Какие задачи ИИ решает в высшем образовании
Современные технологии машинного обучения и нейронных сетей открывают новые возможности для оптимизации учебного процесса, повышения качества образования и эффективности работы всех участников. Условно можно разделить задачи ИИ на три группы.
Помощь студентам
- Интерактивная поддержка — студенты могут круглосуточно консультироваться с чат-ботами по изучаемым дисциплинам, получать разбор особенно сложных тем.
- Адаптация контента — ИИ меняет материал в зависимости от уровня подготовки обучающегося.
- Перевод материалов — ИИ помогает переводить контент на разные языки.
- Построение образовательного трека — нейросеть может учесть навыки и знания студента и выстроить персональную программу курса.
Помощь преподавателю
- Автоматизация рутины — ИИ помогает составлять учебное расписание, проверять стандартизированные работы, выделять тезисы в больших темах.
- Создание контента — нейросети генерируют текст, картинки и видео, которые используются в обучении.
- Ответы на вопросы — типовые консультации может оказывать чат-бот, снижая нагрузку на преподавателя.
Помощь вузу
- Составление расписания — ИИ учитывает оптимизацию фонда аудиторий, нагрузку студентов и преподавателей.
- Консультации студентов и абитуриентов — чат-боты нужны для быстрых и однозначных ответов.
- Использование в рекламе — искусственный интеллект помогает анализировать целевую аудиторию и персонализировать контент.
- Генерация файлов — ИИ ускоряет работу с типовыми документами, включая приказы, распоряжения и регламенты.
Опыт Национального исследовательского университета «Высшая школа экономики»
Подготовка ВКР с помощью GPT. Для эксперимента отобрали 15 студентов нетехнических специальностей и разрешили им пользоваться нейросетью YandexGPT для сбора и анализа данных, а также обобщения и оформления материала. Студенты рассказали, что так они получили больше свободного времени для воплощения творческих идей.
Проект по обучению сотрудников вуза работе с ИИ. Главная задача — повысить качество образовательного процесса и внедрить новые технологии в исследования. Проект включает изучение принципов работы современных ИИ, освоение Python и знакомство с no-code-инструментами для анализа данных. После курса преподаватели смогли эффективно внедрить ИИ в учебный процесс и заинтересовать студентов инновационными методами обучения.
Помощь абитуриентам в выборе профессии. Специальный чат-бот на основе YandexGPT на официальном сайте и в телеграм-канале вуза рекомендовал подходящие образовательные программы поступающим. Он анализировал навыки абитуриентов и учитывал их интересы.
Собственная политика вуза по использованию ИИ. Университет сформулировал этические и образовательные рекомендации, когда и в каком количестве следует использовать ИИ в самостоятельных работах, а также в каких случаях обязательно информировать преподавателя о сгенерированном контенте.
Достижения Университета ИТМО
Модель компетенций в сфере ИИ. Помогает определять ключевые навыки и знания для подготовки специалистов в этой области. Граф компетентностной модели показывает, как связаны различные понятия и дисциплины, которые студенты должны изучить для освоения профессий в области ИИ. Главное преимущество модели — это хранилище компетенций, которые полезны для создания новых образовательных программ в области ИИ, соответствующих требованиям рынка труда.
Инструментальные среды для создания и обучения систем ИИ. Исследовательский центр «Сильный искусственный интеллект в промышленности» представил три платформы для обучения ИИ, которые рассчитаны на специалистов, не обладающих знаниями программирования:
- DataMall — помогает управлять умными технологиями, используя большие объемы данных. С ее помощью можно решать разные задачи: от извлечения новых знаний из данных до быстрого создания собственных цифровых решений на основе искусственного интеллекта.
- SMILE — облачная платформа, которая упрощает создание моделей для бизнес-процессов и технологий. Она помогает разработчикам строить модели, даже когда данные неполные или в них есть неопределенность. Благодаря этой платформе можно создавать цифровые двойники различных систем, что позволяет лучше понимать процессы в компании и управлять ими.
- FEDOT — платформа, которая разрешает автоматически создавать и улучшать модели машинного обучения: не просто подобрать лучшую, а создать сложную, комбинированную модель. Эта разработка способствует повышению доступности образования в сфере искусственного интеллекта, а также интеграции современных технологий в образовательный процесс.
Матрица ИИ-компетенций для сотрудников. Помогает узнавать, какие умения необходимы для успешного внедрения ИИ в профессиональную деятельность; проводить оценку своих навыков для эффективного применения ИИ-инструментов в работе; планировать траекторию развития в сфере ИИ. Матрица предназначена для различных категорий сотрудников: от администраторов до профессоров.
Система развития сотрудников в сфере ИИ. Университет собрал данные по использованию генеративных моделей в образовательном процессе. В результате были проведены мероприятия, направленные на развитие ИИ-компетенций. Например, практические вебинары, интенсивы, мастер-классы и курсы на тему: от обучения Python до этики применения ИИ.
Генераторы тестов на основе LLM. «Цифработ» — сервис, который помогает сократить время на выполнение рутинных задач с помощью ИИ-агентов больших языковых моделей. Эта система облегчает работу преподавателей, поскольку принимает на себя большую часть работы.
