Искусственный интеллект уже умеет писать тексты, решать задачи, помогать с кодом и искать информацию. Школьники и студенты все чаще используют его в учебе, и просто запретить им обращаться к новым инструментам вряд ли получится. Но как сделать так, чтобы нейросеть помогала учиться, а не слепо выполняла всю работу за человека? Почему правила использования ИИ должны касаться не конкретных технологий, а отношений между учениками и преподавателями? И чему вообще стоит учиться, если готовый ответ теперь можно получить за несколько секунд? Об этом «Юному киберфизику» рассказала эксперт по изучению ИИ Ксения Гнитько.
Сначала договориться о правилах
Разговор об искусственном интеллекте в образовании часто начинается с вопроса о том, что теперь разрешать школьникам и студентам, а что запрещать? Ксения Гнитько предлагает посмотреть на проблему шире. По ее мнению, речь идет не столько о появлении нового инструмента, сколько об изменении социального договора между учебным заведением, преподавателем, учащимся и его родителями.
Возможность получить готовое решение существовала задолго до распространения нейросетей. Ксения вспоминает, что, когда она сама училась в техническом университете около пятнадцати лет назад, уже существовал WolframAlpha, позволявший считать сложные интегральные и дифференциальные уравнения. Можно было купить у аспирантов решенные типовые задания по электротехнике и принести их преподавателю, даже не разобравшись в решении. Поэтому ИИ не создал принципиально новую проблему. Он сделал настолько заметной старую, что игнорировать ее стало практически невозможно.
Сегодня одна из главных сложностей заключается в отсутствии ясных договоренностей. Ученик может не понимать, в каких случаях ему разрешено обращаться к ИИ, преподаватель – считать любую помощь нейросети списыванием, а учебное заведение – не иметь четкой процедуры для таких ситуаций. Если же преподаватель прямо говорит, где и как можно использовать ИИ, часть напряжения исчезает. Школьнику или студенту больше не приходится тратить силы на то, чтобы замаскировать сам факт использования технологии, этот ресурс можно направить на решение учебной задачи.
Возможность получить готовое решение существовала задолго до распространения нейросетей. Ксения вспоминает, что, когда она сама училась в техническом университете около пятнадцати лет назад, уже существовал WolframAlpha, позволявший считать сложные интегральные и дифференциальные уравнения. Можно было купить у аспирантов решенные типовые задания по электротехнике и принести их преподавателю, даже не разобравшись в решении. Поэтому ИИ не создал принципиально новую проблему. Он сделал настолько заметной старую, что игнорировать ее стало практически невозможно.
Сегодня одна из главных сложностей заключается в отсутствии ясных договоренностей. Ученик может не понимать, в каких случаях ему разрешено обращаться к ИИ, преподаватель – считать любую помощь нейросети списыванием, а учебное заведение – не иметь четкой процедуры для таких ситуаций. Если же преподаватель прямо говорит, где и как можно использовать ИИ, часть напряжения исчезает. Школьнику или студенту больше не приходится тратить силы на то, чтобы замаскировать сам факт использования технологии, этот ресурс можно направить на решение учебной задачи.
Проблема не столько в использовании технологических инструментов, сколько в отсутствии договоренности вокруг этого использования
ИИ – инструмент, а не самостоятельный автор
Открытость важна еще и потому, что работа с искусственным интеллектом заставляет по-новому задуматься об авторстве. Ксения приводит собственный пример. Она всю жизнь рисует акварелью, а теперь создает изображения в том числе с помощью ИИ. Ей самой пришлось пройти путь от ощущения «это не моя картинка, ее кто-то сделал за меня» до понимания, что освоенный инструмент может стать еще одним способом выразить именно собственный замысел. В таком случае важен не только вопрос, использовалась ли нейросеть, но и то, какую роль она сыграла в работе и что именно сделал человек.
