Индивидуальный проект по искусственному интеллекту

Как выбрать тему

Формулировка «искусственный интеллект в жизни человека» или «ИИ и будущее профессий» не проходит проверку с первого взгляда: это не тема, а область целиком, в которой можно написать что угодно и ничего не доказать. Рабочая тема по искусственному интеллекту проходит три проверки:

1. Есть гипотеза, которую можно проверить измерением. Не «нейросети умнее людей», а «модель X ошибается в задачах на понимание контекста чаще, чем в задачах на факты — на выборке 40 вопросов».
2. Материал ограничен. Названа конкретная модель или две-три модели для сравнения, конкретный тип задач, конкретный объём выборки — не «искусственный интеллект» как явление целиком.
3. Есть чем измерять. Метрика — доля правильных ответов, число ошибок определённого типа, время выполнения задачи человеком и моделью — а не общее впечатление «модель хорошо справилась».

Тему стоит приносить руководителю с тремя пунктами: гипотеза, какая модель и какая выборка данных понадобятся, какой продукт получится на выходе. «Хочу про нейросети в школе» не даёт руководителю ничего конкретного, а «хочу сравнить два промпта для проверки орфографии на 40 сочинениях одноклассников и сделать инструкцию, какой промпт точнее» сразу показывает объём работы.

Таблица показывает общий принцип: правая колонка всегда называет конкретную модель или две, конкретную задачу и объём выборки, левая — только область или прогноз. Если формулировка звучит как заголовок новостной статьи — это ещё не тема проекта.

15 тем для быстрого старта

1. Чат-бот для ответов по школьному курсу: сравнение двух промпт-стратегий
2. ИИ-проверка орфографии против учителя: точность на 30 работах
3. Распознавание рукописного текста: точность на почерках одноклассников
4. Голосовой ввод текста: точность распознавания разных голосов
5. Определение фейковых новостей нейросетью: точность на 50 текстах
6. Генерация тестовых заданий по теме: сколько вопросов проверяемы без правки
7. Сравнение двух нейросетей в решении текстовых задач по математике
8. ИИ-переводчик и живой переводчик: где расходится смысл фразы
9. Рекомендательная система для книг класса: как алгоритм ошибается
10. Прогноз погоды нейросетью против официального прогноза: неделя наблюдений
11. ИИ-детектор списывания: тест на текстах одноклассников
12. Генерация изображений по текстовому описанию: точность передачи деталей
13. Голосовой помощник для школьного расписания: разбор ограничений
14. Чат-бот психологической поддержки: где проходит граница этичного применения
15. Рекомендации нейросети по подготовке к экзамену: проверка на реальном плане занятий

Первые пять тем строятся на одном простом измерении — точности или доле совпадений на конкретной выборке — и собираются за одну-две недели: это компактный старт для сжатых сроков. Темы 6–10 требуют сравнения минимум двух моделей или двух режимов работы одной модели, а значит вдвое больше данных и таблиц — логичнее брать их в 10–11 классе. Темы 11–15 добавляют не только измерение, но и оценку — этичность применения, границы полезности, риски ошибки — и здесь недостаточно одной таблицы с процентами, нужен отдельный раздел с рассуждением, опирающимся на конкретные случаи из собранных данных.

Как сузить слишком общую тему

Если тема пришла в голову в широком виде — «ИИ в образовании», «нейросети и творчество» — сузить её проще, чем кажется: не искать новую идею, а добавлять ограничения к той, что уже есть.

Рабочий ход сужения:

• Выбрать одну задачу вместо направления. Не «ИИ в образовании» целиком, а «проверка орфографии» или «генерация тестов» — одна конкретная функция.
• Выбрать одну-две модели, а не «нейросети» вообще. Указать конкретное название и версию — без этого эксперимент невозможно повторить, а значит и оценить.
• Назначить объём выборки заранее. 30–50 примеров — реалистичный ориентир для школьного проекта; без этого шага тема остаётся декларацией.

