Олимпиады по искусственному интеллекту
Олимпиады по искусственному интеллекту — это задачи на логику, алгоритмы, работу с данными и понимание технологий. Здесь ты научишься не угадывать, а рассуждать, проверять и объяснять решения.
Я Звёздочка! ⭐
Добро пожаловать в лабораторию искусственного интеллекта! Здесь мы исследуем, спорим, проверяем гипотезы и учимся думать самостоятельно.
Со мной работают Эйра, Крафт и Вокс. Посмотри моё видеоприветствие, а затем познакомься с командой!
▶ Познакомиться со Звёздочкой Нажми ▶ на видео слева или открой приветствие по ссылке. Автозапуска нет.Знакомься: наш крылатый изобретатель! 🐣
Он уже считает себя главным специалистом по невероятным открытиям и готов отправиться хоть на Луну. Но в лаборатории даже самые смелые идеи нужно проверять!
Посмотри его первое видеоприветствие. А официальное имя нашему гордому талисману мы ещё выберем.
▶ Открыть знакомство с талисманом Видео включается только по нажатию. Без автозапуска.
Эйра
Логика, алгоритмы, закономерности.
«Привет, исследователь! Здесь важно не угадать ответ, а понять, почему он верный. Начнём?»
Крафт
Программирование, технологии, эксперименты.
«Любую идею полезно проверить на практике. Посмотрим, как она работает!»
Вокс
Язык, данные, точность запросов.
«Уверенный ответ — ещё не доказательство. Проверим, что в нём правда?»
Это настоящие записи героев. Нажми ▶ в аудиоплеере; можно перематывать, ставить на паузу и открывать MP3 отдельно.
ИИ без магии: как учатся машины?
Сначала разбираемся, затем проверяем себя. Пять заданий с объяснениями. Ответы раскрываются без JavaScript.
Не волшебство, а данные и алгоритмы
Искусственный интеллект — общее название технологий, которые позволяют компьютерам выполнять задачи, для которых обычно нужны человеческие способности: распознавать изображения, работать с речью, искать закономерности и создавать тексты.
Машинное обучение — один из подходов к созданию ИИ. Вместо того чтобы прописать каждое правило вручную, разработчики обучают модель на примерах. Но качество результата зависит от данных и проверки.
Важно: не всякая автоматическая программа — ИИ. Обычный таймер просто выполняет заданное правило. А модель, обученная на примерах фотографий, может пытаться распознавать объекты, которых раньше не видела.
🐣 Наш будущий талисман уже требует ракету. Но сначала научим его отличать умную модель от обычной кнопки!
Как проходить: прочитай вопрос, выбери один ответ и раскрой его, чтобы увидеть объяснение. Затем переходи к следующему заданию. Этот вариант работает без JavaScript, поэтому не сохраняет ответы и не блокирует повторный выбор.
Какой пример наиболее явно использует модель машинного обучения?
A. Будильник звонит в 7:00
Не совсем. Распознавание породы по фотографии часто использует обученную модель. Остальные устройства могут работать по простым правилам.
B. Калькулятор складывает 12 и 8
Не совсем. Распознавание породы по фотографии часто использует обученную модель. Остальные устройства могут работать по простым правилам.
C. Приложение распознаёт породу собаки по фотографии
Верно! ⭐ Распознавание породы по фотографии часто использует обученную модель. Остальные устройства могут работать по простым правилам.
D. Лампа включается обычным выключателем
Не совсем. Распознавание породы по фотографии часто использует обученную модель. Остальные устройства могут работать по простым правилам.
Что особенно полезно для обучения модели различать яблоки и груши?
A. Много разнообразных подписанных фотографий
Верно! ⭐ Разнообразные примеры с верными подписями помогают модели распознавать новые изображения.
B. Одна фотография красного яблока
Не совсем. Разнообразные примеры с верными подписями помогают модели распознавать новые изображения.
C. Красивое название модели
Не совсем. Разнообразные примеры с верными подписями помогают модели распознавать новые изображения.
D. Яркий монитор
Не совсем. Разнообразные примеры с верными подписями помогают модели распознавать новые изображения.
Почему модель, обученная только на белых кошках, может ошибаться на чёрных?
A. Чёрные кошки — не кошки
Не совсем. Недостаточно разнообразные обучающие данные могут приводить к ошибкам на новых примерах.
B. В примерах не хватало разнообразия
Верно! ⭐ Недостаточно разнообразные обучающие данные могут приводить к ошибкам на новых примерах.
C. Компьютеры не видят чёрный цвет
Не совсем. Недостаточно разнообразные обучающие данные могут приводить к ошибкам на новых примерах.
D. ИИ никогда не ошибается
Не совсем. Недостаточно разнообразные обучающие данные могут приводить к ошибкам на новых примерах.
Модель правильно распознала 9 изображений из 10. Какова точность на этом наборе?
A. 9%
Не совсем. 9 ÷ 10 × 100% = 90%. На других данных точность может отличаться.
B. 10%
Не совсем. 9 ÷ 10 × 100% = 90%. На других данных точность может отличаться.
C. 90%
Верно! ⭐ 9 ÷ 10 × 100% = 90%. На других данных точность может отличаться.
D. 100%
Не совсем. 9 ÷ 10 × 100% = 90%. На других данных точность может отличаться.
Нейросеть уверенно утверждает, что у осьминога десять рук. Что делать?
A. Поверить ей
Не совсем. У осьминога восемь рук. Уверенный ответ нейросети нужно проверять.
B. Проверить по надёжному источнику
Верно! ⭐ У осьминога восемь рук. Уверенный ответ нейросети нужно проверять.
C. Попросить ответить увереннее
Не совсем. У осьминога восемь рук. Уверенный ответ нейросети нужно проверять.
D. Опубликовать без проверки
Не совсем. У осьминога восемь рук. Уверенный ответ нейросети нужно проверять.
⭐ Все пять заданий пройдены? Можно переходить к диагностике ниже.