Сама Ксения воспринимает ИИ прежде всего как инструмент. В студенческие годы она, например, нашла необычный способ выполнять задания по начертательной геометрии: делала необходимую модель в CAD-программе, распечатывала ее, а затем переносила изображение на бумагу. Результаты лабораторных можно было обсчитывать вручную или в Excel, а она писала для этого программу. В тот момент такие решения могли казаться способом перехитрить систему, но фактически становились незапланированным образовательным опытом. Студент осваивал новый инструмент, находил другой способ решения задачи и учился экономить собственные время и силы.
Для преподавателя здесь возникает важный вопрос о том, что именно он хочет проверить? Если ценность задания заключается только в том, чтобы ученик потратил определенное количество времени и выполнил знакомую последовательность действий, появление нового инструмента действительно разрушает привычную схему. Но если задача образования – научить искать способы решения, сравнивать их и выбирать подходящий, использование технологии само по себе может стать частью обучения. При этом старые способы никуда не исчезают. Ксения убеждена, что человеку недостаточно одного варианта работы с материалом. Код по-прежнему может быть полезно писать cамостоятельно, текст – от руки, а одну и ту же проблему – рассматривать с разных сторон. Именно так возникает своеобразный «стереоэффект» в обучении.
Сама Ксения воспринимает ИИ прежде всего как инструмент. В студенческие годы она, например, нашла необычный способ выполнять задания по начертательной геометрии: делала необходимую модель в CAD-программе, распечатывала ее, а затем переносила изображение на бумагу. Результаты лабораторных можно было обсчитывать вручную или в Excel, а она писала для этого программу. В тот момент такие решения могли казаться способом перехитрить систему, но фактически становились незапланированным образовательным опытом. Студент осваивал новый инструмент, находил другой способ решения задачи и учился экономить собственные время и силы.
Для преподавателя здесь возникает важный вопрос о том, что именно он хочет проверить? Если ценность задания заключается только в том, чтобы ученик потратил определенное количество времени и выполнил знакомую последовательность действий, появление нового инструмента действительно разрушает привычную схему. Но если задача образования – научить искать способы решения, сравнивать их и выбирать подходящий, использование технологии само по себе может стать частью обучения. При этом старые способы никуда не исчезают. Ксения убеждена, что человеку недостаточно одного варианта работы с материалом. Код по-прежнему может быть полезно писать cамостоятельно, текст – от руки, а одну и ту же проблему – рассматривать с разных сторон. Именно так возникает своеобразный «стереоэффект» в обучении.
Вопрос перед заданием можно поставить не только так: «Как сделать, чтобы ученик не использовал ИИ?». Не менее важно понять, чему именно он должен научиться, выполняя эту работу
Почему универсальная инструкция быстро устареет
Желание раз и навсегда урегулировать использование искусственного интеллекта в образовании вполне понятно. Школам и университетам нужны четкие правила, которые избавят преподавателей и учащихся от постоянных споров о том, что допустимо, а что нет. В идеале хотелось бы разработать такую инструкцию один раз и больше к этому вопросу не возвращаться. Но возможно ли это, если сами технологии меняются едва ли не каждый месяц?
Кажется заманчивым составить единый список и прописать, что здесь нейросеть разрешена, здесь запрещена, а этими программами пользоваться можно. Но технология меняется слишком быстро. Поэтому Ксения предлагает два принципа для образовательных правил – устойчивость к изменениям и независимость от конкретных технологий. Иными словами, правила использования ИИ должны сохранять смысл при дальнейшем развитии технологий и не зависеть от конкретного сервиса или сегодняшних возможностей нейросети. Иначе регламент придется постоянно переписывать или через несколько месяцев снова возникнет серая зона, в которой формальные требования уже не соответствуют реальности.
При этом правила должны учитывать интересы как минимум трех сторон: учебного заведения, преподавателя и учащегося. Например, школьник или студент должен знать, используется ли ИИ для оценки его работы. Если проверка автоматизирована, это должно быть заявлено прямо, а у учащегося должна существовать понятная возможность оспорить результат. Ксения обращает внимание на случаи, когда студентов ошибочно обвиняли в списывании и им приходилось добиваться пересмотра решения. Поэтому необходима стандартная процедура: кто рассматривает спорную ситуацию, какие доказательства принимаются, как можно пересмотреть оценку.
Кажется заманчивым составить единый список и прописать, что здесь нейросеть разрешена, здесь запрещена, а этими программами пользоваться можно. Но технология меняется слишком быстро. Поэтому Ксения предлагает два принципа для образовательных правил – устойчивость к изменениям и независимость от конкретных технологий. Иными словами, правила использования ИИ должны сохранять смысл при дальнейшем развитии технологий и не зависеть от конкретного сервиса или сегодняшних возможностей нейросети. Иначе регламент придется постоянно переписывать или через несколько месяцев снова возникнет серая зона, в которой формальные требования уже не соответствуют реальности.
При этом правила должны учитывать интересы как минимум трех сторон: учебного заведения, преподавателя и учащегося. Например, школьник или студент должен знать, используется ли ИИ для оценки его работы. Если проверка автоматизирована, это должно быть заявлено прямо, а у учащегося должна существовать понятная возможность оспорить результат. Ксения обращает внимание на случаи, когда студентов ошибочно обвиняли в списывании и им приходилось добиваться пересмотра решения. Поэтому необходима стандартная процедура: кто рассматривает спорную ситуацию, какие доказательства принимаются, как можно пересмотреть оценку.
Но гарантии нужны и преподавателю. У него должна оставаться возможность дополнительно проверить знания, если возникают сомнения, что учащийся действительно освоил предмет. В результате правила должны отвечать не столько на вопрос о том, какие нейросети мы разрешаем, сколько на вопрос про то, как мы действуем, если технологии участвуют в обучении и оценивании.
Хорошие правила должны регулировать не конкретную нейросеть, а отношения между участниками образовательного процесса
Не заставлять нейросеть «вести себя хорошо», а менять экзамен
Можно попробовать переложить часть ответственности на разработчиков и потребовать, чтобы нейросети, например, отказывались решать экзаменационные задания. Ксения считает такое требование не только бессмысленным, но и вредным. Ограничения конкретного инструмента привязывают систему образования к сегодняшнему состоянию технологии, а любой технический запрет со временем порождает способы его обхода.
Более устойчивым решением выступает изменение самой процедуры проверки знаний. Традиционный экзамен часто сводится к воспроизведению известных последовательностей действий на разрозненных типовых заданиях. В современных условиях акцент смещается в сторону комплексных задач, погружающих учащихся в среду с высокой степенью изменчивости и неопределенности. Вместо изолированных упражнений проверкой становится создание работающего продукта или управление сложным процессом, где невозможно заранее просчитать все переменные.
Такой подход может быть реализован в социальной среде — например, через формат «Обучение служением», когда студенты решают прикладные задачи для внешних заказчиков и некоммерческих организаций, — либо развернут на базе крупных инженерных соревнований. В технической сфере показательным примером служат Международные Космические Игры, которые выстроены как симуляция экспедиции на другую планету. Команды в течение нескольких дней живут и работают в изолированных модулях-куполах, самостоятельно поддерживая контуры жизнеобеспечения и энергии, управляя роверами, проводя исследования и устраняя сбои оборудования в условиях нехватки ресурсов. Другой пример — конкурс Hyperloop Challenge, где участникам необходимо с нуля спроектировать и собрать действующий прототип высокоскоростной капсулы, а затем испытать его в реальной вакуумной трубе. Схожая механика заложена в студенческих инженерных гонках: команды конструируют болид, который должен пройти реальную трассу и выдержать динамические нагрузки. Во всех этих форматах соревновательность выступает механизмом объективной оценки. Жизнеспособность инженерного решения проверяется физическими законами на полигоне или треке, а не путем сверки с готовым ответом в учебнике.
