Статья по теме: Разбор задач ВсОШ по новому профилю

«Искусственный интеллект»: этапы и типовые задания.

Введение: почему ИИ — это новый тренд олимпиад

В 2025/2026 учебном году во Всероссийской олимпиаде школьников по

информатике произошли существенные изменения. Наряду с классическими

профилями

«Программирование»,

«Информационная

безопасность»

и

«Робототехника» появился новый профиль — «Искусственный интеллект».

Это ответ на лавинообразный рост интереса к технологиям машинного

обучения и стремление выявить у школьников компетенции в математике,

программировании, статистике и анализе данных.

Новый профиль не случайно введен именно сейчас. Искусственный

интеллект

перестал

быть

футуристической

концепцией

—

он

стал

повседневным

инструментом,

с

которым

сталкиваются

все:

от

рекомендательных

систем

в

соцсетях

до

голосовых

помощников

и

автопилотируемых автомобилей. Олимпиадный профиль «ИИ» призван

готовить школьников к работе с этими технологиями, развивая у них не

только алгоритмическое мышление, но и навыки обработки данных и

понимание принципов машинного обучения.

В этой статье мы разберем структуру олимпиады по новому профилю,

требования к участникам на разных этапах, типовые задания и стратегии

подготовки.

1. Структура олимпиады: этапы и их особенности

Профиль «Искусственный интеллект» проводится в рамках ВсОШ по

информатике

и

включает

несколько

этапов,

аналогичных

другим

олимпиадным направлениям.

Школьный этап

Школьный этап — это первая ступень, на которой участники

знакомятся с форматом олимпиады. Он проводится для учащихся 5–11

классов, причем для разных параллелей предусмотрены задания разного

уровня сложности.

Продолжительность тура варьируется в зависимости от возраста:



5–6 классы: 90 минут



7–8 классы: 120 минут



9–11 классы: 150 минут

Максимальное количество баллов также различается. Для 5–6 классов

— 84 балла, для 7–8 — 100, для 9–11 — 112 .

Перед участием организаторы публикуют инструкции по работе с

системой, где указаны список допустимых языков программирования и

требования к программам ИИ, а также порядок сдачи задач .

Муниципальный этап

На

муниципальный

этап

приглашаются

участники,

успешно

выступившие на школьном этапе. Здесь соревнуются школьники 7–11

классов, а продолжительность тура увеличивается:



7–8 классы: 120 минут



9–11 классы: 180 минут

Максимальный балл для обеих возрастных групп одинаков — 600

баллов. Это существенно выше, чем на школьном этапе, что отражает

возросшую сложность и объем заданий. Задания муниципального этапа

публикуются после его проведения — например, в Москве соревнование для

7–11 классов прошло 17 декабря 2025 года.

Региональный этап

Региональный этап — наиболее сложный и престижный отборочный

тур перед финалом. В 2026 году, например, в Тюменской области в нем

приняли участие 35 школьников по профилю «ИИ» (из 191 участника по

всем профилям информатики).

Региональный этап традиционно проводится в два дня. Участникам

предстояло решить 16 нетривиальных задач за два тура. Некоторые

задания, по оценке жюри, соответствовали уровню вузовской подготовки.

Например,

требовалось

разработать нелинейный

метод

опорных

векторов — тему, которая обычно изучается на старших курсах технических

специальностей.

Заключительный этап

Финальный этап ВсОШ по искусственному интеллекту объединяет

сильнейших школьников со всей страны. Победители и призеры получают

право на льготное поступление в ведущие вузы России по профильным

направлениям.

2. Типовые задания: что нужно решать участникам

Задания олимпиады по ИИ отличаются от классического «спортивного

программирования».

Если

в

профиле

«Программирование»

участники

решают алгоритмические задачи с четко определенными входными и

выходными данными, то в «ИИ» задачи приближены к реальным задачам

Data Science и машинного обучения.