Учимся думать как создатели ИИ
Шесть новых испытаний: от алгоритмов до проверки качества модели. Сначала подумай, потом раскрой выбранный вариант.
Как из примеров получается полезная модель
Алгоритм — понятная последовательность действий. Он может быть обычной программой без машинного обучения.
Признаки — свойства объектов, по которым их можно различать. Модель машинного обучения ищет закономерности в примерах, но не всегда делает это правильно.
Обучающие данные нужны, чтобы построить модель, а проверочные данные, которых модель не видела при обучении, помогают оценить, как она справляется с новыми случаями.
🐣 Наш гордый инженер уверен, что уже готов запускать ракету. Но сначала пусть проверит, не перепутала ли его модель рюкзак с космическим скафандром!
Правило: выбирай вариант самостоятельно и открывай объяснение только после своего решения. Для этих испытаний не нужны скрипты.
Крафт собрала робота, который движется вперёд ровно 3 секунды, а затем поворачивает направо. Что определяет его действия?
A. Правила, заранее записанные программистом
Верно! ⭐ Это обычный алгоритм: робот выполняет заранее заданные команды. Для такого поведения машинное обучение не требуется.
B. Самостоятельное обучение на фотографиях
Пока не совсем. Это обычный алгоритм: робот выполняет заранее заданные команды. Для такого поведения машинное обучение не требуется.
C. Случайные советы нейросети
Пока не совсем. Это обычный алгоритм: робот выполняет заранее заданные команды. Для такого поведения машинное обучение не требуется.
D. Обязательное подключение к интернету
Пока не совсем. Это обычный алгоритм: робот выполняет заранее заданные команды. Для такого поведения машинное обучение не требуется.
Эйра хочет научить модель отличать велосипеды от самокатов на фотографиях. Какой признак может оказаться полезным?
A. Название файла с фотографией
Пока не совсем. Для распознавания полезны особенности самого объекта: колёса, рама, руль и их сочетания. Название файла не описывает изображённый предмет.
B. Количество и расположение колёс, форма рамы
Верно! ⭐ Для распознавания полезны особенности самого объекта: колёса, рама, руль и их сочетания. Название файла не описывает изображённый предмет.
C. Цвет рамки вокруг экрана
Пока не совсем. Для распознавания полезны особенности самого объекта: колёса, рама, руль и их сочетания. Название файла не описывает изображённый предмет.
D. Время запуска приложения
Пока не совсем. Для распознавания полезны особенности самого объекта: колёса, рама, руль и их сочетания. Название файла не описывает изображённый предмет.
У Вокс есть 100 подписанных фотографий. Как лучше проверить, научилась ли модель узнавать животных на новых снимках?
A. Проверить только на тех же фото, на которых её обучали
Пока не совсем. Для честной проверки нужна отдельная выборка изображений, которые модель не видела во время обучения. Иначе результат может быть обманчиво высоким.
B. Оценить только красивое название модели
Пока не совсем. Для честной проверки нужна отдельная выборка изображений, которые модель не видела во время обучения. Иначе результат может быть обманчиво высоким.
C. Оставить часть фотографий для проверки и не использовать их при обучении
Верно! ⭐ Для честной проверки нужна отдельная выборка изображений, которые модель не видела во время обучения. Иначе результат может быть обманчиво высоким.
D. Не проверять: если программа запустилась, значит всё верно
Пока не совсем. Для честной проверки нужна отдельная выборка изображений, которые модель не видела во время обучения. Иначе результат может быть обманчиво высоким.
Из 20 проверочных фотографий модель правильно распознала 15. Сколько процентов составляют правильные ответы?
A. 15%
Пока не совсем. 15 ÷ 20 = 0,75. Умножаем на 100% и получаем 75%. Это доля правильных ответов на данном наборе.
B. 25%
Пока не совсем. 15 ÷ 20 = 0,75. Умножаем на 100% и получаем 75%. Это доля правильных ответов на данном наборе.
C. 75%
Верно! ⭐ 15 ÷ 20 = 0,75. Умножаем на 100% и получаем 75%. Это доля правильных ответов на данном наборе.
D. 80%
Пока не совсем. 15 ÷ 20 = 0,75. Умножаем на 100% и получаем 75%. Это доля правильных ответов на данном наборе.
Для обучения системы распознавания школьных рюкзаков взяли фотографии только красных рюкзаков. Что вероятнее всего произойдёт?
A. Система обязательно распознает любые рюкзаки без ошибок
Пока не совсем. Однообразные обучающие примеры могут привести к ошибкам на других цветах и формах. Нужны разнообразные данные и проверка на новых примерах.
B. На рюкзаках других цветов возможны дополнительные ошибки
Верно! ⭐ Однообразные обучающие примеры могут привести к ошибкам на других цветах и формах. Нужны разнообразные данные и проверка на новых примерах.
C. Компьютер перестанет включаться
Пока не совсем. Однообразные обучающие примеры могут привести к ошибкам на других цветах и формах. Нужны разнообразные данные и проверка на новых примерах.
D. Красные рюкзаки исчезнут из памяти
Пока не совсем. Однообразные обучающие примеры могут привести к ошибкам на других цветах и формах. Нужны разнообразные данные и проверка на новых примерах.
Нейросеть ответила на вопрос о дате открытия с полной уверенностью, но не привела источник. Что сделает хороший исследователь?
A. Сразу перепишет ответ в доклад
Пока не совсем. Уверенный тон не гарантирует правду. Дату нужно сверить с надёжными источниками, желательно независимыми.
B. Попросит нейросеть поставить больше восклицательных знаков
Пока не совсем. Уверенный тон не гарантирует правду. Дату нужно сверить с надёжными источниками, желательно независимыми.
C. Проверит дату по надёжным независимым источникам
Верно! ⭐ Уверенный тон не гарантирует правду. Дату нужно сверить с надёжными источниками, желательно независимыми.
