на маленьком наборе данных, и это нормально для первой модели в жизни.

Что курс гарантирует поступление или работу. Не гарантирует. Он даёт другое: понимание, как эта технология устроена изнутри, и рабочие проекты, которые можно показать.

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.

Как именно устроена тема машинного обучения на старшей ступени — от линейной регрессии до распознавания рукописных цифр — разобрано здесь: машинное обучение на курсе Python.