Как на самом деле учиться с ChatGPT месяцами и не потеряться по дороге

В прошлой статье я разбирал популярный совет из соцсетей: напишите большой промпт, назначьте ChatGPT своим преподавателем, занимайтесь каждый день — и через год выучите английский.

Самое интересное, что такой способ действительно может неплохо работать. Особенно вначале. ChatGPT составит программу, проведёт первое занятие, даст упражнения, исправит ошибки. Возможно, через неделю вы даже удивитесь, зачем вообще нужен преподаватель.

Проблемы обычно начинаются позже.

Если обучение рассчитано на несколько месяцев или год, одного хорошего промпта уже недостаточно. Нужно следить за тем, куда движется программа, что действительно усвоено, какие ошибки повторяются и не начал ли сам процесс постепенно отклоняться от первоначальной цели.

Поэтому в этой статье предлагаю не искать очередной «идеальный промпт», а разобраться, как организовать обучение с ChatGPT так, чтобы им можно было управлять.

А начинается всё, как ни странно, ещё до первого занятия.

Допустим, я хочу выучить английский. Сам я не преподаватель и понятия не имею, как должна выглядеть хорошая годовая программа.

Первое желание — написать ChatGPT:

«Составь мне лучший план изучения английского на год».

Я бы так не делал.

Лучше сначала использовать сильную сторону модели — способность быстро собирать и сопоставлять информацию.

Можно попросить ChatGPT найти программы известных языковых школ, университетов, образовательных платформ, посмотреть рекомендации по уровням CEFR, сравнить несколько подходов к изучению языка. Если ChatGPT умеет искать в интернете — пусть показывает источники, а не просто пересказывает то, что «помнит».

После этого уже можно обсуждать:

«Вот несколько программ. Что у них общего? Чем они отличаются? Какие элементы повторяются? Что подходит под мою цель и количество свободного времени?»

Это совсем другой подход.

Мы не просим модель придумать нам образование с чистого листа. Сначала собираем хорошие ориентиры, смотрим, как эту задачу решают люди и организации, которые профессионально занимаются обучением, и только потом вместе с ChatGPT собираем собственную программу.

Именно так имеет смысл подходить не только к языкам. Если вы решили изучать с ИИ маркетинг, историю, экономику или сам искусственный интеллект, сначала полезно посмотреть, как этот предмет уже преподают в сильных образовательных программах.

ChatGPT в данном случае становится не автором единственной «правильной программы», а помощником в исследовании и сравнении разных вариантов.

Когда маршрут выбран, его стоит сохранить отдельно. Это будет основной план, к которому мы периодически возвращаемся.

Представим, что сегодня по программе у нас одна тема, но в процессе занятия возник интересный вопрос. Мы попросили разобрать его подробнее. На следующий день решили продолжить, потом ChatGPT предложил связанную тему.

Ничего плохого не произошло. Все занятия были полезными.

Через неделю случилось ещё одно такое отклонение. Через месяц — ещё несколько.

Спустя три-четыре месяца можно обнаружить довольно странную картину: мы честно занимались почти каждый день, многое узнали, какие-то темы разобрали даже глубже, чем планировали, но первоначальная программа постепенно исчезла из поля зрения.

В этом и заключается одна из проблем долгого обучения с языковой моделью. Она очень хорошо продолжает текущий разговор. Но то, что кажется логичным продолжением сегодняшней беседы, не обязательно является лучшим следующим шагом в программе на год.

Поэтому нужен простой ориентир, который существует независимо от текущего диалога. Не обязательно создавать сложную таблицу на сотню строк. Достаточно документа, где записаны цель, основные этапы, темы и контрольные точки.

Тогда раз в несколько занятий можно открыть его и проверить, насколько реальное обучение соответствует тому, что мы планировали.

Есть ещё одна ловушка, которая становится заметна не сразу.

После месяца регулярных занятий появляется ощущение, что ChatGPT знает нас почти как настоящий преподаватель. Мы ведь столько всего обсудили.

Но для долгого обучения недостаточно общего знания о том, что человек изучает английский и находится примерно на уровне A2.

Нужно помнить конкретику: какие темы пройдены, где человек ошибается, какие слова забывает, какие задания выполняет уверенно, что нужно повторить через неделю и какой результат был на предыдущей проверке.

Поэтому я бы не полагался только на историю чата. Гораздо надёжнее вести короткий журнал.

Например:

Занятие 34. Present Perfect. Тест — 72%. Основная проблема — since/for. Из 18 новых слов семь нужно повторить. К теме вернуться через три занятия.

Не нужно после каждого урока писать отчёт на две страницы. Чем сложнее будет эта система, тем быстрее вам надоест её вести.

Наша задача гораздо проще: через два месяца открыть журнал и понять, что происходило с обучением.

