СПО 12 апреля: “Введение в нейронные сети” — Детальный аутлайн

Аудитория: Студенты СПО (техникумы/колледжи), ~17-20 лет. Первый раз про нейросети.
Формат: 90 мин (лекция 1 из 2). Visual-heavy, минимум формул, максимум WOW.
Цель: Понять, что такое нейрон → сеть → как обучается → где применяется. Уйти заряженными.

---

Блок 0: Открытие (5 мин)

Слайд 1: Слайд-вопрос

“Вы пользовались ChatGPT / Midjourney / Siri за последний месяц?”
- Поднять руки → практически все → “Вы уже используете нейросети. Сегодня разберём, как они устроены внутри.”

Слайд 2: Что узнаем за 90 минут
- Как работает нейрон (как клетка мозга)
- Как сеть “учится” на примерах
- Почему ChatGPT умеет писать текст
- Где нейросети работают прямо сейчас

---

Блок 1: Что такое нейрон (15 мин)

Слайд 3: Биологический нейрон
- Картинка: нейрон мозга (дендриты → тело клетки → аксон)
- Простая идея: получает сигналы → суммирует → если достаточно сильный → передаёт дальше
- Мозг = ~86 миллиардов нейронов, соединённых триллионами связей

Слайд 4: Искусственный нейрон (анимированная схема)
- Входы (x₁, x₂, x₃) → каждый с “весом” (насколько важен)
- Сумма → если достаточно большая → “сработал”
- Аналогия: голосование. Каждый вход “голосует”, вес = сила голоса. Если большинство ЗА → нейрон срабатывает.
- НЕТ формул — только стрелки и числа на схеме

Слайд 5: Пример с одним нейроном
- Задача: “Вкусная еда?”
- Вход 1: сладкое (вес +3)
- Вход 2: горькое (вес -2)
- Вход 3: горячее (вес +1)
- Ввести числа → посмотреть сумму → решение
- Одна задача = один нейрон. Сложная задача = много нейронов.

Слайд 6: Что нейрон НЕ умеет
- Один нейрон: только линейное разделение (прямая линия)
- Картинка: котики и собаки — нельзя разделить одной прямой!
- Вывод: нужно объединить много нейронов в сеть

---

Блок 2: Нейронная сеть (15 мин)

Слайд 7: Сеть нейронов (анимация: слои)
- Входной слой (сырые данные: пиксели, слова, числа)
- Скрытые слои (сеть “думает”)
- Выходной слой (ответ: кот/собака, позитивный/негативный)
- Анимация: данные “проходят” слева направо

Слайд 8: Как сеть “видит” картинку
- Картинка 28×28 пикселей = 784 числа (яркость каждого пикселя)
- Первый слой: ищет края и линии
- Второй слой: ищет формы (глаза, уши)
- Третий слой: “кот!” / “не кот”
- Показать визуализацию активаций conv. сети (как разные слои “видят”)

Слайд 9: WOW факт — сколько нейронов в ChatGPT?
- GPT-4: ~1.8 триллиона параметров (весов)
- Для сравнения: мозг ~100 триллионов синапсов
- Мы уже создали нейросети масштаба ~1-2% от мозга

---

Блок 3: Как нейросеть учится (20 мин)

Слайд 10: Аналогия с учёбой
- Ребёнок учится распознавать кота: мама показывает картинку → “кот!” → ошибся → поправили → запомнил
- Нейросеть: получает пример → делает предсказание → сравнивает с правильным ответом → исправляет веса

Слайд 11: Что значит “ошибка”?
- Правильный ответ: 🐱 (1)
- Ответ сети: 🐶 (0)
- Ошибка = насколько далеко от правильного
- Цель обучения: уменьшить ошибку на всех примерах

Слайд 12: Как находят минимум ошибки (анимация горы)
- Представьте: рельеф из холмов. Ваша задача — найти самую низкую точку.
- Стратегия: каждый раз делай шаг в сторону спуска → постепенно доберёшься до низа
- Это и есть “градиентный спуск” (но не объяснять формально)
- Анимация: шарик катится по поверхности вниз

Слайд 13: Сколько примеров нужно?
- Ранние сети: тысячи примеров
- ImageNet (2012): 1.2 млн фотографий
- ChatGPT: 300+ миллиардов текстов из интернета
- Больше данных + больше нейронов + мощнее компьютеры = лучше результат

Слайд 14: WOW — нейросеть за 1 час научилась играть в игры
- DeepMind AlphaGo: сначала играл случайно → обучился, играя сам с собой → победил чемпиона мира
- Без правил — только примеры (ходы + результат = выиграл/проиграл)

---

☕ Перерыв (10 мин)

---

Блок 4: ChatGPT — нейросеть для текста (20 мин)

Слайд 15: Как компьютер “понимает” слова?
- Каждое слово → набор чисел (вектор)
- Похожие слова → похожие числа: “кот” и “кошка” близко; “кот” и “самолёт” далеко
- Карта слов: визуализация t-SNE (слова-страны, профессии, животные — в кластерах)