Подобный формат меняет саму конструкцию задания, поэтому вопрос о запрете или разрешении конкретной технологии теряет остроту. В комплексной задаче нейросеть способна помочь с расчетом отдельного узла или написанием фрагмента кода, но она не заменит умение удерживать проект целиком и адаптироваться к сбоям оборудования в реальном времени. В такой системе координат искусственный интеллект переходит в разряд штатного инструментария, использование которого регламентируется условиями конкретной задачи наравне с привычным программным обеспечением, справочниками или лабораторными приборами. Ключевое условие состоит в том, чтобы правила среды были известны всем участникам, а само испытание проверяло способность мыслить и принимать решения в динамических условиях.
Более устойчивым решением выступает изменение самой процедуры проверки знаний. Традиционный экзамен часто сводится к воспроизведению известных последовательностей действий на разрозненных типовых заданиях. В современных условиях акцент смещается в сторону комплексных задач, погружающих учащихся в среду с высокой степенью изменчивости и неопределенности. Вместо изолированных упражнений проверкой становится создание работающего продукта или управление сложным процессом, где невозможно заранее просчитать все переменные.
Такой подход может быть реализован в социальной среде — например, через формат «Обучение служением», когда студенты решают прикладные задачи для внешних заказчиков и некоммерческих организаций, — либо развернут на базе крупных инженерных соревнований. В технической сфере показательным примером служат Международные Космические Игры, которые выстроены как симуляция экспедиции на другую планету. Команды в течение нескольких дней живут и работают в изолированных модулях-куполах, самостоятельно поддерживая контуры жизнеобеспечения и энергии, управляя роверами, проводя исследования и устраняя сбои оборудования в условиях нехватки ресурсов. Другой пример — конкурс Hyperloop Challenge, где участникам необходимо с нуля спроектировать и собрать действующий прототип высокоскоростной капсулы, а затем испытать его в реальной вакуумной трубе. Схожая механика заложена в студенческих инженерных гонках: команды конструируют болид, который должен пройти реальную трассу и выдержать динамические нагрузки. Во всех этих форматах соревновательность выступает механизмом объективной оценки. Жизнеспособность инженерного решения проверяется физическими законами на полигоне или треке, а не путем сверки с готовым ответом в учебнике.
Подобный формат меняет саму конструкцию задания, поэтому вопрос о запрете или разрешении конкретной технологии теряет остроту. В комплексной задаче нейросеть способна помочь с расчетом отдельного узла или написанием фрагмента кода, но она не заменит умение удерживать проект целиком и адаптироваться к сбоям оборудования в реальном времени. В такой системе координат искусственный интеллект переходит в разряд штатного инструментария, использование которого регламентируется условиями конкретной задачи наравне с привычным программным обеспечением, справочниками или лабораторными приборами. Ключевое условие состоит в том, чтобы правила среды были известны всем участникам, а само испытание проверяло способность мыслить и принимать решения в динамических условиях.
Нужно ли страдать ради пятерки
ИИ ставит под сомнение еще одну привычную идею о том, что хорошая учебная работа обязательно должна требовать большого количества времени и усилий. Если человек нашел способ выполнить задачу быстрее, означает ли это, что он научился меньшему? Ксения связывает этот конфликт с прежним социальным договором в образовании, где большое значение имели сама оценка, золотая медаль или красный диплом. Сегодня, по ее мнению, разговор об оценивании стоит начинать с другого вопроса. Какую ценность имеет эта оценка и что вообще является результатом образования?
Таким результатом может оказаться не только отдельная цифра в ведомости. Ксения предлагает представить и другие варианты. Результатом обучения может быть портфолио проектов, настроенная рабочая среда, личная библиотека освоенных книг или оценка всей образовательной траектории. Элементы такого подхода существуют уже сейчас. Например, в НИУ ВШЭ не первый год существует формат «Стартап как диплом». Он не отменяют всю существующую систему оценивания, но показывает, что итогом обучения может быть не только традиционная письменная выпускная работа.