D. Решит, что уверенный тон доказывает правильность
Пока не совсем. Уверенный тон не гарантирует правду. Дату нужно сверить с надёжными источниками, желательно независимыми.
⭐ Вторая экспедиция пройдена! Теперь можно проверить себя в диагностике ниже.
Эйра открывает мир алгоритмов
Семь заданий: команды, условия, циклы и первые строки Python. Каждое следующее испытание чуть сложнее предыдущего.
Компьютер выполняет точные инструкции
Алгоритм — последовательность понятных шагов. Условие позволяет выбрать действие: «если произошло одно — делай это, иначе — другое». Цикл повторяет действие несколько раз.
Python — язык программирования. В записи x = 4 мы сохраняем число 4 в переменной x. Команда print(x) показывает её значение. А range(3) в цикле означает три повторения: 0, 1 и 2.
🐣 Наш пернатый инженер торопится в космос. Эйра предлагает сперва проверить, умеет ли он считать команды и не путать текст с числами.
Правило: сначала реши самостоятельно, затем открой один вариант и прочитай объяснение. Для выполнения не нужен JavaScript.
Крафт написала роботу программу: «вперёд 2 шага, направо, вперёд 3 шага». Сколько шагов вперёд сделает робот?
A. 2
Пока не совсем. Робот делает 2 шага, затем 3. Поворот не считается шагом вперёд: 2 + 3 = 5.
B. 3
Пока не совсем. Робот делает 2 шага, затем 3. Поворот не считается шагом вперёд: 2 + 3 = 5.
C. 5
Верно! ⭐ Робот делает 2 шага, затем 3. Поворот не считается шагом вперёд: 2 + 3 = 5.
D. 6
Пока не совсем. Робот делает 2 шага, затем 3. Поворот не считается шагом вперёд: 2 + 3 = 5.
Эйра придумала правило: если температура ниже 0 °C, показать «Мороз»; иначе — «Не мороз». Что появится при температуре ровно 0 °C?
A. Мороз
Пока не совсем. Условие «ниже 0» означает строго меньше нуля. Ровно 0 не подходит, поэтому выполняется ветка «иначе».
B. Не мороз
Верно! ⭐ Условие «ниже 0» означает строго меньше нуля. Ровно 0 не подходит, поэтому выполняется ветка «иначе».
C. Обе надписи
Пока не совсем. Условие «ниже 0» означает строго меньше нуля. Ровно 0 не подходит, поэтому выполняется ветка «иначе».
D. Ошибка программы
Пока не совсем. Условие «ниже 0» означает строго меньше нуля. Ровно 0 не подходит, поэтому выполняется ветка «иначе».
Вокс просит повторить команду «прибавь 2» четыре раза, начиная с числа 1. Какое число получится?
A. 7
Пока не совсем. Начинаем с 1: после первого повторения 3, затем 5, 7 и 9. Повторяющееся действие называется циклом.
B. 8
Пока не совсем. Начинаем с 1: после первого повторения 3, затем 5, 7 и 9. Повторяющееся действие называется циклом.
C. 9
Верно! ⭐ Начинаем с 1: после первого повторения 3, затем 5, 7 и 9. Повторяющееся действие называется циклом.
D. 10
Пока не совсем. Начинаем с 1: после первого повторения 3, затем 5, 7 и 9. Повторяющееся действие называется циклом.
Что напечатает программа Python?
x = 4 x = x + 3 print(x)
Выбери ответ:
A. 3
Пока не совсем. Сначала x равно 4. Команда x = x + 3 присваивает переменной новое значение 7. print(x) выводит 7.
B. 4
Пока не совсем. Сначала x равно 4. Команда x = x + 3 присваивает переменной новое значение 7. print(x) выводит 7.
C. 7
Верно! ⭐ Сначала x равно 4. Команда x = x + 3 присваивает переменной новое значение 7. print(x) выводит 7.
D. 43
Пока не совсем. Сначала x равно 4. Команда x = x + 3 присваивает переменной новое значение 7. print(x) выводит 7.
Что выведет программа?
s = 0
for i in range(3):
s = s + 2
print(s)Выбери ответ:
A. 2
Пока не совсем. range(3) даёт три повторения: i принимает значения 0, 1, 2. Сумма растёт 0 → 2 → 4 → 6.
B. 3
Пока не совсем. range(3) даёт три повторения: i принимает значения 0, 1, 2. Сумма растёт 0 → 2 → 4 → 6.
C. 6
Верно! ⭐ range(3) даёт три повторения: i принимает значения 0, 1, 2. Сумма растёт 0 → 2 → 4 → 6.
D. 8
Пока не совсем. range(3) даёт три повторения: i принимает значения 0, 1, 2. Сумма растёт 0 → 2 → 4 → 6.
Крафт хотела вывести сумму 5 и 6, но написала:
print('5' + '6')Что выведет Python?
Выбери ответ:
A. 11
Пока не совсем. Кавычки означают строки. Оператор + соединяет две строки: '5' + '6' получается '56'. Для сложения чисел нужны числа без кавычек.
B. 56
Верно! ⭐ Кавычки означают строки. Оператор + соединяет две строки: '5' + '6' получается '56'. Для сложения чисел нужны числа без кавычек.
C. Ошибку
Пока не совсем. Кавычки означают строки. Оператор + соединяет две строки: '5' + '6' получается '56'. Для сложения чисел нужны числа без кавычек.
D. Ничего
Пока не совсем. Кавычки означают строки. Оператор + соединяет две строки: '5' + '6' получается '56'. Для сложения чисел нужны числа без кавычек.
Модель получила оценки уверенности для трёх объектов: кошка — 0,2; собака — 0,7; лиса — 0,1. Если программа выбирает наибольшую оценку, что она выдаст?
A. Кошка
Пока не совсем. Максимальное значение — 0,7 у собаки. Важно: выбор максимальной оценки ещё не гарантирует, что модель действительно права.
B. Собака
Верно! ⭐ Максимальное значение — 0,7 у собаки. Важно: выбор максимальной оценки ещё не гарантирует, что модель действительно права.
