«Развитие технологий генеративного искусственного интеллекта и ставшие публичными случаи использования их студентами различных учебных заведений при подготовке курсовых и дипломов потребовали реакции со стороны представителей сфер образования. Многие высказались категорически против интеграции ИИ в процесс обучения в вузах.
Однако сейчас развитие технологий идет очень активно, поэтому, на мой взгляд, нормально пользоваться инновациями, в том числе и нейросетям в ходе обучения. Раньше ходили в библиотеки, долго искали нужную литературу и, соответственно, обрабатывали небольшие объемы информации. Нейросети помогают ускорить этот процесс и масштабировать его. Главное — чтобы студент в голове держал весь жизненный цикл проекта и мог обосновать выбор того или иного решения.
Говорить о том, что вместо знаний студента преподаватель будет проверять работу нейросети, неправильно. Преподаватель тоже должен понимать современные технологические течения и должен быть способен с помощью наводящих вопросов определить уровень подготовки студента. Я считаю, что качество подготовки должно только возрасти при правильном использовании нейросетей. В конце концов, когда появился интернет, общество тоже пугали катастрофическим падением качества обучения из-за того, что практически все можно найти в сети.
Так что повода для паники нет и бороться с использованием нейросетей студентами не нужно — это совершенно бессмысленно. Наоборот, стоит прививать интерес к этим технологиям и пробовать применять ИИ в образовании. Например, если студент принес работу более чем на 300 страниц, то можно построить онтологии при помощи алгоритмов машинного обучения и вести беседу уже на уровне смыслов работы.
Более того, я считаю, что технологии искусственного интеллекта нужно обязательно внедрять в процесс обучения. Человечество создало эффективный и перспективный инструмент — им нужно уметь пользоваться в рамках решения определенных задач.
Всех студентов можно разделить на две группы. Первая группа — это будущие создатели алгоритмов машинного обучения. Вторая группа — пользователи алгоритмов. И тех и других нужно готовить. Вопрос только в методиках, которые необходимо применять в каждом из этих случаев.
Для второй группы важнее умение создавать промпты — текстовые задания, на основе которых нейросеть будет генерировать текст, изображение или код. От качества промпта напрямую зависит результат, который получит пользователь. Пока этому учатся преимущественно интуитивно и на чужом опыте, ведь качественный скачок нейросетей произошел совсем недавно. Однако скоро все это можно будет систематизировать и преподавать. Разработчикам же — а в первую группу входят именно они — нужны не только знания в области создания промптов, но и гораздо более глубокие ИТ-навыки.
Если речь идет о решении более сложных аналитических задач, а не генерации изображений, то нужен очень хороший инструмент взаимодействия пользователя и огромного набора алгоритмов машинного обучения. Мы как раз и создаем такой инструмент для быстрого и понятного решения задач с применением алгоритмов машинного обучения.
Что же касается оценивания работ, контроля, то, на мой взгляд, основные критерии в случае со второй группой — это скорость и качество решения поставленных задач. Если это достигается путем применения каких-либо платформ прикладного искусственного интеллекта, то это значит только то, что студент умеет эффективно использовать этот инструмент.
С точки зрения работодателя система высшего образования должна развивать в молодом специалисте способности самостоятельно решать задачу за счет его навыков, полученных в вузе. Мне кажется, что ИИ изменит систему высшего образования. Уже появляются новые интересные предметы. В целом, ИИ должен помочь собрать воедино разрозненные научные работы, которые разбросаны по большому вузу, где соседняя кафедра может не знать, что делают ее соседи. Отсюда и база знаний существующих работ, и планы по улучшения результатов за счет квалификационных работ студентов и аспирантов. Перспективы огромны».
Проект реализован на средства гранта Санкт-Петербурга.
