Краткое содержание анализа
Массачусетский технологический институт (MIT), являющийся лидером в области искусственного интеллекта (ИИ), недавно заявил, что распространение генеративных технологий ИИ вынуждает высшее образование к системным реформам, а не к разовым корректировкам учебных программ. В этом отчете рассматриваются фундаментальные вопросы, такие как то, что должны изучать студенты, как должны оценивать преподаватели и какую роль должен играть ИИ, а также предлагаются конкретные направления реформ: установление четких правил использования ИИ в каждом предмете, перестройка системы оценки, уделение внимания практическим навыкам и межличностным отношениям. Стоит отметить, что эти проблемы касаются не только высших учебных заведений, но и предприятий: сотрудники используют ИИ, но оценка их компетентности остается сложной, поэтому необходимо создавать системы сотрудничества человека и машины, аналогичные тем, что разработаны в MIT. Иными словами, ИИ не является врагом; люди должны научиться эффективно с ним сотрудничать, овладеть его возможностями и сохранить свою способность к суждению и мышлению.
Почему MIT называет это поворотным моментом?
Раньше школы оценивали учащихся по написанию диссертаций, выполнению заданий и сдаче экзаменов, но теперь машины могут делать все это быстро и качественно. Например, ChatGPT может написать диссертацию за считанные минуты, а ИИ может помочь с программированием. В таких условиях преподаватели не могут определить, что сделано студентом, а что — ИИ. Отчет MIT указывает на то, что существующая система образования не отражает реальные способности студентов. Кроме того, ИИ меняет сам подход к обучению: раньше мы изучали знания, а теперь нужно учиться использовать ИИ и оценивать его результаты (например, наличие ошибок в коде или достоверность аналитических данных), что невозможно для машин.
Как MIT планирует изменить ситуацию?
Реформы MIT не предполагают полного запрета на использование ИИ, а его интеграцию в учебные процессы с четкими правилами:
1. Установление правил использования ИИ для каждого предмета: например, в курсах письма ИИ может помогать с корректировкой грамматики, но не может писать первоначальный текст; на курсах компьютерных наук сначала необходимо разработать собственные алгоритмы, а затем использовать ИИ для их оптимизации; на экспериментальных курсах ИИ может анализировать данные, но студенты должны самостоятельно проводить эксперименты и объяснять результаты.
2. Перестройка системы оценки: оценка будет основываться не только на конечных результатах, но и на процессе обучения. Например, Сиднейский университет использует двойную систему: одна часть заданий выполняется лично (например, написание диссертаций вручную или устные доклады), чтобы проверить способность студентов без использования ИИ; другая часть разрешает использование ИИ, но студенты должны объяснить, как ИИ помог им и как они оценивают его результаты. Также предлагаются такие формы оценки, как создание портфолио, выполнение командных проектов и устные дебаты, где ИИ не может заменить участников.
3. Уделение внимания навыкам, недоступным для замены ИИ: таким как межличностные отношения и практический опыт. Преподаватели должны наблюдать, как студенты решают сложные задачи и как они взаимодействуют друг с другом — эти аспекты невозможно воспроизвести машинами.
Почему другие учебные заведения и предприятия должны обратить внимание на рекомендации MIT?
MIT является лидером в области ИИ и оказывает влияние на развитие образования и бизнеса. Многие его выпускники работают в технологических гигантах и стартапах. Если MIT призывает к реформам, другие учебные заведения не могут остаться в стороне (например, Стэнфорд и Сиднейский университеты уже начали изменять свои методы оценки). Для предприятий ситуация аналогична: они используют ИИ, но не знают, как оценить реальные способности сотрудников. Опросы показывают, что ИИ позволяет сотрудникам работать более эффективно, но для его эффективного использования необходимы четкие правила.
Что может предприятия извлечь из рекомендаций MIT?
Необходимо не просто предоставлять сотрудникам инструменты ИИ, но и создавать сообщества для обмена опытом их использования. Например, можно организовывать группы по финансам, инженерии или продажам, где сотрудники могут обсуждать, как ИИ помогает в работе и в чем он может ошибаться. Компании, использующие ИИ, должны разработать системы его эффективного использования (например, обучить сотрудников проверять результаты работы ИИ). Согласно исследованиям, ИИ может улучшить обучение, но только при правильном подходе. Например, на уроках языка студенты сначала должны самостоятельно переводить тексты, а затем сравнивать их с результатами ИИ, чтобы понять свои ошибки; при анализе данных студенты должны сначала работать самостоятельно, а затем использовать ИИ для проверки. Только так можно добиться взаимовыгодного сотрудничества человека и машины.
Вывод
ИИ не представляет угрозы для образования и бизнеса, но его использование требует особого подхода. Важно научиться сотрудничать с машинами, сохранять свои способности к суждению и мышлению и использовать их возможности для достижения общих целей.