Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Нейросетевые технологии в образовании: возможности и применение

Покупка
Новинка
Артикул: 891210.01.99
Доступ онлайн
139 ₽
В корзину
Настоящее издание направлено на поддержку педагогов, методистов, научных сотрудников и руководителей образовательных организаций в освоении нейросетевых технологий. В пособии представлена систематизированная информация о возможностях и применении искусственного интеллекта в образовании с акцентом на использование больших языковых моделей (LLM). Материалы включают множество практических примеров, полезных для освоения нейросетевых инструментов, и описание некоторых сервисов, которые бесплатно доступны для российских специалистов и могут использоваться для решения различных педагогических, методических и исследовательских задач.
Иванченко, Д. А. Нейросетевые технологии в образовании: возможности и применение : методическое пособие / Д. А. Иванченко. - Москва : Директ-Медиа, 2025. - 89 с. - ISBN 978-5-4499-4903-5. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2275881 (дата обращения: 18.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
РОССИЙСКАЯ АКАДЕМИЯ ОБРАЗОВАНИЯ 
 
 
 
Д. А. Иванченко 
 
 
 
 
 
 
НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ 
В ОБРАЗОВАНИИ: 
ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ 
 
Методическое пособие 
Издано Российской академией образования 
 (протокол заседания редакционно-издательского 
совета РАО от 18 декабря 2024 года № 23) 
 
 
 
 
 
 
 
 
 
 
 
Москва 
2025 
 


УДК 37:004.032.26(072) 
ББК 74.026.843я81  
И23 
Рецензенты: 
Л. Л. Босова — д-р пед. наук, проф.,  
академик Российской академии образования; 
Е. Д. Патаракин — д-р пед. наук, доц., профессор Департамента информатики, 
управления и технологий Института цифрового образования МГПУ 
Иванченко, Д. А. 
И23  
Нейросетевые технологии в образовании: возможности 
и применение : методическое пособие / Д. А. Иванченко. — 
Москва : Директ-Медиа, 2025. — 88 с. : ил. 
ISBN 978-5-4499-4903-5 
Настоящее издание направлено на поддержку педагогов, методистов, научных сотрудников и руководителей образовательных организаций в освоении нейросетевых технологий. В пособии 
представлена систематизированная информация о возможностях 
и применении искусственного интеллекта в образовании с акцентом на использование больших языковых моделей (LLM). 
Материалы включают множество практических примеров, 
полезных для освоения нейросетевых инструментов, и описание 
некоторых сервисов, которые бесплатно доступны для российских 
специалистов и могут использоваться для решения различных 
педагогических, методических и исследовательских задач. 
УДК 37:004.032.26(072) 
ББК 74.026.843я81 
ISBN 978-5-4499-4903-5 
© Иванченко Д. А., текст, 2025 
© Российская академия образования, 2025 
© Издательство «Директ-Медиа», оформление, 2025 


ОГЛАВЛЕНИЕ 
ВВЕДЕНИЕ ........................................................................................................... 5 
1. ОСНОВЫ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ...................................... 7
1.1. Сущность и базовые принципы работы 
нейросетей .................................................................................................... 7 
1.2. История развития и будущее 
нейросетевых технологий ................................................................. 11 
1.3. Применение нейросетей 
в различных сферах жизнедеятельности .................................. 15 
2. РОЛЬ И МЕСТО  ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В ОБРАЗОВАНИИ .......................................................................................... 20 
2.1. Актуальные вопросы использования 
искусственного интеллекта.............................................................. 20 
2.2. Перспективы и риски  применения нейросетей 
для управления знаниями ................................................................. 26 
2.3. Этические и правовые аспекты  внедрения 
технологий  искусственного интеллекта .................................. 29 
3. ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ ИНСТРУМЕНТОВ
В ОБРАЗОВАНИИ .......................................................................................... 35 
3.1. Применение нейросетей 
в образовательных организациях ................................................. 35 
3.2. Нейросетевые технологии для работы 
с контентом ................................................................................................ 43 
3.3. Критерии оценки и подбора нейросетевых 
инструментов ........................................................................................... 47 
4. БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ
В ПРАКТИКЕ РАБОТЫ ПЕДАГОГА ....................................................... 50 
4.1. Возможности и ограничения 
больших языковых моделей............................................................. 50 