C. Лиса
Пока не совсем. Максимальное значение — 0,7 у собаки. Важно: выбор максимальной оценки ещё не гарантирует, что модель действительно права.
D. Все три
Пока не совсем. Максимальное значение — 0,7 у собаки. Важно: выбор максимальной оценки ещё не гарантирует, что модель действительно права.
⭐ Третья экспедиция завершена! Если что-то не получилось — перечитай объяснение и попробуй решить заново на бумаге.
ИИ под микроскопом: ошибки и точность
Восемь испытаний, в которых нужно не угадывать, а считать, сравнивать и делать выводы.
Как понять, что модель действительно помогает?
Если модель правильно ответила на 9 из 10 вопросов, её общая точность (accuracy) на этой проверке равна 90%. Но одного процента бывает мало: система может хорошо распознавать частые случаи и ошибаться на редких.
Ложная тревога — модель назвала обычное письмо спамом. Пропуск — не заметила настоящее спам-письмо. Для фильтра важны оба типа ошибок.
Precision — сколько из помеченных как спам писем действительно спам. Recall — какую долю настоящего спама система нашла. Эти показатели отвечают на разные вопросы.
Честная проверка проводится на примерах, которых модель не видела при обучении. Иначе оценка может оказаться слишком оптимистичной.
🐣 Наш гордый птенец заявил: «Моя модель права в 95 случаях из 100!» Вокс попросила показать, какие именно пять случаев он пропустил. И тут началось самое интересное…
Правило лаборатории: прежде чем открыть ответ, запиши расчёт на бумаге. В этих испытаниях важен ход мысли, а не скорость.
Вокс проверила модель на 40 фотографиях. Она правильно определила 30. Какова доля правильных ответов?
A. 30%
Пока не совсем. Делим 30 на 40: 0,75. Значит, точность на этой проверке составляет 75%.
B. 60%
Пока не совсем. Делим 30 на 40: 0,75. Значит, точность на этой проверке составляет 75%.
C. 75%
Верно! ⭐ Делим 30 на 40: 0,75. Значит, точность на этой проверке составляет 75%.
D. 90%
Пока не совсем. Делим 30 на 40: 0,75. Значит, точность на этой проверке составляет 75%.
Эйра проверяет фильтр спама. Из 12 обычных писем система ошибочно назвала спамом 3. Сколько обычных писем она распознала верно?
A. 3
Пока не совсем. Всего обычных писем 12. Три ошибочно заблокированы, значит 12 − 3 = 9 распознаны правильно.
B. 9
Верно! ⭐ Всего обычных писем 12. Три ошибочно заблокированы, значит 12 − 3 = 9 распознаны правильно.
C. 12
Пока не совсем. Всего обычных писем 12. Три ошибочно заблокированы, значит 12 − 3 = 9 распознаны правильно.
D. 15
Пока не совсем. Всего обычных писем 12. Три ошибочно заблокированы, значит 12 − 3 = 9 распознаны правильно.
Фильтр пометил 10 писем как спам. Среди них действительно спамом оказались 8. Какая доля помеченных писем действительно спам?
A. 20%
Пока не совсем. Среди десяти помеченных писем восемь действительно спам. 8 ÷ 10 = 80%. Эта доля называется точностью положительных предсказаний (precision).
B. 50%
Пока не совсем. Среди десяти помеченных писем восемь действительно спам. 8 ÷ 10 = 80%. Эта доля называется точностью положительных предсказаний (precision).
C. 80%
Верно! ⭐ Среди десяти помеченных писем восемь действительно спам. 8 ÷ 10 = 80%. Эта доля называется точностью положительных предсказаний (precision).
D. 100%
Пока не совсем. Среди десяти помеченных писем восемь действительно спам. 8 ÷ 10 = 80%. Эта доля называется точностью положительных предсказаний (precision).
Среди 20 настоящих спам-писем фильтр нашёл 15, а 5 пропустил. Какую долю всего спама он обнаружил?
A. 25%
Пока не совсем. 15 найденных из 20 настоящих спам-писем: 15 ÷ 20 = 75%. Это полнота (recall).
B. 50%
Пока не совсем. 15 найденных из 20 настоящих спам-писем: 15 ÷ 20 = 75%. Это полнота (recall).
C. 75%
Верно! ⭐ 15 найденных из 20 настоящих спам-писем: 15 ÷ 20 = 75%. Это полнота (recall).
D. 80%
Пока не совсем. 15 найденных из 20 настоящих спам-писем: 15 ÷ 20 = 75%. Это полнота (recall).
Из 100 сообщений 95 обычных и 5 спам. Программа всегда отвечает «не спам». Какова её общая точность?
A. 0%
Пока не совсем. Она верно определит все 95 обычных сообщений, то есть 95%. Но пропустит весь спам! Поэтому одной общей точности бывает недостаточно.
B. 5%
Пока не совсем. Она верно определит все 95 обычных сообщений, то есть 95%. Но пропустит весь спам! Поэтому одной общей точности бывает недостаточно.
C. 50%
Пока не совсем. Она верно определит все 95 обычных сообщений, то есть 95%. Но пропустит весь спам! Поэтому одной общей точности бывает недостаточно.
D. 95%
Верно! ⭐ Она верно определит все 95 обычных сообщений, то есть 95%. Но пропустит весь спам! Поэтому одной общей точности бывает недостаточно.
Крафт обучила модель на 80 фотографиях, а затем случайно включила 20 из них в проверочный набор. Почему это проблема?
A. Проверка может выглядеть лучше, чем работа на новых фотографиях
Верно! ⭐ Модель уже видела эти фотографии. Такая утечка данных искажает оценку качества: на совершенно новых примерах результат может оказаться хуже.
B. Модель обязательно перестанет работать
Пока не совсем. Модель уже видела эти фотографии. Такая утечка данных искажает оценку качества: на совершенно новых примерах результат может оказаться хуже.