Слайд 16: Трансформер — “внимание” к словам
- Ключевая идея: когда читаешь слово, смотришь на контекст
- “Берег реки” vs “Берег машину” — одно слово, разный смысл
- Трансформер умеет: каждое слово “смотрит” на все остальные, чтобы понять контекст
- Визуализация attention: heatmap, какие слова “смотрят” на какие

Слайд 17: Как ChatGPT генерирует текст?
- Задача: предсказать следующее слово
- “Сегодня прекрасная ___” → [погода, пятница, новость, …]
- Миллиарды таких предсказаний → модель научилась “разговаривать”
- Демо: попросить аудиторию угадать следующее слово

Слайд 18: Масштаб обучения GPT-4
- 300 миллиардов слов текста (вся русскоязычная Википедия = ~500 млн слов)
- 90 дней обучения на 10,000 GPU
- Стоимость обучения: ~$50-100 миллионов
- Результат: понимает 50+ языков, пишет код, объясняет теоремы

---

Блок 5: Нейросети вокруг нас (15 мин)

Слайд 19: Медицина
- Распознавание рака на МРТ: точность 96% (врачи ~85%)
- Предсказание структуры белков (AlphaFold): 50 лет проблема → решена за 2 года
- Разработка новых лекарств: NVIDIA BioNeMo — ускорение в 1000 раз

Слайд 20: Автомобили и роботы
- Tesla Autopilot: 8 камер + нейросеть = реальное время
- Boston Dynamics: роботы учатся ходить, прыгать через паркур
- Amazon склады: роботы-руки сортируют 350 посылок/час

Слайд 21: Творчество
- Midjourney: текст → картина за 30 секунд
- Suno.ai: текст → музыка за 10 секунд
- Runway: видео по описанию
- WOW: показать пример “нарисуй Мону Лизу в стиле аниме”

Слайд 22: Наука (Perelman/AI4Science)
- Нейросети предсказывают свойства материалов без эксперимента
- Задача, которая в лаборатории = 1 год, нейросеть = 1 секунда
- AI4Science: команда Сбера работает над этим прямо сейчас

Слайд 23: Что умеют нейросети vs что НЕ умеют

---

Блок 6: Ваши возможности (5 мин)

Слайд 24: Как войти в AI сейчас
- Пользоваться: ChatGPT, Claude, Midjourney — уже можно, бесплатно
- Изучать: Python (Kaggle.com — бесплатный курс ML), YouTube 3Blue1Brown “Neural Networks”
- Строить: Google Colab — бесплатные GPU в браузере, первая нейросеть за 30 мин

Слайд 25: Финальный WOW
- В 2012 году нейросеть впервые лучше людей распознала фото (ImageNet)
- В 2016 AlphaGo победила чемпиона мира
- В 2022 ChatGPT за 5 дней набрал 1 млн пользователей (Instagram = 2.5 мес)
- Это всё произошло за 10 лет. Вы в начале следующих 10 лет.

Слайд 26: Q&A
- “Что вас удивило больше всего?”
- “Где бы вы использовали нейросеть?”

---

Технические заметки для создания PPTX

Ключевые анимации (приоритет):

1. Нейрон (слайд 4): анимация весов + суммирование + порог → выход
2. Обучение (слайд 12): шарик катится по поверхности функции ошибки
3. Attention (слайд 16): heatmap живая (gif)
4. Слои сети (слайд 7): данные проходят слева направо

Визуальный стиль:

• Тёмный фон (как у 3Blue1Brown или Veritasium)
• Крупный текст (аудитория в зале)
• Много картинок, минимум пуль
• Не больше 3-4 элементов на слайде

Что взять из Digital Teams outline:

• Структура блоков MLP → CNN → RNN → Transformer → Use cases
• Слайд “как выбирать архитектуру” — адаптировать как “какие задачи = какой тип НС”
• Визуализации: what conv layers see, attention heatmap

Что убрать vs Digital Teams:

• ❌ “inductive bias” — слишком абстрактно
• ❌ vanishing gradient, LSTM gates — детали излишни
• ❌ ResNet skip connections (оставить только кратко: “чем глубже, тем лучше — но есть хитрости”)
• ❌ GNN, Mamba, SSM — убрать (слишком специализированно)
• ✅ Добавить: биологический нейрон, аналогии с обучением детей, медицина, WOW факты

Готовые материалы Даниила:

• exec_training_genai_webinar_mar26_90min.pptx — стиль и подход (можно взять шаблон)
• digital_teams_apr6_lecture_outlines.md — Лекция 1 структура (адаптировать)
• Apr 2 “Генеративные НС” лекция — последние 15 мин (ChatGPT часть)

Оценка времени:

• Создание PPTX: ~3-4ч (если взять готовый шаблон и адаптировать)
• Дедлайн: 7 апреля → 7 рабочих дней → нет спешки, но начать до 5 апр

---

Подготовлено: Феанор worker 10:05 MSK 31 мар вт