Применение ИИ в Московском городском педагогическом университете
Использование генеративного ИИ для подготовки ВКР. В МГПУ разработали правила использования нейросетей и установили границы применения. В вузе отмечают, что сгенерированные тексты — это хороший материал для поиска творческих идей. Они могут выступать как отправная точка для последующей работы. Сгенерированный с помощью инструментов ИИ текст можно использовать как дополнительный «литературный источник».
Проект по дообучению больших языковых моделей, способных отвечать с опорой на идеи исторических личностей. В университете разработали чат-ботов для ассистентов и преподавателей, способных решать рутинные задачи исходя из заданной роли: эксперт, экзаменатор, разработчик курса, ведущий вебинара. Они помогают создать стартовые материалы и генерировать тестовые задания, вопросы и кейсы. При этом их особенность — фокус на основных положениях научных школ, разработанных Константином Ушинским и Львом Выготским. Именно их работы применялись для дообучения больших языковых моделей (LLM), которые легли в основу чат-ботов.
Использование ИИ в других российских вузах
В РАНХиГС в 2023 году более 700 студентов прошли профессиональную переподготовку по машинному обучению и искусственному интеллекту. Курс включает основы программирования на языке Python и применение технологии глубокого обучения для анализа данных в социально-гуманитарных исследованиях. В свою очередь, преподаватели применяют инструменты антиплагиата, чтобы выявить использование ИИ в работах студентов.
В Московском государственном техническом университете (МГТУ) имени Баумана с 2021 года запущено семь бакалаврских и девять магистерских программ по применению технологий ИИ. Кроме того, в вузе разрешают применение ИИ в подготовке текста ВКР. При этом необходимо оставлять пометку «Сделано с применением ИИ».
Национальный исследовательский ядерный университет «МИФИ» тоже не ограничивает применение инструментов ИИ в ВКР. Оба вуза пока не используют специальных регулирующих документов по применению искусственного интеллекта.
Перспективы использования ИИ в образовании
Эксперты уверены, что внедрение ИИ — это не попытка заместить человека-профессионала, а возможность получить умного компаньона. Совместная деятельность ИИ со специалистом вскоре получит широкое распространение.
Выделяют несколько трендов в развитии образовательного ИИ.
Гиперперсонализация. Ожидается, что ИИ сделает обучение еще более индивидуализированным. Учитываться будут не только академические показатели, но и эмоциональное состояние учащихся.
Интеграция с VR и AR. Слияние ИИ с технологиями виртуальной и дополненной реальности создает захватывающие образовательные среды, где студенты могут взаимодействовать с учебным материалом на совершенно новом уровне. Учащиеся могут проводить безопасные эксперименты в условной лаборатории, виртуально посещать исторические места и события, практиковать профессиональные навыки в реалистичных обстоятельствах.
Прогнозирование образовательных траекторий. Искусственный интеллект способен обрабатывать огромные массивы информации о студентах, их успеваемости, предпочтениях и потенциале, что позволяет создавать максимально эффективные образовательные маршруты.
Инклюзивность образования. ИИ способен адаптировать образовательный контент под уникальные особенности и ограничения учеников. Более того, такие вспомогательные технологии, как обработка естественного языка и компьютерное зрение, виртуальная и дополненная реальность, повышают доступность образования для людей с ограниченными возможностями. Инструменты на базе ИИ для распознавания эмоций помогают преподавателям понимать эмоциональное состояние подопечных. Это особенно важно при работе с учениками с РАС или эмоциональными расстройствами, которые нуждаются в эмпатичной среде обучения.
При этом нужно учитывать и сложности, связанные с использованием ИИ.
Галлюцинации ИИ. Иногда ИИ выдает недостоверную информацию. Чтобы минимизировать такие риски, разрабатываются системы многоуровневой верификации ответов, привлекаются эксперты для проверки фактов, ограничиваются контексты генерации. Кроме того, создаются специализированные образовательные дата-сеты для обучения моделей.
Отсутствие стандартов при использовании ИИ-технологий в образовании. Необходимо разработать единые регламенты применения искусственного интеллекта в обучении, создать методические рекомендации по его интеграции, установить критерии оценки эффективности решений. Это обеспечит безопасность применения ИИ.
Безопасность данных в образовательной среде. Для обеспечения защиты информации внедряются современные методы шифрования при хранении и передаче данных, системы многофакторной аутентификации, проводится регулярный аудит безопасности. Реализуется разграничение прав доступа к информации, организуется обучение персонала правилам кибербезопасности, а также внедряются системы предотвращения утечек данных. Только комплексный подход к решению этих вопросов позволит сократить возможные риски и угрозы.
Цифровое неравенство. Несмотря на то что цифровой разрыв в мире значительно сократился, по-прежнему остаются люди без связи с Интернетом. Сейчас доступ к цифровым технологиям становится необходимым условием для полноценного получения важных услуг. ИИ способен сделать образование более доступным. Однако есть риски, что не все люди смогут воспользоваться этими преимуществами. Государственная политика направлена на преодоление такого разделения.