Заодно такой журнал можно давать ChatGPT перед очередным занятием. Вместо надежды на то, что модель правильно восстановит всю предыдущую историю, мы предоставляем ей короткую выжимку действительно важной информации.

Я бы ввёл две простые привычки.

Перед уроком не писать просто «продолжим английский», а сначала просить свериться с программой и журналом: где мы сейчас, что проходили в прошлый раз и какая цель у сегодняшнего занятия.

Это занимает несколько секунд, зато снижает вероятность того, что очередной интересный разговор незаметно превратится в новое направление обучения.

Если ChatGPT предлагает отклониться от программы, пусть объяснит причину. Например, результаты последних упражнений показывают, что предыдущая тема усвоена плохо и имеет смысл задержаться на ней ещё на одно занятие.

Такое изменение вполне разумно. План вообще не должен превращаться в священный документ, который нельзя трогать. Он нужен не для того, чтобы запрещать изменения, а чтобы изменения происходили осознанно.

После занятия полезно сделать обратную операцию: попросить кратко зафиксировать, что прошли, где были ошибки, что пока нельзя считать усвоенным и что нужно повторить позже. Результат добавляем в журнал.

Получается довольно естественный процесс: перед занятием посмотрели, откуда идём и куда собираемся; после занятия записали, куда в итоге пришли.

Предположим, ChatGPT решил, что вы усвоили определённую тему. Вы действительно хорошо выполнили упражнения, поэтому никаких подозрений это не вызвало.

Тема отмечена как пройденная, обучение продолжается.

Через несколько занятий новый материал начинает опираться на предыдущий. Появляются ошибки. ChatGPT пытается объяснить уже новую тему, хотя настоящая проблема могла возникнуть неделю назад.

Так появляется накопительная ошибка.

Не обязательно потому, что ChatGPT «стал хуже». И не потому, что модель каким-то образом деградировала за время общения с вами. Просто одно неверное предположение стало исходными данными для следующих решений.

Это важное различие.

Когда говорят, что при долгой работе «ИИ начинает деградировать», чаще правильнее сказать: может деградировать качество самого процесса. Накапливаются неверные предположения, меняется направление, теряется часть важной информации, а каждое следующее решение строится на предыдущих.

Полностью избавиться от этого невозможно. Зато можно сделать так, чтобы ошибка не жила месяцами незамеченной.

После хорошего объяснения очень легко перепутать понимание с умением.

ChatGPT объяснил правило, показал примеры, потом дал упражнения. Где-то вы ошиблись — он подсказал. После нескольких попыток всё начало получаться.

Кажется, тема закрыта.

Но настоящий тест наступает не через пять минут, а хотя бы через несколько дней, когда перед глазами уже нет объяснения.

Поэтому часть материала стоит проверять повторно. Причём лучше смешивать старые темы с новыми и иногда полностью убирать подсказки.

Для языка это особенно заметно. Можно прекрасно выполнить десять упражнений на грамматическую конструкцию и через неделю не суметь самостоятельно использовать её в разговоре.

Поэтому фраза «тема пройдена» должна означать не только «мы её обсуждали», но и «через некоторое время я всё ещё умею этим пользоваться».

Представим обычную ситуацию. ChatGPT две недели вас обучал, после чего вы попросили провести контрольную.

Он составил вопросы, проверил ответы и сообщил, что материал усвоен отлично.

Возможно, так и есть. Я сам использовал бы ChatGPT для регулярных тестов — это удобно.

Но если всё обучение рассчитано на год, периодически стоит получать независимую точку отсчёта.

В случае английского это может быть внешний тест подходящего уровня, задания экзаменационного формата или другой надёжный источник. Иногда полезно провести проверку даже в отдельном диалоге, не передавая ему всю предыдущую историю и не сообщая заранее, какие темы вы считаете освоенными.

Не потому, что ChatGPT обязательно пытается завысить результат. Просто проверка, не зависящая от всей предыдущей цепочки решений, даёт нам ещё одну точку сравнения.

Если модель говорит, что прогресс отличный, журнал показывает рост результатов, а независимый тест подтверждает то же самое — доверия к такой оценке уже значительно больше.

Это слово сейчас используют настолько часто, что можно подумать, будто половина работы с ChatGPT должна состоять из проверки второй половины.

Тогда смысл помощника действительно теряется.

Проверять нужно не всё подряд, а прежде всего то, где ошибка может иметь последствия.

Неудачный пример в тренировочном упражнении и неверно объяснённое базовое правило — ошибки разного масштаба. Во втором случае неправильное объяснение может потом использоваться в десятках следующих занятий.

Особенно внимательно я бы относился к ситуациям, когда ответ противоречит предыдущему объяснению, речь идёт о редком исключении или сложном нюансе, либо сама модель несколько раз меняет позицию.