Если после этих трёх шагов формулировка всё ещё звучит как «нейросети и будущее» — значит, сужение не закончено, и нужен ещё один круг: выбрать не задачу вообще, а конкретный частный случай задачи на конкретном материале, который есть под рукой — тексты одноклассников, расписание школы, задачи из учебника.

Пример полного сужения: идея «ИИ и творчество» после первого круга превращается в «генерация изображений», после второго — в «генерация иллюстраций к стихотворениям школьной программы», после третьего — в измеримую тему «насколько иллюстрация, сгенерированная по описанию из стихотворения, совпадает с деталями текста: разбор 15 генераций по трём стихотворениям». Три круга — обычный ориентир, реже хватает двух, и почти никогда не нужно больше четырёх, если на каждом шаге действительно добавляется ограничение, а не переформулировка того же самого другими словами.

План и структура: по главам

Структура проекта по искусственному интеллекту устроена так же, как у любого другого предмета, но содержание глав своё:

1. Титульный лист, содержание.
2. Введение — актуальность, гипотеза, объект (модель или несколько моделей), предмет (конкретная способность модели, которая проверяется), цель, задачи.
3. Глава 1 — теоретическая: как устроена выбранная технология в общих чертах и что уже писали о похожих задачах.
4. Глава 2 — практическая: методика эксперимента, таблица результатов, разбор ошибок модели по категориям.
5. Заключение — вывод по каждой задаче из введения.
6. Список литературы — статьи, документация модели, открытые источники по теме.
7. Приложения — полная таблица результатов эксперимента, примеры диалогов или запросов.

Ключевая ошибка главы 1 на этом материале — она превращается в пересказ научно-популярной статьи о том, «как работают нейросети», без выхода на конкретную задачу проекта. Общий принцип работы модели уместен на абзац-два, дальше должен идти обзор именно того, что писали про вашу узкую задачу — проверку текста, распознавание речи, генерацию заданий.

Ориентировочный объём по главам для 9 класса:

Для 10–11 класса пропорции те же, но растёт объём выборки в эксперименте и число сравниваемых моделей — вместо одной модели логично тестировать две-три.

Если руководитель просит другую разбивку — например, отдельный раздел про этические риски применения — структура выше не единственно верная, а рабочий минимум: убирать таблицу результатов из практической части не стоит ни при каком варианте требований, без неё эксперимент нечем подтвердить.

Актуальность: первое, что проверяет руководитель

Актуальность на материале искусственного интеллекта — ловушка сама по себе: тема настолько на слуху, что кажется, будто актуальность не нужно доказывать, «и так все знают». Руководитель ждёт другого: не факт того, что технология существует, а конкретное наблюдение — где именно в знакомой ученикам среде эта технология уже применяется, но применяется без проверки.

Рабочий ход: сначала фиксируется наблюдение в одном-двух предложениях (одноклассники используют чат-бот для домашних заданий, но никто не проверял, насколько точны его ответы по конкретному предмету), потом объясняется, почему это стоит проверить именно сейчас — не «ИИ развивается быстро», а «инструмент уже используют ежедневно, а ошибок в нём никто не считал». Продукт — инструкция, сравнительная таблица, работающий прототип — сразу отвечает на вопрос «кому пригодится»: одноклассникам при выборе инструмента, учителю для понимания рисков, самому автору для дальнейшей учёбы.

Подробный разбор актуальности с готовыми оборотами — в статье про введение индивидуального проекта.

Практическая часть: как ставить эксперимент с моделью

Практическая часть проекта по искусственному интеллекту строится на измерении, а не на демонстрации диалога с чат-ботом — именно здесь чаще всего теряется исследовательский характер работы.

