Через 5 лет искусственный интеллект заменит преподавателей. Или нет?

ИИ вошёл в образовательную сферу гораздо быстрее, чем это когда-то сделал компьютер. Если раньше цифровые технологии постепенно осваивали аудитории и лаборатории, то нейросети практически сразу стали частью повседневной учебной практики.

Сегодня студенты используют их для подготовки заданий, поиска информации и структурирования материалов. При этом университетская система только начинает осознавать масштаб происходящих изменений.

О том, как быстро генеративные алгоритмы могут стать полноценным элементом образовательного процесса, рассказал кандидат физико-математических наук, эксперт по академической этике и основатель сервиса Domate Юрием Чехович.

📌 Подписывайтесь на телеграм-канал Юрия Чеховича, чтобы следить за трансформацией науки и образования под влиянием ИИ.

Главный вопрос сегодня не в том, придёт ли искусственный интеллект в образование, а в том, как именно это произойдёт. Технологии уже повсеместно используются и студентами, и преподавателями, так что сегодня основная задача — грамотно выстроить этот процесс.

При этом проблема связана не с самими алгоритмами, а с готовностью образовательных институтов к новым условиям. Университеты пока ищут ответ на простой, но принципиальный вопрос: как оценивать знания студентов, если значительную часть заданий можно выполнить с помощью нейросетей — быстро, аккуратно и иногда даже более качественно, чем вручную. Привычные формы контроля знаний постепенно теряют эффективность. Курсовые, рефераты и даже часть исследовательских работ могут быть подготовлены с использованием ИИ, и это ставит под сомнение прежние методы проверки. В результате система образования сталкивается с риском пересмотра тех механизмов оценки, которые формировались десятилетиями.

Искусственный интеллект заставляет пересмотреть саму логику обучения. Вероятно, университетам в ближайшие годы придётся заново выстраивать образовательную модель. И если компьютерам потребовалось 20–30 лет для того, чтобы стать привычной частью образовательной среды, то в случае с ИИ-технологиями процесс может занять всего около пяти лет. Инфраструктура для них уже существует, доступ к самим инструментам — часто бесплатный и мгновенный.

Но если первые компьютеры и интернет общество воспринимало как помощников, то искусственный интеллект вызывает куда более сложную реакцию: вместе с ожиданием пользы появляется и настороженность — слишком велико ощущение, что технология способна изменить саму природу обучения.

Тем не менее большинство преподавателей сегодня воспринимают ИИ не как угрозу, а как ещё один рабочий инструмент. Для университетов это скорее толчок пересмотреть образовательную модель и попробовать привлечь новую аудиторию, чем повод для сопротивления. Можно сказать, что образование в России по отношению к ИИ сейчас находится в режиме ожидания. Что касается преподавателей — как и в любой другой профессиональной среде, среди них есть инноваторы и есть консерваторы, но в целом они достаточно уверенно осваивают новые технологии. А вот управленцы действуют осторожнее. И дело не в том, что они против ИИ — просто пока не до конца понятно, как максимально безболезненно встроить эту технологию в существующую систему.

И тут на первый план выходит управленческая дилемма — как измерять качество образования с развитием ИИ-технологий. Если значительную часть заданий можно выполнить с помощью генеративных моделей, прежние критерии оценки начинают размываться. Да и как вообще отличить самостоятельную работу от ответа нейросети?

По сути, система оценки знаний оказывается в ситуации, когда правила игры сохраняются, а инструменты измерения перестают работать. Это похоже на соревнование по бегу без секундомера или футбольный матч в темноте: игра продолжается, но определить победителя становится практически невозможно. В такой ситуации начинает размываться сама логика образовательного процесса. Если граница между знаниями и их имитацией становится неочевидной, даже мотивированный студент может решить, что прикладывать усилия бессмысленно, и просто делегировать выполнение задач алгоритму.

Помимо технологических и организационных сложностей, существует ещё один важный барьер — этический. Есть принципиальная разница между двумя сценариями использования ИИ. В одном случае студент использует нейросеть как вспомогательный инструмент: чтобы собрать идеи, структурировать материал или подготовить черновик текста, и тогда ИИ повышает эффективность обучения. В другом — полностью делегирует алгоритму сам процесс мышления и исследования, и тут речь идёт уже о нарушении академической честности.

Проблема усугубляется тем, что современные генеративные модели не гарантируют достоверности информации: нейросети нередко «галлюцинируют» и придумывают факты, цитаты и источники. Если студент просто копирует такой текст, не проверяя данные, в научной работе появляются ошибки и фальсифицированные ссылки. В итоге обучение превращается в имитацию интеллектуальной деятельности.

Несмотря на активное распространение нейросетей, университеты пока не спешат с масштабным их внедрением. Большинство образовательных учреждений ограничиваются точечными экспериментами: тестируют отдельные инструменты и постепенно ищут рабочие форматы их применения.

Во многом такая осторожность объясняется отсутствием единых правил игры. Сегодня не существует общего регламента, который бы описывал, как именно интегрировать искусственный интеллект в образование. Любая попытка резко ускорить этот процесс на государственном уровне может обернуться проблемами. В случае ошибки последствия могут проявиться лишь спустя годы — например, в виде специалистов с низким уровнем подготовки. Поэтому университеты и регуляторы предпочитают действовать постепенно: наблюдать за первыми экспериментами и анализировать результаты.

На мой взгляд, удачная практика — включение в учебные курсы хотя бы краткого блока, объясняющего принципы работы генеративных моделей. Например, в рамках академического письма можно добавить пару лекций, где студентам расскажут, как устроен искусственный интеллект, какие у него есть ограничения и почему нельзя воспринимать сгенерированный текст как готовое и достоверное решение. Многие сегодня используют ИИ не по назначению — не как инструмент для генерации идей, а как замену экспертного мнения. Это опасная подмена, которая приводит к ошибкам.

Конечно, важно также, чтобы базовое понимание работы нейросетей было и у преподавателей, так как на практике оказывается, что уровень знакомства с технологиями у них ниже, чем у учеников. Расширение таких знаний могло бы снизить количество недоразумений и сделать использование новых инструментов более осмысленным.

При грамотном подходе ИИ способен заметно облегчить работу преподавателя. Речь прежде всего о передаче алгоритмам рутинных задач — подготовки отчётности, оформления документации, обработки служебных материалов. Сегодня именно эта административная нагрузка занимает большую часть рабочего времени и отвлекает от основной функции — преподавания.

Ещё важный аспект внедрения технологий в образовании — подготовка специалистов, которые будут разрабатывать сами модели искусственного интеллекта. В ближайшие годы особенно востребованными окажутся кадры с сильной математической и программной базой.

Поэтому университетам уже сейчас стоит расширять набор на соответствующие направления и увеличивать квоты на подготовку разработчиков и математиков.

Интеграция ИИ в образовательную систему идёт очень быстро, и отказаться от этого процесса уже вряд ли получится. По текущим оценкам, в течение ближайших 3–5 лет использование искусственного интеллекта в школах и университетах станет обычной практикой, без которой сложно будет представить их учебный процесс.

👉 Подписывайтесь на канал Юрия Чеховича, чтобы следить за трансформацией науки и образования под влиянием ИИ.