Тогда стоит попросить её перепроверить утверждение, найти подтверждение в надёжных источниках и показать их. А если вопрос действительно важный — открыть источник самостоятельно.

У меня для этого есть простое правило: чем больше следующих решений будет зависеть от информации, тем выше требования к её проверке.

Это относится далеко не только к обучению.

На первый взгляд после всего сказанного хочется жёстко зафиксировать первоначальный план и запретить любые отклонения.

Это другая крайность.

Допустим, мы решили потратить на тему три занятия. Прошло три занятия, а контрольный тест показывает 60% при заранее установленном минимуме в 75%.

Переходить дальше только потому, что «так написано в плане», бессмысленно.

Пусть ChatGPT предложит задержаться. Но желательно, чтобы предложение выглядело примерно так: результаты двух последних проверок ниже установленного уровня, поэтому стоит добавить два занятия, после чего провести повторный тест.

Теперь мы понимаем причину изменения и можем решить, согласны с ним или нет.

Получается важное правило: ChatGPT может предлагать изменить маршрут, но существенные изменения не должны происходить незаметно.

Я бы специально выделил для этого одно занятие.

Никакой новой грамматики и никаких новых слов. Открываем первоначальную программу, журнал и результаты тестов.

Смотрим, где планировали находиться к этому моменту и где оказались в реальности. Проверяем, какие темы пропустили, на каких задержались, какие ошибки повторяются уже несколько недель и не оказалось ли так, что некоторые «пройденные» темы пришлось изучать заново.

Особенно интересно сравнить объективные результаты. Если месяц назад тест давал один результат, а сегодня другой, это уже информация. Если улучшилось аудирование, уменьшилось количество определённых ошибок, вырос словарный запас — тоже.

А если единственное доказательство прогресса звучит как «мы уже месяц каждый день занимаемся и вроде стало легче», стоит задуматься.

Такой ежемесячный аудит позволяет увидеть то, что невозможно заметить внутри отдельного урока. Каждый конкретный урок может быть интересным и полезным, а весь курс при этом медленно уходить в сторону.

Никакой сложной «архитектуры искусственного интеллекта» новичку для этого не требуется.

Сначала мы изучаем хорошие существующие программы и вместе с ChatGPT собираем на их основе собственный маршрут. Сохраняем его отдельно. Ведём небольшой журнал прогресса. Перед занятием сверяемся с маршрутом, после занятия фиксируем результат. Через определённые промежутки повторно проверяем старые знания, иногда используем независимые тесты, а примерно раз в месяц смотрим на обучение целиком.

Всё это можно организовать обычными средствами, без программирования и сложных AI-систем.

Позже процесс действительно можно развить: хранить знания в отдельных файлах, автоматизировать повторение, разделять роли преподавателя и экзаменатора, подключать дополнительные инструменты. Но начинать с этого необязательно.

Сначала достаточно понять сам принцип.

Мне кажется, самая интересная часть всей этой истории вообще не про английский.

Когда люди узнают, что языковые модели могут ошибаться и галлюцинировать, возникает естественное желание придумать такой промпт, после которого ChatGPT наконец станет безошибочным.

Но, возможно, вопрос стоит поставить иначе:

не «как заставить модель никогда не ошибаться?», а «как построить работу так, чтобы её ошибка вовремя обнаруживалась и не успевала испортить всё, что будет дальше?»

Если ChatGPT неверно оценил знание темы, повторная проверка должна это показать. Если обучение отклонилось от программы, сверка с планом должна это обнаружить. Если модель предлагает изменить маршрут, мы должны понимать почему. Если она сообщает о прекрасном прогрессе, хорошо бы иметь результаты, с которыми это утверждение можно сравнить.

Никакой из этих способов не делает ChatGPT безошибочным. Да это и не требуется.

Мы просто перестаём строить год обучения на предположении, что модель всегда права.

И английский здесь действительно только удобный пример. По тем же принципам можно долго изучать с ИИ историю, экономику, маркетинг, программирование или сам искусственный интеллект.

По мере того как задача растягивается с одного вечера на несколько месяцев, значение первого «идеального промпта» постепенно уменьшается. Гораздо важнее становится то, как устроен весь процесс вокруг модели.

Поэтому популярный совет из Reels я бы переписал всего на несколько строк.

Не ищите промпт, который сделает ChatGPT вашим преподавателем на год. Сначала определите, чему и по какой программе вы хотите научиться. Затем используйте ChatGPT там, где он действительно полезен: для объяснений, практики, обратной связи, поиска информации и создания упражнений. А план, прогресс и контроль оставьте под наблюдением.

Звучит, конечно, сложнее, чем «скопируй этот промпт».

Но если обучение рассчитано не на красивый ролик, а на год, разница становится существенной.