C. Фотографии потеряют цвет
Пока не совсем. Модель уже видела эти фотографии. Такая утечка данных искажает оценку качества: на совершенно новых примерах результат может оказаться хуже.
D. Проверка станет честнее
Пока не совсем. Модель уже видела эти фотографии. Такая утечка данных искажает оценку качества: на совершенно новых примерах результат может оказаться хуже.
На одинаковых 100 проверочных письмах модель А нашла 18 из 20 спам-писем, но ошибочно заблокировала 12 обычных. Модель Б нашла 16 из 20 спам-писем и ошибочно заблокировала только 2 обычных. Какой вывод верен?
A. Модель А лучше по всем показателям
Пока не совсем. А нашла больше спама (18 против 16), но Б гораздо реже ошибочно блокирует обычные письма (2 против 12). Выбор зависит от того, какие ошибки важнее.
B. Модель Б лучше по всем показателям
Пока не совсем. А нашла больше спама (18 против 16), но Б гораздо реже ошибочно блокирует обычные письма (2 против 12). Выбор зависит от того, какие ошибки важнее.
C. А обнаруживает больше спама, Б реже блокирует обычные письма
Верно! ⭐ А нашла больше спама (18 против 16), но Б гораздо реже ошибочно блокирует обычные письма (2 против 12). Выбор зависит от того, какие ошибки важнее.
D. Обе модели всегда выдают одинаковые ответы
Пока не совсем. А нашла больше спама (18 против 16), но Б гораздо реже ошибочно блокирует обычные письма (2 против 12). Выбор зависит от того, какие ошибки важнее.
В наборе 50 писем: 10 — спам, 40 — обычные. Фильтр нашёл 8 спам-писем и ошибочно пометил как спам 4 обычных. Сколько писем он всего назвал спамом?
A. 8
Пока не совсем. Система пометила как спам 8 настоящих спам-писем и 4 обычных: 8 + 4 = 12. Остальные 38 она назвала обычными.
B. 10
Пока не совсем. Система пометила как спам 8 настоящих спам-писем и 4 обычных: 8 + 4 = 12. Остальные 38 она назвала обычными.
C. 12
Верно! ⭐ Система пометила как спам 8 настоящих спам-писем и 4 обычных: 8 + 4 = 12. Остальные 38 она назвала обычными.
D. 14
Пока не совсем. Система пометила как спам 8 настоящих спам-писем и 4 обычных: 8 + 4 = 12. Остальные 38 она назвала обычными.
⭐ Четвёртая экспедиция пройдена! Ты научился отличать общую точность от других показателей и замечать ошибки проверки.
Машина учится: первые опыты с данными
Девять испытаний с постепенным повышением сложности: закономерности, признаки, деревья решений, проверка моделей и мини-олимпиада.
От примеров к предсказаниям
Данные — наблюдения, числа или изображения, на которых можно искать закономерности. Признаки — свойства объекта, полезные для решения задачи. Например, для прохода робота через дверь важна ширина, а не цвет корпуса.
Модель строит предсказание на основе примеров или заданных правил. Дерево решений — цепочка проверок «если …, то …». А проверочная выборка показывает, как модель справляется с ранее не встречавшимися примерами.
Прогноз не гарантирует истину. Поэтому мы всегда спрашиваем: какие данные использовали, что именно измеряли и при каких условиях проверяли?
🐣 Птенец заявил, что его робот знает всё на свете. Крафт предложила проверить это на новой двери. И правильно сделала!
Правило: сначала подумай и запиши расчёт, затем раскрой выбранный ответ. Для всех заданий не нужен JavaScript.
Эйра записала наблюдения: при 1 часе занятий результат 2 балла, при 2 часах — 4 балла, при 3 часах — 6 баллов. Если закономерность сохранится, какой результат можно ожидать после 4 часов?
A. 7
Пока не совсем. В примерах каждый дополнительный час добавляет 2 балла. При 4 часах прогноз равен 8. Но это лишь прогноз по данным, а не обещание реального результата.
B. 8
Верно! ⭐ В примерах каждый дополнительный час добавляет 2 балла. При 4 часах прогноз равен 8. Но это лишь прогноз по данным, а не обещание реального результата.
C. 9
Пока не совсем. В примерах каждый дополнительный час добавляет 2 балла. При 4 часах прогноз равен 8. Но это лишь прогноз по данным, а не обещание реального результата.
D. 12
Пока не совсем. В примерах каждый дополнительный час добавляет 2 балла. При 4 часах прогноз равен 8. Но это лишь прогноз по данным, а не обещание реального результата.
Крафт хочет предсказывать, сможет ли робот пройти через дверь. Какие два признака полезнее всего?
A. Цвет робота и день недели
Пока не совсем. Нужно сравнить размеры: робот пройдёт, если его ширина меньше допустимой ширины проёма с учётом запаса.
B. Ширина робота и ширина дверного проёма
Верно! ⭐ Нужно сравнить размеры: робот пройдёт, если его ширина меньше допустимой ширины проёма с учётом запаса.
C. Название файла и цвет кнопки
Пока не совсем. Нужно сравнить размеры: робот пройдёт, если его ширина меньше допустимой ширины проёма с учётом запаса.
D. Музыка в лаборатории и номер опыта
Пока не совсем. Нужно сравнить размеры: робот пройдёт, если его ширина меньше допустимой ширины проёма с учётом запаса.
Правило модели: если у животного есть перья — ответ «птица»; иначе, если есть шерсть — «млекопитающее»; иначе — «другое». Как модель назовёт летучую мышь?
A. Птица
Пока не совсем. У летучей мыши нет перьев, но есть шерсть. По заданному правилу она попадает во вторую ветку: «млекопитающее».
B. Млекопитающее
Верно! ⭐ У летучей мыши нет перьев, но есть шерсть. По заданному правилу она попадает во вторую ветку: «млекопитающее».
C. Другое
Пока не совсем. У летучей мыши нет перьев, но есть шерсть. По заданному правилу она попадает во вторую ветку: «млекопитающее».