4.2. Основы промт-инжиниринга ................................................... 53 
4.3. Проверка и верификация результатов работы 
языковых моделей ................................................................................. 61 
4.4. Сценарии использования 
больших языковых моделей............................................................. 65 
4.5. Нейросетевые инструменты 
для ежедневного использования ................................................... 70 
ЗАКЛЮЧЕНИЕ ................................................................................................ 75 
ЛИТЕРАТУРА .................................................................................................. 77 
ПРИЛОЖЕНИЕ ............................................................................................... 84 
Примерный учебно-тематический план 
программы повышения квалификации 
«Нейросетевые технологии в образовании: 
возможности и применение» ........................................................... 84 


ВВЕДЕНИЕ 
Современное общество переживает период стремитель‐
ного развития технологий, оказывающих глубокое влияние 
на все сферы жизни, включая образование. Рост числа ин‐
формационных услуг, предоставляемых искусственными 
интеллектуальными системами, стремительное развитие 
возможностей машинного обучения и средств робототехники 
приводит к тому, что технологии постепенно берут на себя 
функции, ранее требовавшие исключительно человеческих 
интеллектуальных способностей. Педагоги все чаще исполь‐
зуют возможности искусственного интеллекта в своей повсе‐
дневной практике, меняя традиционные подходы к обучению, 
методической и исследовательской деятельности.  
В контексте современного образования, где возрастает 
потребность в интерактивности, адаптивности и персонали‐
зации, нейросети способны существенно расширить возмож‐
ности по организации учебной деятельности, повысить 
включенность и заинтересованность учащихся, снизить тру‐
дозатраты педагога. Однако для их эффективного внедрения 
требуется не только техническая подготовка, но и осознанное 
понимание возможностей, ограничений и влияния цифровых 
технологий на процессы передачи и получения знаний, фор‐
мирования и воспитания личности, реализации различных 
аспектов профессиональной деятельности.   
Нейросети становятся мощным инструментом для педа‐
гогов, позволяя не только преобразовывать учебный процесс, 
но и существенно облегчать подготовку к занятиям, создавать 
интерактивные образовательные материалы и проводить 
научные исследования. Автоматизация рутинных задач эко‐
номит время и силы и дает возможность педагогам сосредото‐
читься на более важных, в том числе и творческих аспектах 
своей работы. 
Цель настоящего издания — помочь педагогам, методи‐
стам, научным сотрудникам и руководителям образовательных 
организаций систематизировать знания в области искус‐
ственного интеллекта и овладеть основными принципами 
использования нейросетевых технологий для осознанного 


использования в профессиональной деятельности. В пособии 
рассмотрен широкий спектр вопросов: от основ искусствен‐
ного интеллекта до практического применения больших язы‐
ковых моделей (LLM) для решения различных задач.  
Представленный материал ориентирован на специали‐
стов, не обладающих специальными знаниями, не содержит 
специальной терминологии и предлагает множество практи‐
ческих примеров, полезных для освоения больших языковых 
моделей. Пособие включает описание и ссылки на конкрет‐
ные нейросетевые инструменты, которые положительно за‐
рекомендовали себя на практике и бесплатно доступны для 
российских специалистов.  
Особое внимание уделяется возможностям и ограниче‐
ниям искусственного интеллекта применительно к сфере об‐
разования, вопросам этики и безопасности использования 
результатов их деятельности, отдельно рассмотрены крите‐
рии оценки и подбора нейросетевых инструментов. 
В приложении представлена примерная программа по‐
вышения квалификации «Нейросетевые технологии в обра‐
зовании: 
возможности 
и 
применение» 
трудоемкостью 
36 академических часов, разработанная с учетом самых акту‐
альных наработок и практик использования возможностей 
искусственного интеллекта в образовательной сфере. 
Надеемся, что данное пособие станет надежным помощ‐
ником для всех, кто хочет освоить нейросетевые технологии, 
сделать образовательный процесс более интересным, интер‐
активным и результативным, а также повысить эффектив‐
ность своей профессиональной деятельности. 
Автор выражает искреннюю признательность рецен‐
зентам, чьи рекомендации оказали существенную помощь в 
подготовке данного методического пособия. К сожалению, 
доктор педагогических наук, профессор, академик Российской 
академии образования Лариса Леонидовна Босова ушла из 
жизни, но ее выдающаяся профессиональная деятельность и 
весомый вклад в развитие педагогической науки навсегда 
останутся в нашей памяти. 
 
