Компьютерная графика и нейросети: от пикселей до генеративного искусства
Цели и задачи
- Цель: сформировать представление о принципах кодирования графической информации и роли нейросетей в создании современных изображений.
- Образовательная: научить различать растровую и векторную графику, рассчитывать объем видеопамяти (задание ОГЭ), понимать принцип работы генеративных моделей (GAN/Diffusion).
- Развивающая: развивать навыки критического анализа контента, созданного ИИ, и алгоритмического мышления.
- Воспитательная: обсудить этические аспекты использования нейросетей и авторского права в цифровую эпоху.
Планируемые результаты
Личностные
- Готовность к осознанному выбору дальнейшей образовательной траектории в сфере IT.
- Понимание влияния технологий ИИ на современный рынок труда и креативные индустрии.
- Формирование цифровой гигиены и критического отношения к фейковым изображениям.
Метапредметные
- Познавательные: умение выделять существенные характеристики объектов (растр vs вектор), устанавливать причинно-следственные связи в алгоритмах ИИ.
- Регулятивные: владение навыками самоконтроля при решении расчетных задач формата ОГЭ.
- Коммуникативные: способность эффективно работать в паре, аргументировать свою позицию в дискуссии об этике ИИ.
Предметные
- Знание основных видов компьютерной графики и их характеристик.
- Умение вычислять информационный объем графических файлов по формуле I = K * i.
- Понимание базовых принципов обучения нейросетей на больших массивах данных.
Универсальные учебные действия (УУД)
Личностные УУД
- Формирование ценностных ориентиров в области информационной безопасности и этики.
Регулятивные УУД
- Целеполагание как постановка учебной задачи на основе соотнесения того, что уже известно, и того, что предстоит узнать.
Познавательные УУД
- Моделирование процесса формирования изображения на экране монитора.
Коммуникативные УУД
- Интеграция в группу сверстников и построение продуктивного взаимодействия.
Подготовка учителя к уроку
- Распечатать карточки для работы в парах с заданиями типа 7 ОГЭ (кодирование графики) — 15 шт.
- Подготовить презентацию с примерами Deepfake и генеративного искусства (Kandinsky, Midjourney).
- Проверить доступ к онлайн-песочнице для генерации изображений или подготовить офлайн-скриншоты этапов генерации.
- Подготовить таблицу «Растр vs Вектор» для заполнения на доске.
- Настроить проектор и колонки для демонстрации короткого видео о принципах работы нейронов ИИ.
Ход урока
Этап 1. Мотивация и постановка проблемы (5 мин)
Цель этапа: заинтересовать учащихся через столкновение с современными технологиями и выявить дефицит знаний.
Время | Действие учителя | Действие учеников |
|---|---|---|
2 мин | «Здравствуйте! Сегодня на экране два портрета. Один — фотография реального человека, другой — сгенерирован нейросетью за 10 секунд. Как вы думаете, какой из них настоящий? Поднимите правую руку, если считаете, что левый, и левую — если правый». Учитель показывает слайд с приёмом «Верю — не верю». | Смотрят на экран, анализируют детали (глаза, фон, волосы), делают выбор, поднимая руку. Пытаются аргументировать: «У правого странные блики в глазах» или «У левого слишком идеальная кожа». |
3 мин | «На самом деле, оба изображения созданы ИИ. Сегодня мы разберемся, как компьютер превращает цифры в такие шедевры, почему в ОГЭ нас заставляют считать пиксели и как нейросети меняют наше представление о реальности. Записываем тему: Компьютерная графика и нейросети». | Записывают тему урока в тетради, осознают масштаб темы и её связь с экзаменом. |
Завершение этапа: учитель подводит итог: «Чтобы понять, как работают сложные нейросети, нам нужно вспомнить базу — как вообще кодируется любое изображение в памяти компьютера».
Этап 2. Актуализация знаний и связь с ОГЭ (10 мин)
Цель этапа: повторить основы кодирования графики и отработать алгоритм решения задач формата ОГЭ.
Время | Действие учителя | Действие учеников |
|---|---|---|
4 мин | «Вспомним два лагеря графики. Один строится из точек-пикселей, другой — из математических формул. На доске таблица. Кто готов выйти и вписать основные плюсы и минусы растра и вектора?» Учитель направляет дискуссию, акцентируя внимание на масштабируемости. | Один ученик у доски, остальные в тетрадях заполняют таблицу. Отвечают: «Растр при увеличении теряет качество (ступеньки), а вектор — нет, потому что это формулы». |
6 мин | «В ОГЭ есть задача на расчет объема памяти. Формула проста: I = K * i. Где K — количество пикселей, а i — глубина цвета. Давайте решим задачу: экран 640 на 480 пикселей, используется 65536 цветов. Сколько Мбайт памяти нужно?» Учитель записывает условие на доске. | Решают задачу в тетрадях. Вспоминают степени двойки: «65536 — это 2 в 16-й степени, значит i = 16 бит». Вычисляют: 640 * 480 * 16 / 8 / 1024 / 1024. |
Посмотрите план целиком
Зарегистрируйтесь — и откройте план урока по этой теме полностью: цели, ход урока и рефлексия по ФГОС.
Эталон решения
1) $i = \log_2(65536) = 16$ бит = 2 байта.
2) $I = 640 \cdot 480 \cdot 2 = 614400$ байт.
3) $614400 / 1024 = 600$ Кбайт.
4) $600 / 1024 \approx 0,58$ Мбайт.
2) $I = 640 \cdot 480 \cdot 2 = 614400$ байт.