D. Не сможет ответить
Пока не совсем. У летучей мыши нет перьев, но есть шерсть. По заданному правилу она попадает во вторую ветку: «млекопитающее».
Вокс обучает модель отличать письма с просьбой о помощи от рекламы. Какой набор данных полезнее?
A. 100 рекламных писем и ни одного другого
Пока не совсем. Для обучения нужны примеры обеих категорий и корректные метки. Разнообразие помогает модели замечать существенные закономерности.
B. Разнообразные примеры обоих классов с проверенными метками
Верно! ⭐ Для обучения нужны примеры обеих категорий и корректные метки. Разнообразие помогает модели замечать существенные закономерности.
C. Только одно письмо, повторённое 200 раз
Пока не совсем. Для обучения нужны примеры обеих категорий и корректные метки. Разнообразие помогает модели замечать существенные закономерности.
D. Список случайных чисел без писем
Пока не совсем. Для обучения нужны примеры обеих категорий и корректные метки. Разнообразие помогает модели замечать существенные закономерности.
Есть 60 разных фотографий. Эйра решила взять 45 для обучения, а остальные — для проверки. Сколько фотографий останется для проверки?
A. 10
Пока не совсем. 60 − 45 = 15. Проверочные фотографии не следует использовать для обучения модели.
B. 15
Верно! ⭐ 60 − 45 = 15. Проверочные фотографии не следует использовать для обучения модели.
C. 20
Пока не совсем. 60 − 45 = 15. Проверочные фотографии не следует использовать для обучения модели.
D. 45
Пока не совсем. 60 − 45 = 15. Проверочные фотографии не следует использовать для обучения модели.
Крафт настроила датчик: если оценка препятствия больше 0,6, робот останавливается. Оценки трёх объектов: 0,4; 0,6; 0,9. Перед сколькими объектами он остановится?
A. Перед одним
Верно! ⭐ Строго больше 0,6 только число 0,9. Ровно 0,6 не подходит. Робот остановится перед одним объектом.
B. Перед двумя
Пока не совсем. Строго больше 0,6 только число 0,9. Ровно 0,6 не подходит. Робот остановится перед одним объектом.
C. Перед тремя
Пока не совсем. Строго больше 0,6 только число 0,9. Ровно 0,6 не подходит. Робот остановится перед одним объектом.
D. Ни перед одним
Пока не совсем. Строго больше 0,6 только число 0,9. Ровно 0,6 не подходит. Робот остановится перед одним объектом.
Три попытки модели дали 6, 9 и 12 правильных ответов. Каково среднее число правильных ответов за попытку?
A. 8
Пока не совсем. Складываем 6 + 9 + 12 = 27 и делим на 3. Среднее равно 9.
B. 9
Верно! ⭐ Складываем 6 + 9 + 12 = 27 и делим на 3. Среднее равно 9.
C. 10
Пока не совсем. Складываем 6 + 9 + 12 = 27 и делим на 3. Среднее равно 9.
D. 12
Пока не совсем. Складываем 6 + 9 + 12 = 27 и делим на 3. Среднее равно 9.
Модель научилась распознавать дорожные знаки на ярких дневных фото. Что нужно сделать, прежде чем доверять ей ночью?
A. Ничего: дневной результат гарантирует ночной
Пока не совсем. Освещение меняет вид изображений. Нужно отдельно измерить качество на ночных снимках, а затем при необходимости улучшить данные и модель.
B. Проверить на ночных фото и при необходимости добавить разнообразные обучающие примеры
Верно! ⭐ Освещение меняет вид изображений. Нужно отдельно измерить качество на ночных снимках, а затем при необходимости улучшить данные и модель.
C. Поменять название модели
Пока не совсем. Освещение меняет вид изображений. Нужно отдельно измерить качество на ночных снимках, а затем при необходимости улучшить данные и модель.
D. Увеличить громкость компьютера
Пока не совсем. Освещение меняет вид изображений. Нужно отдельно измерить качество на ночных снимках, а затем при необходимости улучшить данные и модель.
На проверке было 20 писем: 8 спам и 12 обычных. Модель нашла 6 спам-писем, но ошибочно заблокировала 3 обычных. Сколько всего писем она классифицировала правильно?
A. 6
Пока не совсем. Верно найдено 6 спам-писем. Обычных правильно пропущено 12 − 3 = 9. Всего правильных ответов 6 + 9 = 15 из 20.
B. 9
Пока не совсем. Верно найдено 6 спам-писем. Обычных правильно пропущено 12 − 3 = 9. Всего правильных ответов 6 + 9 = 15 из 20.
C. 15
Верно! ⭐ Верно найдено 6 спам-писем. Обычных правильно пропущено 12 − 3 = 9. Всего правильных ответов 6 + 9 = 15 из 20.
D. 17
Пока не совсем. Верно найдено 6 спам-писем. Обычных правильно пропущено 12 − 3 = 9. Всего правильных ответов 6 + 9 = 15 из 20.
⭐ Пятая экспедиция завершена! Особенно важна последняя задача: в ней нужно одновременно учитывать два типа ошибок.
ИИ принимает решения: правила, данные, ошибки
Девять новых испытаний: условия, деревья решений, таблицы, расстояния и первая комплексная задача.
Как машина выбирает ответ?
Дерево решений — цепочка вопросов с ответами «да» или «нет». Каждое условие направляет объект по одной из ветвей.
Два условия сразу: «И» означает, что оба должны быть верны. «ИЛИ» — что достаточно хотя бы одного.
Ближайший пример: простая модель может присваивать объекту класс ближайшего обучающего примера. Для чисел близость удобно измерять разницей.
Порог: модель может показывать предсказание, только если оценка уверенности достигла заданного значения. Такая оценка сама по себе не доказывает правильность.