Классификация типовых задач

На основе анализа проведенных этапов можно выделить несколько

категорий заданий:

1. Задачи на обработку и анализ данных

Участникам предоставляется набор данных (например, таблица с

признаками объектов), и требуется:



найти закономерности в данных;



очистить данные от выбросов и пропусков;



выделить значимые признаки.

2. Задачи на классификацию и регрессию

Это базовые задачи машинного обучения. Например:



обучить модель, которая по набору признаков определяет

класс объекта (задача классификации);



предсказать числовое значение (задача регрессии).

На региональном этапе 2026 года участникам предлагалось, в

частности, разработать метод опорных векторов — один из классических

алгоритмов классификации.

3. Задачи на кластеризацию

Требуется разбить объекты на группы (кластеры) по схожим признакам

без обучающей выборки — это задача обучения без учителя.

4. Задачи на нейронные сети (простые архитектуры)

На продвинутых этапах могут встречаться задания, связанные с

реализацией или настройкой простых нейронных сетей: перцептрона,

сверточной или рекуррентной сети.

5. Комбинированные алгоритмические задачи

Некоторые

задания

сочетают

элементы

классического

алгоритмического

программирования

(графы,

динамическое

программирование,

комбинаторику)

с

элементами

Data

Science.

По

статистике регионального этапа, тематика задач включала комбинаторику,

структуры данных, обход графа, динамическое программирование,

геометрию и битовую арифметику. Это показывает, что чистое знание

машинного обучения без сильной алгоритмической базы недостаточно.

Примерный формат задачи

Типичная задача может выглядеть так:

Условие: Вам предоставлен датасет с информацией о транзакциях

клиентов банка (сумма, время, категория магазина, история предыдущих

операций). Известно, что часть транзакций — мошеннические. Обучите

модель, которая будет выявлять подозрительные операции, и предоставьте

предсказания для тестовой выборки.

Ожидаемый результат: Код на Python (обычно с использованием

библиотек pandas, numpy, scikit-learn) и файл с предсказаниями в указанном

формате.

Обратите внимание: в отличие от классического олимпиадного

программирования, где важна скорость работы алгоритма и его корректность

на

всех

тестах,

здесь

ключевыми

критериями

являются качество

модели (метрики accuracy, F1-score, AUC-ROC и др.) и обоснованность

выбора подхода.

3. Статистика и интересные факты с регионального этапа 2026

года

Чтобы понять реальную картину соревнования, обратимся к статистике

регионального этапа в Тюменской области, которая прошла 17–19 января

2026 года.

Распределение по профилям

Из 191 участника, пришедших на олимпиаду по информатике:



156 человек (82%) выбрали классическое «Программирование»;



35

человек

(18%) выбрали

новый

профиль

«Искусственный

интеллект».

Это ожидаемо: традиционное программирование более «раскручено» и

имеет многолетнюю историю, тогда как ИИ-профиль только набирает

популярность. Однако 35 участников — это уже серьезная цифра для первого

года существования направления в регионе.

Языки программирования

На региональном этапе (по обоим профилям) участники использовали:



C++: 103 человека (54%);



Python: 76 человек (40%);



Оба языка: 12 человек (6%).

Для

профиля

«ИИ» Python

является

фактически

стандартом благодаря экосистеме библиотек для Data Science (scikit-

learn, pytorch, tensorflow, pandas, numpy).

Хотя

технически

организаторы

допускают

и

другие

языки,

практика

показывает,

что

подавляющее

большинство участников ИИ-профиля выбирают Python.

Сложность заданий

По словам председателя жюри Андрея Ступникова, «некоторые

задачи, например, разработка нелинейного метода опорных векторов,

соответствуют уровню вузовской подготовки. Несколько школьников

блестяще с этим справились».

Это важный сигнал: олимпиадные задания по ИИ не ограничиваются

«вызовом готовой функции из библиотеки». Участники должны понимать

математическую основу алгоритмов и уметь реализовывать их с нуля или

адаптировать под нестандартные условия.