• Таблица результатов собирается первой. Столбцы: запрос или пример, ответ модели, правильный ответ, совпадение — да/нет/частично. Из таблицы потом вырастает вся глава.
• Выборка фиксируется заранее, а не добирается по ходу. 30–50 примеров одного типа, взятых из реального материала — сочинений класса, задач учебника, расписания — а не случайные запросы для красоты презентации.
• Ошибки группируются по типу, а не перечисляются подряд. Модель ошибается в контексте иначе, чем в фактах, и именно разница между типами ошибок обычно даёт самый интересный вывод.
• Опрос нужен только если тема про восприятие людьми, а не про саму модель — например, доверяют ли одноклассники ответу чат-бота больше, чем учебнику. Для тем про точность модели опрос ничего не добавит.

Пример группировки для темы про проверку орфографии: сначала все случаи, где модель находит опечатки правильно, потом отдельно — случаи, где она путает орфографическую и пунктуационную ошибку. Именно во второй группе обычно и находится вывод, ради которого стоило делать проект, а не в общем проценте совпадений.

Отдельный вопрос — согласие на использование чужих текстов. Если материалом служат сочинения одноклассников, стоит заранее спросить разрешение и в приложении использовать тексты обезличенно, без указания фамилий: для комиссии это не формальность, а часть корректной методики, и отсутствие такого пункта в работе — типичный вопрос на защите.

Где искать источники

• «КиберЛенинка» и eLibrary — статьи по машинному обучению и обработке текста на русском языке, часто в открытом доступе.
• Документация самой модели — официальные материалы разработчика с описанием возможностей и ограничений, точнее любого пересказа в блогах.
• Открытые датасеты (Kaggle, Hugging Face) — готовые наборы данных, если своей выборки не хватает для проверки гипотезы.
• Профильные технические издания (Habr, arXiv в переводных обзорах) — разборы конкретных моделей и методик тестирования, полезны для главы 1.

Не годится для списка литературы: посты в соцсетях без автора, рекламные статьи о конкретном продукте, прогнозы «ИИ через 10 лет» без ссылок на источник данных. Общие новостные заметки годятся для ориентировки, но не как научный источник в списке литературы.

Отдельно стоит проверять дату публикации источника: технология меняется быстро, и статья трёхлетней давности может описывать возможности, которых у текущей версии модели уже нет или, наоборот, давно появились новые. В списке литературы год издания у таких источников важнее, чем обычно.

Продукт: что показать на защите

• Работающий прототип — чат-бот, скрипт проверки текста, простая программа с понятным интерфейсом.
• Сравнительная таблица или инфографика — визуализация результатов эксперимента для нетехнической аудитории.
• Инструкция или памятка — как использовать инструмент с учётом найденных ограничений, для одноклассников или учителя.
• Видеодемонстрация работы прототипа — особенно если продукт нельзя показать вживую на защите из-за оборудования.
• Набор карточек с примерами ошибок модели — компактный формат для тем про типологию ошибок.

Подробнее про требования к продукту — в статье про продукт индивидуального проекта.

Пример целиком: от идеи до плана

Идея. Хочется сделать проект про искусственный интеллект, но пока непонятно, про что именно.

Сужение. Слишком широко. Что конкретно интересно? То, что одноклассники используют для домашних заданий. Какой инструмент? Проверка орфографии в текстовом редакторе с ИИ. На каком материале? Собственные сочинения класса.

Тема. «ИИ-проверка орфографии против учителя: точность на 30 сочинениях девятого класса».

Объект. Инструмент проверки орфографии на основе нейросети.

Предмет. Точность обнаружения ошибок по сравнению с проверкой учителя.

Гипотеза. Модель находит орфографические ошибки почти так же точно, как учитель, но хуже справляется с пунктуацией, потому что пунктуационная ошибка чаще зависит от контекста предложения.

Задачи. 1) собрать 30 сочинений с уже проверенными учителем ошибками; 2) прогнать те же тексты через модель; 3) сравнить результат по категориям ошибок; 4) сделать вывод о сильных и слабых сторонах инструмента.

Продукт. Памятка для одноклассников — когда доверять ИИ-проверке, а когда обязательно перепроверять самому.