 


1. ОСНОВЫ НЕЙРОСЕТЕВЫХ
ТЕХНОЛОГИЙ 
1.1. Сущность и базовые принципы 
работы нейросетей 
Популярность нейросетей в последние несколько лет 
вызвана, в первую очередь, технологическими факторами. 
Во-первых, современные нейросетевые архитектуры и алгоритмы достигли значительных успехов в разных областях 
применения искусственного интеллекта, таких как компьютерное зрение, обработка естественного языка и распознавание 
речи. 
Во-вторых, 
быстрое 
развитие 
облачных 
технологий и доступность мощных вычислительных ресурсов позволили многим компаниям и организациям начать 
активное использование нейросетей в своей деятельности. 
В-третьих, стало возможным собирать и обрабатывать 
большие объемы данных, которые используются для обучения нейросетей. 
Чтобы не возникло путаницы относительно понятий 
«искусственный интеллект» и «нейросеть», которые нередко используют в качестве синонимов, заметим, что искусственный интеллект (AI, artificial intelligence) — это общее 
понятие, охватывающее множество технологий и методов, 
которые позволяют компьютерным системам воспроизводить некоторые аспекты человеческого интеллекта, а 
нейросеть — это одна из технологий искусственного интеллекта. 
Что же такое нейросеть? Простыми словами, это компьютерная программа, алгоритм, имитирующий работу 
мозга человека. Она состоит из большого количества связанных между собой узлов, называемых нейронами, способна обучаться на огромных массивах данных и находить 
решения для сложных задач, которые трудно формализовать. В отличие от традиционных компьютерных программ, 
где каждый шаг запрограммирован заранее, нейросети 
учатся самостоятельно, корректируя свои действия на основе полученных результатов, что позволяет с их помощью 
решать задачи, которые до недавнего времени считались 


исключительно прерогативой человека: распознавать изображения, классифицировать тексты, определять взаимосвязи между сущностями, прогнозировать временные ряды и 
многое другое. Попробуем объяснить базовые принципы 
работы нейронных сетей на примере. 
Нейронные сети похожи на сеть клеток мозга (нейронов), которые соединены между собой. Искусственные 
нейроны — это простые вычислительные блоки, которые 
принимают информацию на входе, вычисляют выходной 
сигнал на основе полученных данных и передают его другим нейронам.  
Нейроны организованы в слои: есть входной слой, который получает информацию извне, скрытые слои, где происходит основная обработка данных, и выходной слой, 
который выдает окончательный результат. Например, если 
мы хотим, чтобы нейронная сеть распознала визуальную 
информацию, входной слой получит картинку, а выходной 
слой скажет, что на ней изображено. 
Каждый нейрон передает информацию с помощью 
связи, а каждая связь имеет вес, который определяет, 
насколько важен передаваемый сигнал. Если вес высокий, 
информация более значимая, если низкий — менее. Нейрон 
передает сигнал дальше только в том случае, если сумма 
всех входных сигналов, взвешенных по их важности, превышает определенный порог (рис. 1). 
Рис. 1. Модель многослойной нейронной сети 


Нейронные сети обучают на больших массивах данных, при этом веса постоянно корректируются при помощи 
так называемого метода обратного распространения ошибки. Суть его состоит в том, что после каждого цикла обработки информации нейросеть делает предположение, 
сравнивает его с правильным ответом и вычисляет разницу 
(ошибку). После этого нейросеть корректирует веса связей 
между нейронами начиная с выходного слоя и двигаясь к 
началу. Многократное повторение этого процесса способствует уменьшению неправильных ответов. 
Например, чтобы научить нейросеть распознавать кошек, ей показывают множество изображений — с кошками и 
без. Если нейросеть ошибается и не распознает кошку, она 
получает обратную связь и на основе этого корректирует 
свои настройки — те самые веса связей между нейронами. 
Так, нейросеть могла придать слишком большое значение 
незначительным деталям, таким как цвет фона, и недостаточно внимания важным признакам, например, форме ушей. 
В результате, она учится выделять действительно важные 
элементы (уши, лапы и пр.), чтобы точнее распознавать кошек в будущем. 
Одна и та же нейросеть не может эффективно справляться с различными запросами. Например, для распознавания картинок и генерации музыки нужны разные 
архитектуры и подходы к обучению. Так, для анализа 
изображений подходят нейросети, которые фокусируются 
на визуальных признаках, а для создания музыки лучше использовать модели, которые научены обрабатывать последовательности звуков. Обучая каждую нейросеть на своей 
специализированной задаче, можно достичь более высоких 
результатов, чем пытаться сделать единую универсальную 
модель. Добавим, что обучение нейросети — очень трудоемкий и дорогостоящий процесс, требующий затрат на 
сбор и подготовку данных; времени, затраченного на обучение моделей; большого количества вычислительных 
ресурсов; оплаты труда высококвалифицированных специалистов и т. д. 


Доступ онлайн
139 ₽
В корзину