Таким результатом может оказаться не только отдельная цифра в ведомости. Ксения предлагает представить и другие варианты. Результатом обучения может быть портфолио проектов, настроенная рабочая среда, личная библиотека освоенных книг или оценка всей образовательной траектории. Элементы такого подхода существуют уже сейчас. Например, в НИУ ВШЭ не первый год существует формат «Стартап как диплом». Он не отменяют всю существующую систему оценивания, но показывает, что итогом обучения может быть не только традиционная письменная выпускная работа.
Учитель не должен быть начетчиком
Если информацию можно быстро найти, а готовый алгоритм решения – попросить у нейросети, роль преподавателя тоже меняется. Функция учителя как человека, который пересказывает учебник или сообщает готовый алгоритм, постепенно теряет прежнее значение. Но из этого вовсе не следует, что педагог становится не нужен. Напротив, возрастает значение наставника, который помогает сформировать картину мира, объясняет не только как решить задачу, но и что это за задача, почему она появилась и зачем ее вообще решать.
Такой педагог не обязан знать ответы на все вопросы. Его сильная сторона заключается в способности разбираться в новом и показывать ученику сам этот процесс. Он может оценить уровень знаний, увидеть сильные и слабые стороны человека, помочь выбрать направление развития и показать, куда двигаться за пределами школьной или университетской программы. Ксения сравнивает такую роль с навигатором и отмечает, что подобные учителя существовали всегда. Многим повезло с педагогом, который не просто передавал знания, а вместе с учениками продолжал учиться сам. Проблема в том, что раньше это было скорее счастливым исключением, а теперь такая модель может становиться все более востребованной.
Такой педагог не обязан знать ответы на все вопросы. Его сильная сторона заключается в способности разбираться в новом и показывать ученику сам этот процесс. Он может оценить уровень знаний, увидеть сильные и слабые стороны человека, помочь выбрать направление развития и показать, куда двигаться за пределами школьной или университетской программы. Ксения сравнивает такую роль с навигатором и отмечает, что подобные учителя существовали всегда. Многим повезло с педагогом, который не просто передавал знания, а вместе с учениками продолжал учиться сам. Проблема в том, что раньше это было скорее счастливым исключением, а теперь такая модель может становиться все более востребованной.
«Преподаватель не обязан все знать, но он помогает разбираться. С ним можно пытаться понять то, чего ты сам не знаешь»
При этом было бы несправедливо просто потребовать от всех педагогов немедленно перестроиться. Ксения подчеркивает, что через этот кризис проходят все. Учителям тоже приходится осваивать новые роли. Причем ответственность за образовательную среду лежит не только на педагогах. Значение имеет и то, какого наставника выбирают учащиеся и родители, какие вопросы ему задают и насколько сами готовы участвовать в процессе обучения.
Не профессия будущего, а профессионализм
Появление ИИ постоянно заставляет спрашивать, какие профессии исчезнут и какие специальности теперь стоит выбирать. Ксения сознательно избегает таких прогнозов. По ее мнению, разговор стоит вести не о профессии, а о профессионализме – наборе задач, которые человек способен решать, инструментах, которыми он владеет, и способности постоянно обновлять эти инструменты.
Одним из важных результатов образования тогда становится собственная внутренняя «библиотека» знаний. Человек понимает, что уже освоил, как разные знания связаны между собой и где в его картине мира остаются свободные полки. Когда появляется новая информация, ее можно не просто запомнить, а соотнести с тем, что уже известно. Не менее важна способность проверять информацию. Причем Ксения предлагает идти дальше обычной верификации, например, искать условия, при которых утверждение перестает работать, видеть ограничения модели и понимать, что многие факты зависят от контекста.
Из большого количества такого опыта постепенно возникает профессиональная интуиция. Это не врожденная способность каким-то образом почувствовать, где нейросеть ошиблась. Ксения называет интуицию результатом освоенного опыта: когда у человека есть собственный каталог знаний и навык обработки информации, со временем формируется чутье.