От идеи до готового плана — две-три итерации сужения. На каждом шаге нужно убедиться, что гипотезу можно проверить конкретной таблицей результатов, а не общими впечатлениями от общения с моделью.

Если доступа к реальным сочинениям класса нет, план сжимается без потери логики: вместо 30 сочинений — 30 предложений, составленных самим автором с намеренными ошибками разных типов, объект и предмет остаются теми же, просто выборка становится контролируемой, а не собранной у одноклассников.

Оформление и защита

Формат страницы задаёт ФГОС и положение школы. Специфика для проекта по искусственному интеллекту:

• название модели и её версия указываются точно при первом упоминании и далее используются одинаково по всей работе;
• таблица результатов эксперимента выносится в приложение целиком, а в текст главы попадает только сокращённый вариант с итогами;
• скриншоты диалогов с моделью подписываются номером и датой — без даты воспроизвести эксперимент позже нельзя;
• ссылки на документацию модели и источники данных даются полным адресом, а не только названием сервиса.

Подробный разбор с примерами — в статье про оформление по ГОСТу.

Защита строится вокруг презентации на 8–12 слайдов и речи на 5–10 минут. В презентацию обязательно идёт таблица или график с результатами эксперимента — комиссия должна увидеть цифры, а не только услышать пересказ выводов.

На защите проекта по искусственному интеллекту чаще всего спрашивают:

• как проверялась точность модели и на какой выборке;
• почему выбрана именно эта модель, а не более простая или, наоборот, более продвинутая;
• в чём риски использования проверенного инструмента в реальной жизни;
• как продукт можно использовать дальше, после защиты.

Порядок защиты — в статье про защиту проекта, готовая речь — в статье про речь для защиты, критерии оценивания — в статье про критерии оценивания проекта.

Частые ошибки

• Тема без гипотезы. «Искусственный интеллект в жизни человека» называет область, а не утверждение, которое можно проверить.
• Нет собственного эксперимента. Вся практическая часть — пересказ статей о том, как работают нейросети.
• Модель и версия не указаны. Без этого результат нельзя воспроизвести, а значит и проверить.
• Выборка слишком маленькая или собрана произвольно. Пять случайных запросов не дают закономерности, только совпадение.
• Продукт — скриншот чужого диалога. Комиссия видит разницу между реальным прототипом и распечаткой переписки с чат-ботом.
• Вывод не о том, что заявлено в гипотезе. Задача была про точность, а заключение — про будущее технологий в целом.
• Не обсуждены ограничения эксперимента. Маленькая выборка или один тип задач — не повод скрывать это, а повод сказать прямо.

Чек-лист перед сдачей

1. Актуальность объясняет, где технология уже применяется без проверки и кому пригодится результат.
2. У темы есть гипотеза, которую можно проверить измерением, а не только область.
3. Названы конкретная модель, версия и объём выборки.
4. Таблица результатов эксперимента полностью заполнена и вынесена в приложение.
5. Ошибки модели сгруппированы по типу, а не перечислены подряд.
6. Привлечены источники по теме, а не только сам диалог с моделью.
7. Есть сравнение с эталоном — человеком, другой моделью или официальными данными.
8. Заключение отвечает на каждую задачу из введения отдельным абзацем.
9. Продукт сделан заранее и может быть показан отдельно от текста работы.
10. Указаны ограничения эксперимента — размер выборки, дата тестирования.
11. Презентация и речь отрепетированы вслух с таймером минимум дважды.

Что дальше

Общий процесс, одинаковый для любого предмета — от согласования темы до календаря по месяцам — в статье как написать индивидуальный проект.

Матчасть по каждому шагу: структура проекта · продукт проекта · оформление по ГОСТу · защита проекта · критерии оценивания.

Если тема уже есть, а текст не складывается, Нейросова соберёт индивидуальный проект по искусственному интеллекту по вашей теме — с введением, теоретической главой и списком литературы, которые останется доработать своими наблюдениями.