Обучение студентов в эпоху нейросетей

ИИ в торговле

В конце февраля 2024 года генеральный директор Nvidia Дженсен Хуанг поделился своим видением перспектив внедрения искусственного интеллекта в области создания программного обеспечения и сервисов. По его мнению, в изучении программирования больше нет необходимости, поскольку в дальнейшем ИИ заменит разработчиков при написании кода.

Е.А. Абросимова (МГИМО): На недавно прошедшей международной конференции «Информационные технологии в юриспруденции: телеправо», в которой была секция, посвященная рискам и особенностям использования ИИ, профессор А.А. Костин сказал мудрую вещь: используя искусственный интеллект, не следует забывать о развитии естественного. Это должно стать лейтмотивом использования ИИ в обучении и образовании. Не следует забывать, что ИИ – это лишь технический ассистент, на которого можно переложить механическую рутину или с которым можно пообщаться, чтобы подтолкнуть забуксовавшую мысль. Но, используя кофемашину, не стоит игнорировать умение варить кофе в турке, ведь машина будет под рукой не всегда (извините за такой образ). Но это не значит, что нужно выбросить кофемашины и вернуться к истокам.

Я.О. Зубов (Финансовый университет при Правительстве РФ): Подход к обучению уже меняется быстрыми темпами, поскольку развитие высоких технологий – процесс постоянный. Большинство преподавателей владеют достаточными знаниями в области нейросетей и, соответственно, уже используют их при изучении отдельных дисциплин. Специальность «бизнес-информатика», в частности, в силу своей направленности способствует подобной интеграции в полной мере. А риски всегда могут возникнуть, когда происходит интегрирование и апробация чего-то нового, но связаны они чаще всего не с тем, что новое – плохо, а с тем, что не все участники этого процесса интеграции пока обладают достаточными знаниями. Но это вопрос лишь времени.

Н.В. Пальянова (МГЮА): Нейросети будут экономить время и усилия студентов на обучение, помогать концентрироваться на важном в учебе и научной работе, помогать обрабатывать большие объемы данных и выявлять сложные закономерности. Однако есть высокая вероятность перехода от одной рутинной работы к другой, но уже в недрах ИИ. А рутина не способствует развитию творческого и аналитического потенциала обучающихся, скорее, наоборот, может привести к регрессии.

Точно не известно, как именно работает Libratus, авторы описали лишь общую структуру программы и планируют в ближайшем будущем опубликовать статью в рецензируемом журнале. По словам разработчиков, Libratus состоит из трех частей. Основное «ядро» Libratus было подготовлено заранее, вычисления заняли 15 миллионов ядро-часов, в то время как на Claudico ушло два-три миллиона. Вторая часть программы следила за возможными ошибками, которые могли допустить соперники, и учитывала в процессе игры эту информацию. Третья часть Libratus отслеживала собственные слабые стороны, которые могли использовать противники, и корректировала общую стратегию с учетом этих данных. Такой подход позволил программе как блефовать самостоятельно, так и распознавать дезинформацию со стороны соперников [4] .

Н.В. Пальянова (МГЮА): В рабочие программы курсов в обязательном порядке вводятся разделы, связанные с ИИ, и не только теория, но и прикладное использование ИИ в юридической отрасли: примеры кейсов и эффективного контента с использованием главной новинки 2023 г. – GPT-агентов (ChatGPT). На мой взгляд, необходимо обновление всей технической части компьютерных классов и установка важнейших нейросетей для работы с полным функционалом продуктов ИИ.

ИИ для решения демографических проблем

Н.В. Пальянова (МГЮА): В ближайшем будущем подход к обучению студентов в связи с развитием ИИ совершенно изменится. Прежде всего, за счет интегрирования нейросети в учебный процесс. Возникнут преимущества быстроты обучения и риски упрощения обучения студентов-юристов за счет прогрессивной модульной сборки и разработки ПО, а также готовых промтов (запросов) на все случаи жизни. Это преимущество ИИ, его цель – обрабатывать большие и разнообразные данные и выявлять сложные закономерности. Это актуально при огромных объемах обработки информации в настоящее время.

Сейчас распространен подход, когда студен собирает данные, минимально их обрабатывает (размещает в таблицу), но не проверяет их качество, подает в алгоритм машинного обучения и получает какой-то результат. Если еще и не оценивает модельную ошибку, так совсем пиши пропало – результат может космически отличаться от ожидаемого. Здесь важно выработать понимание, что плохие данные рождают плохой результат, на котором точно не выстроить важные решения.

Елена Александровна Малинина, к.э.н., внешний совместитель на кафедре бизнес-информатики Финансового университета при Правительстве РФ: Так как я преподаю курс «Технологии ИИ», то я принимаю в своей работе нейросети и машинное обучение как данность. Это полезный инструмент, который может облегчить рутину, если мы говорим о моделях ИИ, популярных сейчас генеративках, таких как ChatGPT, GigaChat. А применение моделей машинного обучения может помочь студентам достичь желаемых результатов в научных исследованиях. Но для этого необходимо разобраться в специфике их работы, ограничениях и критериях применимости, научиться готовить данные для корректного использования алгоритмов и библиотек ML.

Здесь важно развивать критическое мышление, гибкость мышления, чтобы находить новые направления развития и, в том числе, способы применения ИИ. Нужно уметь правильным образом использовать модели ИИ, работать с данными. Работа с генеративками подразумевает корректное составление промта (для этого надо знать правила формулировки запроса) и умение общаться с ИИ (знать границы применимости). Необходима также алгоритмичность мышления для четкого описания задачи.

Я.О. Зубов (Финансовый университет при Правительстве РФ): Основной недостаток связан, скорее, с тем, что у многих студентов отсутствует правильное понимание того, а что, собственно, такое нейросети. Это не инструмент или программа, которая будет думать и выполнять работу за вас. Она призвана помочь, а не обеспечить халявное достижение поставленной цели. Опять же, студент не сможет правильно оценить полученный результат, если не разбирается в предмете сам. Все ключевые преимущества связаны с возможностями автоматизации, которая позволяет не тратить время на рутинную работу, отнимающую много времени, но ничего не дающую для развития.

Artificial Super Intelligence (ASI) — гипотетический ИИ, который сможет не только воспроизводить максимум способностей человека, но и даже превзойти его. Верящие в ASI считают, что он обретет силу проникновения в мысли и чувства человека с тем, чтобы подчинить его своей воле. См. Сверхразум: страшилки футурологов или реальное будущее искусственного интеллекта? Как с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга