Обучение основам искусственного интеллекта

Рассмотрим подробнее вопросы искусственного интеллекта в российской школе. Вопросы изучения искусственного интеллекта в содержании школьного курса информатики не только подвержены тенденциям развития курса в целом, но и имеют особенности, обусловленные в том числе сущностью информатики как и науки, и учебного предмета. Искусственный интеллект рассматривается как раздел науки и как прикладная область. Из-за этого можно выделить, что его доля в содержании курса развивается условно по спирали, постоянно переходя в два состояния – усложнения теоретических основ и прикладного применения в условиях постоянного масштабирования [6, с. 383].

Таким образом, фундаментальность курса во многом усиливалась за счёт увеличения именно практики и возникающих незакрытых потребностей в обосновании осуществляемой практической деятельности. Данное утверждение следует проиллюстрировать на конкретных примерах.

Рис. 1. Соотношение теории и практики в теме ИИ в курсе информатики

Вместе с принятием ФГОС общего образования был сделан очередной шаг к фундаментализации содержания образования и усилению практической или деятельностной составляющей образования. Это коснулось, в том числе, информатики. В учебниках появилось больше современных научных теорий, а задания приобрели большую прикладную значимость (уменьшилось количество учебных ситуаций в пользу прикладных кейсов, основанных на явлениях и ситуациях из окружающей действительности). ФГОС общего образования в большей степени опирается на современное состояние информатики как науки и её разделы [1, с. 32].

Постепенно освоение ИИ как технологии становится одним из базовых элементов компьютерной грамотности, так её успешному формированию предшествуют функциональные навыки работы с цифровыми технологиями. Более того, исследователи цифровых компетенций выделяют отдельной категорией компетенции, связанные с анализом больших потоков информации. В ФГОС СОО углубленного уровня к ИИ напрямую относится требование к предметным результатам обучения под номером 10: «сформированность умения работать с библиотеками программ; наличие опыта использования компьютерных средств представления и анализа данных». В целом, анализируя ФГОС ООО (и затем – ФГОС СОО) и ПООП СОО можно выделить три больших блока, относящихся к искусственному интеллекту, представленные на схеме [4, с. 38].

Рис. 2. Представление темы «Искусственный интеллект» во ФГОС ООО и ПООП ООО

В ПООП ООО и ПООП СОО основное отличие – появление второго языка программирования. В то же время, большинство пунктов, связанных с искусственным интеллектом были выделены курсивом как дополнительные и результаты освоения этих тем не проверялись в конце обучения. Например, в разделе 4 «ИКТ и их использование для анализа данных» присутствует следующее содержание темы, выделенное курсивом: «Системы искусственного интеллекта и машинное обучение. Машинное обучение – решение задач распознавания, классификации и предсказания. Искусственный интеллект. Анализ данных с применением методов машинного обучения. Экспертные и рекомендательные системы [7, с. 165].

Большие данные в природе и технике (геномные данные, результаты физических экспериментов, интернет-данные, в частности данные социальных сетей). Технологии их обработки и хранения». В требованиях к освоению этого содержания можно прочесть: «использовать методы машинного обучения при анализе данных; использовать представление о проблеме хранения и обработки больших данных».

Среди учебников, входящих в федеральный перечень, сегодня лишь в нескольких упоминается тема «Искусственный интеллект», причём в большинстве случаев (кроме единственного курса для углублённого уровня) – в качестве поверхностного знакомства.

На усмотрение учителя возможна практическая реализация алгоритма на изучаемом языке программирования (учителя свободны в выборе языка программирования. На момент написания учебников язык Python не имел необходимых библиотек для практической реализации алгоритмов).

Авторы УМК (И.А. Калинин, Н.Н. Са-мылкина) рассматривают экспертные системы, связывая их, в том числе, с известными проектами семантических сетей, например, Semantic Web.

В качестве исторической справки используются отсылки на великих деятелей науки (например, Марвина Ли Минского) и их достижения. Алгебра логики и алгебра предикат введены математически и с примерами на естественном языке, без связи с Prolog, что позволяет адаптировать применение для любого изучаемого языка программирования (например, Python или С++), где есть переменные логического типа.

Искусственный интеллект в данном УМК рассматривается в основном с точки зрения инженерии знаний. При объяснении онтологий сначала даётся понятие знаний, затем фактов, процедур, эвристических правил, онтологии и её составляю- щих, лишь потом - модели представления знаний.

Приводятся конкретные примеры популярных самообучающихся алгоритмов, применяемых при анализе данных в реальных условиях; также самообучающиеся алгоритмы приведены на псевдокоде. В учебнике даны: алгоритм Apriori, алгоритм поиска деревьев решений CART (идейное продолжение темы бинарных деревьев линии «Алгоритмизация и программирование» в 10 классе).

Авторами также вводится конкретный алгоритм из теории игр – метод альфа-бета отсечений. Курс имеет практическую значимость при ориентации обучающихся на дальнейшее получение профессии в ИТ-сфере. Единственным минусом этого комплекса является значительное преобладание теоретической формы и отсутствие реализаций алгоритмов на конкретных языках программирования непосредственно обучающимися [2, с. 9].

Но, следует иметь в виду, что на момент написания УМК Python не имел библиотек для работы с ИИ, поэтому авторы предлагали реализацию частного случая для известных алгоритмов на используемых в школе языках программирования Pascal и C++. В настоящее время выпущен отдельный практикум по искусственному интеллекту для УМК авторов (И.А. Калинин, Н.Н. Самылкина) [3, с. 61].

В практикуме рассматриваются практические примеры решения задач анализа данных, классификации, принятия решений, выявления закономерностей в виде скрытых правил, системы диагностики и распознавания рукописных цифр. Все задания по применению интеллектуальных алгоритмов выполняются в среде Anaconda на языке Python с использованием библиотек Scikit-learn, TensorFlow и Keras, модуля Apriori, пакета PyKnow.

Практика других стран показывает, что изучение темы ИИ оправдано уже на уровне основного общего образования в виде пропедевтики использования интеллектуальных сервисов: с интеллектуальными алгоритмами, большими данными и облачными сервисами, поскольку с их применением обучающийся сталкивается как пользователь ежедневно. Важно, чтобы он понимал аспекты, связанные с безопасностью и этикой использования таких сервисов помимо их назначения. В новом проекте ФГОС ООО делаются шаги в сторону изучения больших данных и интеллектуальных сервисов из повседневной жизни – упоминаются облачные сервисы и «Интернет вещей». Для ступени СОО характерно усиление содержания: выпускник должен не только уметь опознать интеллектуальные сервисы, но и использовать их в своей деятельности и самостоятельно выбирать подходящие решения (в случае с углублённым курсом информатики – разрабатывать комбинированные модели с несколькими классификаторами самостоятельно) [5, с. 276].

Таким образом, мы можем заключить, что тема «Искусственный интеллект» присутствовала в школьном курсе информатики всегда, однако была распределена между различными разделами курса. Содержание курса постоянно преобразовывалось с учётом тенденций в информатике как науке, развитием технологий и изменением потребностей экономики государства. В корне неверным будет утверждение, что искусственный интеллект – это совершенно новая тема, изучение которой не обосновано достаточно. Изучение искусственного интеллекта как науки и технологии в школе прошло долгий путь и сегодня, наконец, обретает явный вид.