Стремительное развитие технологий искусственного интеллекта требует от системы образования глубокого пересмотра подходов к обучению и адаптации к современным реалиям

Определений, что такое искусственный интеллект, можно найти множество. Если коротко, максимально просто и исключительно с точки зрения функциональности, то в данной точке истории развития человечества технологии ИИ – это «умные» компьютеризированные системы, алгоритмы, которые помогают в решении той или иной задачи, стоящей перед человеком.

В контексте отмечаемого в мире 24 января Международного дня образования хотелось бы затронуть тему влияния ИИ именно на эту важнейшую сферу. Технологии в данной системе меняют действительно очень многое – инструменты преподавания, методики, подходы к оценке знаний, даже само наполнение обучения... И как и везде, вместе с возможностями есть здесь и риски.

Вкалывают роботы – счастлив человек

В 1964 году вышла в свет первая повесть из замечательной (и незаслуженно подзабытой сегодня) серии произведений Евгения Велтистова про Электроника – робота-гуманоида, который сбежал от своего создателя и случайно встретился со школьником Сережей Сыроежкиным, внешность которого стала прототипом для киборга.

В первой книге серии Сыроежкин просит Электроника походить вместо него в школу, и искусственный интеллект блестяще вливается в школьную жизнь, обеспечивая реального ученика хорошими оценками, но не знаниями. Ведь Сережа до поры до времени вдохновенно лоботрясничал, пока робот «вкалывал» за него в классе.

В 2022 году рассказанная более чем полвека назад сказка стала былью. Частично, разумеется.

В конце ноября прошлого года компания OpenAI, занимающаяся разработкой технологий машинного обучения, предоставила доступ к своему новому проекту – ChatGPT. Это чат-бот с искусственным интеллектом. С ним можно просто поболтать на отвлеченные темы, можно задать практические профессиональные вопросы, попросить сделать перевод текста, написать компьютерный код.

Можно, сформулировав соответствующий запрос, даже получить от «машины» готовое литературное произведение – рассказ, стихотворение, сценарий (о художественной ценности говорить не будем, но, по крайней мере, это будет связный и не лишенный смысла текст).

ChatGPT мгновенно стал хитом – число пользователей перевалило за миллион меньше, чем за неделю.

Тексты, которые генерирует ChatGPT на заданные темы, настолько хороши, что современные сыроежкины сразу же поняли, как можно использовать его в своих интересах. Зачем читать четыре тома «Войны и мира» или лезть в дебри книг по истории, чтобы написать сочинение или доклад, если все это для тебя может сделать искусственный интеллект? Прецеденты, к слову, уже есть – преподаватели в разных частях мира «ловят» школьников и студентов на таком читерстве.

Вся эта история требует от сис­темы образования как можно более быстрой и эффективной адаптации, тем более в усло­виях, когда пришедшая во время ковида вынужденная «удаленка» стала добровольной и устойчивой практикой, и процесс обучения все чаще происходит тет-а-тет с компьютером.

О том, как ИИ меняет систему образования, речь шла на прошедшем в прошлом году в Астане цент­рально-азиатском медиафоруме. Панельная сессия была посвящена теме «Искусственный интеллект и большие данные: инновационные технологии в работе в медиа», но вопрос влияния ИИ на образование в дискуссию вписался очень органично.

В частности, один из спикеров – основатель образовательной платформы Examus Дмитрий Истомин – поделился мыслями на тему: перед какими вызовами ставит систему образования бурное развитие технологий искусственного интеллекта?

– Каким образом мы проводим оценку знаний? Есть тесты, письменные экзамены и так далее. На этом базируется стандартная система образования. Но развитие Интернета, технологий, в том числе появление ChatGPT, делает бессмысленными методы оценки знаний, которые применяются сейчас... Нам нужно учиться оценивать ученика, его знания во время непосредственно образовательной активности и так, чтобы это нельзя было подменить с использова­нием технологий. В этом я вижу наибольший вызов искусственного интеллекта в системе образования, – считает Дмитрий Истомин.

Ответ на этот вызов уже начи­нает вырисовываться. Преподаватели начинают больше делать ставку на устные ответы и активность обучающихся непосредственно на занятиях. Письменные работы предлагается сдавать в рукописном виде.

Кроме того, как отмечают эксперты, усложнить для студентов-читеров использование искусственного интеллекта при подготовке домашних заданий, проведении самостоятельной работы может более «заковыристая» постановка вопросов и формулировка заданий, которую ИИ не сможет адекватно интерпретировать самостоятельно.

