ЛИСТРАТОВ

Листратов: университеты в эпоху нейросетей: что придётся изменить в обучении и оценке знаний Глава Минобрнауки Валерий Фальков на Международном форуме «Цифровые дни Иннополиса» рассказал о перспективах применения ИИ в науке и высшем образовании. Министерство определило несколько базовых принципов при разработке соответствующих изменений. ИИ должен стать основой для трансформации высшей школы. Приход в вузы студентов, для которых ИИ стал нормой, потребует изменения подходов к обучению. Ориентиром для применения ИИ в науке является национальный план внедрения искусственного интеллекта. В соответствии с ним к 2030 году ИИ должен применяться в 70% исследований, а в 80% научных организаций и вузов технологиями искусственного интеллекта должна уметь пользоваться как минимум половина научных работников. Листратов Константин, директор Центра общественно-политических проектов, политконсультант, кандидат политических наук: ➖Считаю, что мы находимся в переходном периоде. Студенты уже могут пользоваться ИИ при выполнении практически любого письменного задания, а университетам ещё предстоит выстроить понятные правила его применения. Поэтому подход Валерия Фалькова, который предлагает рассматривать ИИ как инфраструктуру высшей школы, вполне обоснован. Здесь потребуется пересмотреть и учебные программы, и работу преподавателей, и способы оценки знаний. Польза очевидна: студент может получить дополнительное объяснение сложной темы, разобрать задачу, проверить свои рассуждения. Преподаватель — быстрее подготовить материалы и задания, освободить время для работы со студентами. Но всё зависит от того, на каком этапе подключается ИИ. Одно дело — самостоятельно разобраться в вопросе и проверить себя. Другое — сдать сгенерированную работу, даже не вникая в её содержание. Главный риск — студент получает оценку за работу, которую сам не способен объяснить. Внешне всё выглядит благополучно, но необходимого знания у человека не возникает. Добавим сюда ошибки нейросетей, вымышленные ссылки, возможность утечки данных. Поэтому вуз должен заранее обозначить, какая помощь допустима, как её указывать и какие задания студент обязан выполнять самостоятельно. С приходом в вузы студентов, для которых ИИ является нормой, придётся менять прежде всего проверку знаний. По одному тексту курсовой всё труднее судить о подготовке автора. Возрастёт значение устной защиты, обсуждения хода работы, практических заданий. Студент должен уметь объяснить, почему выбрал именно этот метод, на какие данные опирался и что произойдёт с выводами, если изменить условия задачи. При этом фундаментальная подготовка становится ещё важнее. Уверенный ответ нейросети легко принять за правильный, если сам не разбираешься в предмете. Чтобы пользоваться ИИ профессионально, нужно понимать, где он ошибается и что именно следует перепроверить. Поэтому сокращать базовые дисциплины в расчёте на то, что теперь всё можно спросить у машины, было бы серьёзной ошибкой. Предложенное Фальковым разделение обучения на общий модуль по ИИ и профессиональный, связанный со специальностью, представляется разумным. Историку и инженеру нужны разные инструменты и разные способы проверки результата. Но многое будет зависеть от подготовки преподавателей. Если они не получат времени, обучения и доступа к технологиям, новые требования рискуют остаться на бумаге. Особенно важно учесть возможности региональных вузов, чтобы внедрение ИИ не увеличивало разрыв в качестве образования. Что касается возможностей, которые ИИ открывает для научных исследований, то прежде всего это возможность работать с такими объёмами данных и количеством вариантов, которые прежде требовали огромных затрат времени. ИИ помогает обнаруживать закономерности, строить модели, отбирать перспективные гипотезы для экспериментальной проверки. Пример уже есть: работы по предсказанию структуры белков с помощью AlphaFold были отмечены Нобелевской премией по химии 2024 года. В общественных науках большие возможности связаны с анализом документов, публичных выступлений, исторических архивов. Исследователь может существенно расширить круг изучаемых материалов. Но здесь нужна осторожность: совпадение, обнаруженное алгоритмом, само по себе не объясняет причин происходящего. Постановка вопроса, выбор метода и проверка выводов остаются ответственностью учёного. Минобрнауки обозначило ориентир: к 2030 году ИИ должен применяться в 70% исследований. Важно, чтобы выполнение этой задачи оценивалось по научным результатам: какие гипотезы удалось проверить, какие исследования стали возможны, насколько надёжны полученные выводы. Для России это также вопрос научной самостоятельности. Нужны собственные вычислительные мощности, качественные данные и специалисты, способные разрабатывать модели. Зависимость от внешних платформ может ограничить доступ к инструментам и поставить под вопрос сохранность результатов исследований. #Аналитика Подпишитесь на ➡️ ПолитологОрлов / Мы в MAX / Мы в ВК / Мы в Дзен