3) $614400 / 1024 = 600$ Кбайт.
4) $600 / 1024 \approx 0,58$ Мбайт.
Завершение этапа: учитель подводит итог: «Мы вспомнили, как компьютер хранит статические картинки. Но как он учится создавать новые, не просто копируя пиксели, а понимая суть объекта?»
Этап 3. Открытие нового знания: Нейросети (12 мин)
Цель этапа: объяснить принцип работы диффузионных моделей и GAN на доступном уровне.
Время | Действие учителя | Действие учеников |
|---|---|---|
5 мин | «Представьте, что нейросеть — это художник, который видел миллиарды картин. Она не хранит их все, она запоминает закономерности. Современные сети используют процесс диффузии. Это как если бы мы взяли четкое фото кота, постепенно засыпали его шумом (песком), пока оно не превратилось в серый шум. А потом научили сеть делать обратное — из шума доставать кота по текстовому описанию (промпту)». Учитель показывает схему диффузии на слайде. | Слушают, делают зарисовку схемы «Изображение -> Шум -> Изображение» в тетрадях. Задают вопросы: «А откуда она знает, как выглядит именно мой кот?» |
7 мин | «Здесь вступает в дело межпредметная связь с биологией. Нейросеть имитирует работу нейронов мозга. Каждое соединение имеет свой "вес" — значимость признака. Давайте попробуем составить промпт (запрос) для генерации. Приём "Живой промпт": я называю объект, а вы добавляете детали: стиль, освещение, ракурс». | Предлагают варианты: «Кот в скафандре», «...в стиле Ван Гога», «...на фоне Марса», «...кинематографичное освещение». Обсуждают, как каждое слово меняет результат. |
Завершение этапа: учитель подводит итог: «Генерация — это магия математики. Но чтобы она работала на вас, нужно уметь четко формулировать задачи. Сейчас мы проверим ваши навыки в парах».
Этап 4. Практическая работа в парах (10 мин)
Цель этапа: закрепить расчетные навыки ОГЭ и развить креативное мышление через работу с промптами.
Время | Действие учителя | Действие учеников |
|---|---|---|
10 мин | «Работаем в парах. У вас на столах карточки. Задание 1: решить задачу на кодирование (подготовка к ОГЭ). Задание 2: составить идеальный текстовый промпт для нейросети, чтобы она нарисовала обложку для вашего учебника информатики будущего. Опишите стиль, объекты и цветовую гамму». Учитель обходит класс, консультирует. | В парах распределяют роли: один считает, другой формулирует промпт. Затем проверяют друг друга. Записывают решение задачи и текст промпта на карточку. |
Завершение этапа: учитель подводит итог: «Обменяйтесь карточками с соседней партой. Посмотрите на их промпт — смогли бы вы по нему представить картинку? А теперь вернемся к реальности».
Этап 5. Рефлексия и домашнее задание (8 мин)
Цель этапа: подвести итоги, оценить уровень усвоения материала и обсудить этические риски.
Время | Действие учителя | Действие учеников |
|---|---|---|
4 мин | «Мы увидели возможности ИИ. Но есть и обратная сторона. Как вы думаете, заменят ли нейросети художников и фотографов? И законно ли учить нейросеть на чужих работах без разрешения?» Учитель инициирует короткую дискуссию. | Высказывают мнения: «ИИ — это просто инструмент», «Художникам будет трудно конкурировать по скорости», «Нужно указывать, что работа сделана нейросетью». |
4 мин | «Заполните листы самооценки. Что было самым сложным: расчеты ОГЭ или логика нейросетей?» Учитель диктует домашнее задание. | Заполняют короткие анкеты, записывают задание в дневник. |
Критерии оценивания практической работы
- «5» — задача на кодирование решена верно с указанием единиц измерения, промпт содержит более 4 уточняющих параметров (стиль, свет, объект, фон).
- «4» — задача решена с небольшой арифметической ошибкой, промпт сформулирован понятно, но просто.
- «3» — задача решена не полностью, промпт состоит из 1-2 слов без детализации.
Рефлексия
Вопрос для ученика | Цель вопроса |
|---|---|
Какая часть формулы I = K * i вызывает наибольшие затруднения? | Диагностика типичных ошибок в подготовке к ОГЭ. |
Сможете ли вы теперь отличить сгенерированное фото от реального? | Оценка формирования навыка критического мышления. |
Хотели бы вы использовать нейросети в своей будущей профессии? | Выявление профессиональных интересов и мотивации. |
Завершающее слово учителя
«Сегодня мы заглянули под капот технологий, которые меняют мир прямо сейчас. Помните, что за любой самой умной нейросетью стоит человек, который её обучил и который задает ей вектор движения. Не бойтесь пикселей и формул — это кирпичики вашего цифрового будущего. На следующем уроке мы перейдем к моделированию и узнаем, как создавать 3D-объекты. До встречи!»
Домашнее задание
Уровень | Что задать | Зачем |
|---|---|---|
Базовый | Решить 3 задачи на расчет объема графической памяти (аналоги задания 7 ОГЭ) с разной глубиной цвета. | Закрепление навыка автоматического решения экзаменационных задач. |
Средний | Найти в интернете 2 изображения: одно реальное, другое — ИИ. Описать 3 признака, по которым их можно отличить. | Развитие читательской и визуальной грамотности. |
Продвинутый | Используя любую бесплатную нейросеть, сгенерировать изображение по своему промпту и принести скриншот с текстом запроса. | Практическое освоение инструментов генеративного ИИ. |