Также, как уже отмечалось, важно большее внимание уделять учащимся во время процесса обу­чения. Здесь, кстати, технологии только в помощь – сегодня они позволяют собирать очень глубокие данные о вовлеченности обучающегося в процесс обучения (поисковые запросы, на чем акцентировал внимание в материале, даже куда больше смотрел и какие эмоции испытывал), на основе анализа которых можно оценить понимание темы и уровень знаний. Даже без классических тестов и экзаменов.

А учитель кто?

У аналитики, получаемой во время процесса обучения, есть и другой профит. Алгоритмы, собирая и анализируя данные об учениках, будут лучше «понимать» ребенка, его интересы и способности, соответственно, смогут составлять для него оптимальный план обучения, который будет учитывать все его индивидуальные особенности и потребности. Самостоятельно учитель такую кастомизацию обу­чения обеспечить вряд ли сможет (тем более в классе с двумя-тремя дюжинами учеников).

Но сможет ли искусственный интеллект (условные роботы) полностью заменить в системе образования самого педагога?

Пока этот вопрос – чисто гипотетический. Искусственный интеллект все-таки еще не может полноценно воспроизводить интеллектуальную деятельность человека и может использоваться только как инструмент для решения конкретных задач. Кроме того, приступая к такому эксперименту, нужно отдавать себе отчет, что последствия его мы себе пока не представляем.

– В чем я лично глубоко убеж­ден – так это в том, что образование сродни медицине. Здесь нужно использовать подтверж­денные методы. Прежде чем применять новые лекарства, мы их тестируем, чтобы понимать, как они действуют, какой эффект оказывают сейчас и потом. И в образовании – ровно так же. Мы можем увидеть, как технологии дают быстрый эффект, но какой будет отложенный эффект, к чему все это приведет, – интересный вопрос, – отмечал на медиа­форуме Дмитрий Истомин.

А то, что отложенный эффект будет, пожалуй, ни у кого не вызывает сомнений. Например, с появлением в нашей жизни разнообразных гаджетов уже заметны тенденции к изменению паттернов поведения у детей: малыши настолько привыкли к разнообразным тачпадам (сенсорные экраны телефонов, планшетов, мониторов, телевизоров), что сейчас с любым незнакомым для себя девайсом пытаются взаимодействовать, «тыкая» в него пальцем.

Если представить, что обучать ребенка станет робот, надо осознать: для взаимодействия с таким «учителем» будет предусмотрен определенный протокол общения (который, надо думать, будет отличаться от «протокола общения» с людьми).

А что, если ребенок примет такую форму общения как настройку «по умолчанию», и будет общаться с людьми так же, как привык общаться с машиной? Как это скажется на будущей социальной адаптации, развитии эмоцио­нального интеллекта? Ответа на данные вопросы пока нет.

– Здесь есть еще интерес­ный нюанс: алгоритм тренируется на данных – неких усредненных данных. А дети, они же очень быстро меняются. Поиск того, что интерес­но, что хочется попробовать, новый опыт и так далее – это все очень важно в детском воз­расте. И это гораз­до более сложная задача – натренировать алго­ритм на действия в таких усло­виях, когда объект обу­чения – ребенок – очень быстро меняется. Поэтому в вопросе использования искусственного интеллекта в обучении я бы высказал предельную осторожность и выступаю за то, что нужно все очень тщательно тестировать. Но в то же время нельзя быть рет­роградами и отказываться от технологий. Дети сталкиваются с алго­ритмами, ИИ и помимо школы. Нужно эти инструменты правильно интегрировать в процесс обучения, – считает Дмитрий Истомин.

До чего дошел прогресс

О «думающих машинах» человечество мечтает уже давно. Но история исследований и прак­тических разработок в области искусственного интеллекта началась только в середине ХХ века. За точку отсчета обычно принимается знаменитый Дартмутский семинар, проведенный летом 1956 года, – это была первая большая конференция ведущих ученых, занимавшихся воп­росами исследования интеллекта и его моделирования, нейронных сетей, машинного обучения. Собственно, сам термин «искусственный интеллект» (artificial intelligence) был предложен именно на том мероприятии.

Никаких прорывных открытий тогда не произошло, но был дос­тигнут очень важный результат – изучение искусственного интеллекта оформилось в отдельное научное направление, ученые показали его возможности и перс­пективы.

В последующие десятилетия исследования в области ИИ не прекращались, но интерес к ним оказался волнообразным – то нарастал, то снижался. Ожидания были слишком большими, прогресс – слишком медленным. Периодами вся сфера просто впадала в состояние фрустрации, пока очередной прорыв вновь не возрождал надежды на скорое дос­тижение желанного результата.