🐣 Птенец торжественно объявил: «Моя система никогда не ошибается!» Вокс попросила показать проверочную таблицу. Крафт уже приготовила калькулятор…
Работаем как на олимпиаде: сначала реши задачу на бумаге, затем раскрой выбранный вариант и прочитай разбор. Здесь нет автоматического подсчёта и сохранения ответов — задания доступны без JavaScript.
У робота есть датчик: если расстояние до стены меньше 20 см, он поворачивает; иначе едет вперёд. Датчик показал ровно 20 см. Что сделает робот?
A. Повернёт
Пока неверно. Условие строгое: «меньше 20». Значение 20 ему не соответствует, значит выполняется действие «иначе».
B. Поедет вперёд
Верно! ⭐ Условие строгое: «меньше 20». Значение 20 ему не соответствует, значит выполняется действие «иначе».
C. Остановится
Пока неверно. Условие строгое: «меньше 20». Значение 20 ему не соответствует, значит выполняется действие «иначе».
D. Выключится
Пока неверно. Условие строгое: «меньше 20». Значение 20 ему не соответствует, значит выполняется действие «иначе».
Эйра создала правило: если у объекта есть колёса — отнести к транспорту; если колёс нет — к другим объектам. Что покажет правило для лодки без колёс?
A. Транспорт
Пока неверно. По этому конкретному правилу лодка попадёт в «другие объекты». Это пример ограничения слишком простого дерева решений: классификация может быть неверной по смыслу.
B. Другой объект
Верно! ⭐ По этому конкретному правилу лодка попадёт в «другие объекты». Это пример ограничения слишком простого дерева решений: классификация может быть неверной по смыслу.
C. Нельзя применить правило
Пока неверно. По этому конкретному правилу лодка попадёт в «другие объекты». Это пример ограничения слишком простого дерева решений: классификация может быть неверной по смыслу.
D. Оба класса сразу
Пока неверно. По этому конкретному правилу лодка попадёт в «другие объекты». Это пример ограничения слишком простого дерева решений: классификация может быть неверной по смыслу.
Крафт проверяет модель для игрушечных роботов. Правило: «робот для улицы», если у него есть колёса И корпус водонепроницаемый. У модели A колёса есть, корпус не защищён. Каков результат?
A. Для улицы
Пока неверно. Связка «И» требует выполнения обоих условий. Одного наличия колёс недостаточно.
B. Не для улицы
Верно! ⭐ Связка «И» требует выполнения обоих условий. Одного наличия колёс недостаточно.
C. Всегда неизвестно
Пока неверно. Связка «И» требует выполнения обоих условий. Одного наличия колёс недостаточно.
D. Зависит от цвета
Пока неверно. Связка «И» требует выполнения обоих условий. Одного наличия колёс недостаточно.
В таблице 6 роботов. Три умеют ездить, два умеют летать, один умеет и ездить, и летать. Сколько роботов умеют хотя бы одно из этих действий?
A. 4
Верно! ⭐ Используем правило включения-исключения: 3 + 2 − 1 = 4. Робота, который умеет оба действия, нельзя считать дважды.
B. 5
Пока неверно. Используем правило включения-исключения: 3 + 2 − 1 = 4. Робота, который умеет оба действия, нельзя считать дважды.
C. 6
Пока неверно. Используем правило включения-исключения: 3 + 2 − 1 = 4. Робота, который умеет оба действия, нельзя считать дважды.
D. 7
Пока неверно. Используем правило включения-исключения: 3 + 2 − 1 = 4. Робота, который умеет оба действия, нельзя считать дважды.
Модель выбирает ближайшее число из обучающего набора: 2 → «малый», 8 → «большой». Какой класс получит число 7?
A. Малый
Пока неверно. Расстояние от 7 до 2 равно 5, а от 7 до 8 равно 1. Ближайший пример — 8, поэтому класс «большой».
B. Большой
Верно! ⭐ Расстояние от 7 до 2 равно 5, а от 7 до 8 равно 1. Ближайший пример — 8, поэтому класс «большой».
C. Оба
Пока неверно. Расстояние от 7 до 2 равно 5, а от 7 до 8 равно 1. Ближайший пример — 8, поэтому класс «большой».
D. Ни один
Пока неверно. Расстояние от 7 до 2 равно 5, а от 7 до 8 равно 1. Ближайший пример — 8, поэтому класс «большой».
Вокс разрешает модели отвечать только при уверенности не ниже 0,8. Модель дала ответы с оценками 0,75; 0,80; 0,92. Сколько ответов она разрешит показать?
A. 1
Пока неверно. «Не ниже 0,8» означает ≥ 0,8. Подходят 0,80 и 0,92: всего два ответа.
B. 2
Верно! ⭐ «Не ниже 0,8» означает ≥ 0,8. Подходят 0,80 и 0,92: всего два ответа.
C. 3
Пока неверно. «Не ниже 0,8» означает ≥ 0,8. Подходят 0,80 и 0,92: всего два ответа.
D. 0
Пока неверно. «Не ниже 0,8» означает ≥ 0,8. Подходят 0,80 и 0,92: всего два ответа.
На 12 объектах правило верно определило 9. Затем Крафт изменила правило и на тех же 12 объектах получила 10 верных ответов. Какой вывод корректен?
A. Новое правило точно лучше для всех будущих объектов
Пока неверно. На данном наборе стало 10 верных вместо 9. Но для уверенного вывода о новых объектах нужны отдельные проверочные примеры.
B. На этой проверке новое правило дало на один верный ответ больше
Верно! ⭐ На данном наборе стало 10 верных вместо 9. Но для уверенного вывода о новых объектах нужны отдельные проверочные примеры.
C. Старое правило не работало
Пока неверно. На данном наборе стало 10 верных вместо 9. Но для уверенного вывода о новых объектах нужны отдельные проверочные примеры.
D. Проверять больше ничего не нужно
Пока неверно. На данном наборе стало 10 верных вместо 9. Но для уверенного вывода о новых объектах нужны отдельные проверочные примеры.