4. Как готовиться: рекомендации и ресурсы

Необходимые знания и навыки

Для успешного выступления на олимпиаде по искусственному интеллекту

потребуется:

Область знаний

Что нужно освоить

Программирование

Python (обязательно), базовые алгоритмы и

структуры данных, работа с файлами и

массивами данных

Математика

Линейная алгебра (матрицы, векторы),

математический анализ (производные,

градиенты), теория вероятностей и статистика

Machine Learning

Классификация, регрессия, кластеризация,

методы оценки качества моделей,

регуляризация

Алгоритмы

Графы, динамическое программирование,

комбинаторика — задачи на стыке ИИ и

классического программирования

Ресурсы для подготовки

1.

Официальные разборы заданий. После каждого этапа публикуются

текстовые и видеоразборы. Например, для школьного этапа разборы

доступны для 5–6, 7–8 и 9–11 классов на платформе «Сириус».

2.

Архивы

заданий

прошлых

лет.

Задания

школьного

и

муниципального этапов 2025/26 года уже опубликованы и доступны для

скачивания. Их можно использовать для тренировки и знакомства с

форматом.

3.

Курсы по Data Science. Рекомендуются онлайн-курсы по машинному

обучению

на

платформах

Coursera,

Stepik,

OpenDataScience.

Особое

внимание — практическим задачам с реальными датасетами.

4.

Участие в профильных конкурсах. Помимо ВсОШ, существуют

специализированные соревнования по ИИ (например, Олимпиада НТО по

профилю «Искусственный интеллект»), которые позволяют «набить руку».

Что говорят члены жюри

Инна Григорьева, член жюри профиля «Программирование», так

охарактеризовала олимпиадные задачи: «Каждая задача — маленькое

исследование,

требующее

понимания

сути,

разработки

алгоритма,

доказательства его корректности и только затем кодирования».

Это определение в полной мере относится и к ИИ-профилю, с той лишь

разницей,

что

«доказательство

корректности»

здесь

заменяется

на

«обоснование выбора модели и настройку гиперпараметров».

5. Перспективы профиля «Искусственный интеллект»

Профиль ИИ — это не просто дань моде. Это ответ системы

образования на вызовы времени. Работодатели уже сегодня испытывают

острую потребность в специалистах, способных разрабатывать и внедрять

системы машинного обучения. Школьники, прошедшие через олимпиадную

подготовку по ИИ, имеют значительное преимущество при поступлении в

вузы и дальнейшем трудоустройстве.

По словам организаторов, «трек призван выявить у школьников

компетенции в математике, программировании, статистике и машинном

обучении». И судя по первым результатам, эта задача успешно решается: на

региональном этапе 2026 года были продемонстрированы работы очень

высокого уровня.

В ближайшие годы можно ожидать:



расширения географии участников (пока профиль активно развивается

в Москве, Тюмени, Мурманской области, Свердловской области);



усложнения заданий и приближения их к реальным индустриальным

кейсам;



появления специализированных учебных программ и кружков по

подготовке к ИИ-олимпиадам.

Заключение

Профиль

«Искусственный

интеллект»

Всероссийской

олимпиады

школьников — это уникальная возможность для увлеченных школьников

проверить свои силы в одной из самых перспективных областей современной

информатики. Олимпиада проверяет не только умение писать код, но и

способность мыслить аналитически, работать с данными и применять

математический аппарат для решения реальных задач.

Если вы решаете классические алгоритмические задачи на Python,

разбираетесь в основах статистики и машинного обучения, не боитесь

работать с «грязными» данными — этот профиль для вас. Начните

подготовку уже сегодня: изучите опубликованные задания, посмотрите

разборы и попробуйте свои силы на школьном этапе. Возможно, именно вы

станете одним из первых победителей ВсОШ по искусственному интеллекту

и откроете дорогу в мир больших данных и умных алгоритмов.