«Основная причина, почему прогресс шел медленнее, чем предполагалось, связана с техническими проблемами, возникавшими при разработке разумных машин. Первопроходцы не предусмотрели всех трудностей, с которыми им пришлось столк­нуться. Причем вопросы – велика ли степень серьезности этих препятствий и насколько мы далеки от их преодоления – до сих пор остаются открытыми», – пишет в своей книге «Искусственный интеллект. Этапы. Угро­зы. Стратегии» Ник Бостром, директор Инсти­тута будущего человечества при Оксфордском университете.

В той же работе он подчеркивает, что человечество ожидает «множество остановок между нынешним отправным пунктом и тем будущим, когда появится искусственный интеллект» (сам ИИ – тоже не конечная станция, но это отдельная большая сложная и пока абстрактная тема).

Собственно, последние достижения в области технологий искусственного интеллекта – это одна из «остановок».

Иногда взаимодействие с голосовым помощником или сенсацией прошлого года ChatGTP может восприниматься как общение с кем-то (чем-то), обладающим разумом и даже характером. Они способны быстро оперировать большими объемами данных и даже готовы на креатив (вспомним еще один хит прошлого года – рисующие картины нейросети), но думать как люди они не могут. Можно научить алгоритм выдавать правильный и логичный с точки зрения человека ответ, но понимания этой человеческой логики у машины еще нет.

То есть нынешние технологии ИИ – это все еще инструмент для человека в решении определенных задач, хотя и все возрастающей сложности, и все более расширяющегося спектра. И подходы, которые годятся для одних задач, часто не подходят для решения других.

Например, компьютер Deep Blue, который в 1997 году обыграл в шахматы гроссмейстера Гарри Каспарова, работал, просчитывая колоссальное, но конечное число комбинаций. Современные алгоритмы искусственного интеллекта действуют и строятся совсем по-другому – так, чтобы они могли анализировать структуру данных в той или иной области, быстро ориентироваться в накопленном объеме информации, делать выводы, учиться в процессе работы.

Как отмечал на центрально-азиатском медиафоруме основатель и директор компании BigData Алексей Драль, современные модели искусственного интеллекта кажутся очень хорошими, но когда достаточно долго «общаешься» с ними, начинаешь видеть, что человеческой логики понимания у них нет. Там, где людям даже особо вдумываться не нужно, чтобы понять, как будет правильно, а как – нет, нейросети и ИИ могут «косячить». И это одна из больших задач, которая стоит перед учеными на нынешнем этапе развития данных технологий – научить машину пониманию.

– Еще одна большая проблема – сложность вычислений. Если посмотреть на GPT-3 (третье поколение алгоритмов обработки естественного языка от OpenAI. – Ред.), то, только вдумайтесь в эту цифру – для работы модели нужно было обучить ее 175 миллиардам параметров. Это на каждый параметр нужно найти 10–100 примеров. Соответственно, можно представить себе масштабы объемов вычислений. Нужны большие кластеры, технологии, которые позволяют работать с действительно большим массивом информации. Это, помимо прочего, стоит прилично дорого. Для обучения, например, модели на 1,5 миллиарда параметров уйдет ресурсов с точки зрения аренды серверов на 2–3 миллио­на долларов. Это для моделей, которые мы знаем, как обучать, а если проводить эксперименты – то это годы времени, еще большие человеческие и финансовые ресурсы, – отмечает Алексей Драль.

Вспоминая этапы развития технологий ИИ в ХХ веке, Ник Бостром в своей книге обращает внимание, что периоды «охлаждения» к этой теме, как правило, становились следствием того, что исследования и разработки заходили в тупик, когда долго не находилось решение стоящих на пути дальнейшего прогресса проблем, не было понимания, как двигаться дальше. Произойдет ли очередной спад интереса к созданию искусственного интеллекта в перспективе или нет, прогнозировать сложно.

Однако, учитывая все более расширяющийся спектр применения искусственного интеллекта в самых разных областях, можно с изрядной долей уверенности предположить, что на дальнейшее развитие технологий и средства, и желание найдутся.

Например, совсем недавно Microsoft объявила о новых «многомиллиардных и многолетних» инвестициях в лабораторию искусственного интеллекта OpenAI («автора» ChatGPT, напомним). В официальном релизе компании генеральный директор Microsoft Сатья Наделла отмечает, что парт­нерство с OpenAI сформировано вокруг «общего стремления ответственно продвигать передовые исследования в области ИИ и демократизировать ИИ как новую технологическую платформу».

– Мы с воодушевлением продолжаем наши независимые исследования и работу над созданием продвинутого ИИ, который принесет пользу всем, – добавил в этой связи гендиректор OpenAI Сэм Альтман.