Что напечатает алгоритм?
s = 0
для x из [1, 2, 3, 4]:
если x > 2:
s = s + x
напечатать sA. 3
Пока неверно. Условию x > 2 соответствуют 3 и 4. Их сумма 3 + 4 = 7. Это псевдокод — описание логики, а не готовая программа Python.
B. 5
Пока неверно. Условию x > 2 соответствуют 3 и 4. Их сумма 3 + 4 = 7. Это псевдокод — описание логики, а не готовая программа Python.
C. 7
Верно! ⭐ Условию x > 2 соответствуют 3 и 4. Их сумма 3 + 4 = 7. Это псевдокод — описание логики, а не готовая программа Python.
D. 10
Пока неверно. Условию x > 2 соответствуют 3 и 4. Их сумма 3 + 4 = 7. Это псевдокод — описание логики, а не готовая программа Python.
Эйра проверяет классификатор на 30 снимках: 12 снимков содержат дрон. Модель нашла 9 дронов, но ещё 4 снимка без дрона ошибочно пометила как «дрон». Сколько снимков модель назвала «дрон» и сколько настоящих дронов пропустила?
A. 13 и 3
Верно! ⭐ Модель пометила как «дрон» 9 настоящих и 4 ложных случая: 13. Настоящих дронов всего 12, нашла 9, значит пропустила 3.
B. 9 и 4
Пока неверно. Модель пометила как «дрон» 9 настоящих и 4 ложных случая: 13. Настоящих дронов всего 12, нашла 9, значит пропустила 3.
C. 16 и 3
Пока неверно. Модель пометила как «дрон» 9 настоящих и 4 ложных случая: 13. Настоящих дронов всего 12, нашла 9, значит пропустила 3.
D. 13 и 4
Пока неверно. Модель пометила как «дрон» 9 настоящих и 4 ложных случая: 13. Настоящих дронов всего 12, нашла 9, значит пропустила 3.
⭐ Шестая экспедиция пройдена! Теперь ты умеешь проверять не только ответ модели, но и логику, по которой он получен.
Python: теперь пишешь код ты!
Семь практических задач — от первой команды до маленького классификатора и подсчёта предсказаний.
Из зрителя — в разработчики
Сегодня нет готовых вариантов A, B, C, D. Нужно самостоятельно написать программу на Python, а затем сравнить её с примером решения.
В Python команда print(...) выводит результат, if проверяет условие, else задаёт другой путь, а for ... in ... повторяет действия. Отступы имеют значение.
Важно: поле для кода — черновик, оно не запускает Python и не сохраняет написанное после обновления страницы. Для настоящей проверки запускай программу в установленном Python или другом доверенном учебном редакторе.
🐣 Наш птенец уже написал на доске «Я — великий программист». Эйра попросила показать хотя бы одну работающую программу. Пришлось браться за клавиатуру!
Как проходить: прочитай задачу → напиши код → предскажи результат → открой пример решения → проверь свою логику. Код не отправляется на сервер.
Напиши программу, которая выводит фразу: Привет, лаборатория!
Показать пример решения и объяснение
print("Привет, лаборатория!")Функция print выводит текст. Текст нужно заключить в кавычки.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
У робота было 12 единиц энергии. На движение ушло 5, затем он получил ещё 3. Напиши программу, которая вычисляет и печатает оставшуюся энергию.
Показать пример решения и объяснение
energy = 12 energy = energy - 5 energy = energy + 3 print(energy) # 10
Промежуточные значения: 12 → 7 → 10. Проверка: на экране должно быть 10.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
Переменная distance равна 15. Напиши программу: если расстояние меньше 20, вывести «Стоп», иначе — «Вперёд».
Показать пример решения и объяснение
distance = 15
if distance < 20:
print("Стоп")
else:
print("Вперёд")Обрати внимание на двоеточия и отступы в Python. При distance = 15 программа выводит «Стоп». Попробуй мысленно заменить 15 на 20.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
Напиши программу, которая трижды выводит слово «Проверка» с помощью цикла for.
Показать пример решения и объяснение
for i in range(3):
print("Проверка")range(3) задаёт три повторения. Отступ показывает, какая команда находится внутри цикла.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
Датчик трижды измерил температуру: 18, 21 и 24 градуса. Напиши программу, которая вычисляет среднее арифметическое и выводит его.
Показать пример решения и объяснение
temperatures = [18, 21, 24] average = sum(temperatures) / len(temperatures) print(average) # 21.0
Сумма 63, количество измерений 3, среднее 21.0. sum складывает элементы списка, len считает их.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
Создай простое правило для модели: если число wheels не меньше 2, выводить «Проверить транспорт», иначе — «Другой объект». Проверь на wheels = 3.
Показать пример решения и объяснение
wheels = 3
if wheels >= 2:
print("Проверить транспорт")
else:
print("Другой объект")При wheels = 3 условие истинно. Это правило, а не обученная нейросеть: оно может ошибаться, например на чемодане с колёсами.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
Дан список оценок модели: [0.3, 0.8, 0.75, 0.95, 0.8]. Напиши программу, которая считает, сколько оценок не меньше 0.8. Не используй готовый ответ — сначала придумай цикл и условие.
Показать пример решения и объяснение
scores = [0.3, 0.8, 0.75, 0.95, 0.8]
count = 0
for score in scores:
if score >= 0.8:
count = count + 1
print(count) # 3Подходят 0.8, 0.95 и 0.8 — всего 3. Цикл просматривает каждый элемент, условие отбирает подходящие, счётчик увеличивается на единицу.
Проверь себя: совпадает ли результат? Другой правильный способ решения тоже подходит.
⭐ Седьмая экспедиция завершена! Главное достижение — ты уже не только выбираешь ответы, но и самостоятельно составляешь программы.
Выбери класс и проверь свои силы
Первый маршрут — диагностический. Он помогает увидеть сильные стороны и темы, которые стоит потренировать. Это наши авторские задачи, а не копия официального олимпиадного тура.
Задание 1 из 10
⚠️ Выбор окончательный: после ответа изменить его нельзя.