Еще один принципиальный навык – способность работать в нескольких средах. Сегодня трудно представить токаря, полностью изолированного от программирования, CNC-станков и CAD, а разработчики нейросетей обращаются к робототехнике, потому что возможности ИИ ограничены, пока он существует только в цифровом пространстве. Какую бы траекторию ни выбрал человек, одной среды, по мнению Ксении, уже недостаточно. Важно уметь соединять хотя бы две, например, инженерно-физическую и информационную, техническую и гуманитарную, социальную и цифровую.
Одним из важных результатов образования тогда становится собственная внутренняя «библиотека» знаний. Человек понимает, что уже освоил, как разные знания связаны между собой и где в его картине мира остаются свободные полки. Когда появляется новая информация, ее можно не просто запомнить, а соотнести с тем, что уже известно. Не менее важна способность проверять информацию. Причем Ксения предлагает идти дальше обычной верификации, например, искать условия, при которых утверждение перестает работать, видеть ограничения модели и понимать, что многие факты зависят от контекста.
Из большого количества такого опыта постепенно возникает профессиональная интуиция. Это не врожденная способность каким-то образом почувствовать, где нейросеть ошиблась. Ксения называет интуицию результатом освоенного опыта: когда у человека есть собственный каталог знаний и навык обработки информации, со временем формируется чутье.
Еще один принципиальный навык – способность работать в нескольких средах. Сегодня трудно представить токаря, полностью изолированного от программирования, CNC-станков и CAD, а разработчики нейросетей обращаются к робототехнике, потому что возможности ИИ ограничены, пока он существует только в цифровом пространстве. Какую бы траекторию ни выбрал человек, одной среды, по мнению Ксении, уже недостаточно. Важно уметь соединять хотя бы две, например, инженерно-физическую и информационную, техническую и гуманитарную, социальную и цифровую.
Искать то, чего еще нет
У искусственного интеллекта есть принципиальное ограничение. Он работает с уже существующими данными. ИИ способен комбинировать огромное количество известных фактов и гипотез, в том числе в масштабах, недоступных одному человеку. Но для этого ему все равно необходим материал, который уже существует. ИИ зависит от научного эксперимента, физической реальности и человеческих переживаний, которые еще не были превращены в информацию.
Именно поэтому Ксению как исследователя особенно интересует поиск того, чего еще нет в выборках. Научный эксперимент, новые инженерные системы, сложный человеческий опыт могут становиться только ценнее. Труднее придется тем, чья работа в основном состоит в комбинировании уже известных шаблонов. Но появление новых инструментов одновременно расширяет количество возможных путей для самого человека.
Именно поэтому Ксению как исследователя особенно интересует поиск того, чего еще нет в выборках. Научный эксперимент, новые инженерные системы, сложный человеческий опыт могут становиться только ценнее. Труднее придется тем, чья работа в основном состоит в комбинировании уже известных шаблонов. Но появление новых инструментов одновременно расширяет количество возможных путей для самого человека.
«Все не так страшно, будет страшно по-другому»
На фоне разговоров о том, что нейросети теперь способны написать текст, решить задачу или создать изображение, может показаться, что значение самостоятельной поисковой работы уменьшается. Ксения предполагает обратное, когда первая буря вокруг новых технологий уляжется, станет заметно, что ценность работы человека выросла.
ИИ дает школьникам и студентам больше инструментов и больше способов решать задачи. Но ни одна нейросеть не может вместо школы, университета, преподавателя и самого учащегося ответить на главный вопрос. Что должно произойти с людьми в результате образования? Возможно, именно с этого вопроса и стоит начинать разговор об этичном использовании искусственного интеллекта.
ИИ дает школьникам и студентам больше инструментов и больше способов решать задачи. Но ни одна нейросеть не может вместо школы, университета, преподавателя и самого учащегося ответить на главный вопрос. Что должно произойти с людьми в результате образования? Возможно, именно с этого вопроса и стоит начинать разговор об этичном использовании искусственного интеллекта.