Loe raamatut: «Новые миры образования: Трансформация обучения в эпоху искусственного интеллекта»

Font:

Знак информационной продукции (Федеральный закон № 436-ФЗ от 29.12.2010 г.)


Переводчик: Камилл Ахметов

Руководитель проекта: Екатерина Васильцова

Дизайн обложки: Алина Лоскутова

Арт-директор: Татевик Саркисян

Корректоры: Елена Сербина, Наташа Казакова

Верстка: Белла Руссо


В книге упоминаются социальные сети Instagram и/или Facebook – продукты компании Meta Platforms Inc., деятельность которой по реализации соответствующих продуктов на территории Российской Федерации запрещена как экстремистская.


Все права защищены. Данная электронная книга предназначена исключительно для частного использования в личных (некоммерческих) целях. Электронная книга, ее части, фрагменты и элементы, включая текст, изображения и иное, не подлежат копированию и любому другому использованию без разрешения правообладателя. В частности, запрещено такое использование, в результате которого электронная книга, ее часть, фрагмент или элемент станут доступными ограниченному или неопределенному кругу лиц, в том числе посредством сети интернет, независимо от того, будет предоставляться доступ за плату или безвозмездно.

Копирование, воспроизведение и иное использование электронной книги, ее частей, фрагментов и элементов, выходящее за пределы частного использования в личных (некоммерческих) целях, без согласия правообладателя является незаконным и влечет уголовную, административную и гражданскую ответственность.


© VIKING An imprint of Penguin Random House LLC

© 2024 by Salman Khan

© Издание на русском языке, перевод, оформление. ООО «Альпина ПРО», 2025


Введение

Андрей Комиссаров, системный методолог сферы образования,

архитектор ИИ-решений,

автор Telegram-канала «Дизайн образования»

Мы живем в уникальное время – время новой технологической революции, в эпоху искусственного интеллекта. Сами по себе алгоритмы ИИ известны достаточно давно, но с появлением больших языковых моделей эта технология стало широкодоступной, пришла в нашу повседневную жизнь, нашу работу и наше образование.

Словосочетание ChatGPT сегодня известно практически всем, но далеко не все понимают, какие возможности появляются с приходом в образование больших языковых моделей.

Образование, особенно в средней школе, крайне инерционно, и изменения приживаются здесь довольно трудно. Первая эмоция, испытываемая нами с приходом ИИ, – это страх. В школах – страх, что учителей заменят роботы, в вузах – что все работы за студентов напишет ИИ, а профессора ничего не смогут с этим поделать, в крупных компаниях – что на волне модного веяния придется переделывать всю систему корпоративного обучения, а как – непонятно.

Что же нам принес ИИ? С одной стороны, применение больших языковых моделей, таких как GigaChat и ChatGPT, делает нас немножко супергероями – существенно уплотняя наше время, снимая с нас множество рутинных задач и делая нас более эффективными. С другой стороны, ИИ обнажил целый ряд существенных недостатков современных образовательных систем.

В школах ИИ подсветил то, что учащиеся далеко не всегда понимают учителя и учебник, накапливая эффект педагогической запущенности.

В вузах ИИ выявил, что проверка достижения образовательного результата с помощью текста (курсовые и рефераты) и теста вовсе не показывает «способность к деятельности», предполагаемую компетентностным подходом.

В корпоративном обучении ИИ указал на то, что данные «участия» и «одобрения», собираемые в процессе прохождения курсов, также ничего не говорят о «готовности к деятельности».

При этом и сам ИИ оказался не без греха – большие языковые модели типа ChatGPT, применяемые «из коробки», в чистом виде часто выдают «галлюцинации» – сочетания верных знаний и полнейшего бреда рандомной генерации, на первый взгляд не вызывающие вопросов и поданные так органично, что неспециалист часто не замечает подвоха.

Как же применять ИИ в образовании грамотно? Как сделать его не пугалом, а удобным и крайне полезным инструментом? Как избежать галлюцинаций, но при этом не превратить образование в поиск и применение готовых домашних заданий (ГДЗ) на основе ИИ?

Эта книга – своеобразный портал в новые миры, миры датацентричного образования, где ИИ-технологии, применяемые разумно и ответственно, дают невиданные доселе возможности.

Салман Хан создал крупнейшую в мире платформу онлайн-обучения и стал первопроходцем, разработавшим ИИ-тьютор на основе большой языковой модели ChatGPT. Но и в России, во многом благодаря серьезному математическому и гуманитарному образованию, нашлись умельцы, создающие образовательные системы на ИИ.

В книгу Хана «Новые миры образования» мы добавили главу, в которой решили рассказать о разработках, созданных совместно с ИИ-лабораторией «Море данных» – уникальным коллективом талантливых специалистов из сферы образования и науки о данных. Из этой главы вы узнаете, как избегать галлюцинаций, используя мультиагентные системы на основе ансамбля алгоритмов, как создавать знаниевые графы и зачем они нужны, как собирать цифровой след образовательного опыта и на основе «петли обратной связи» предоставлять формирующее оценивание.

Мы приглашаем вас отправиться вместе с нами в «новые миры образования», и, поверьте, это только начало.

Андрей Комиссаров

Вступительное слово от соавторов книги
ООО «Море данных»

Что происходит, когда несколько умных, талантливых людей с уникальным опытом и общими интересами сходятся вместе? Рождается что-то прекрасное. Так началась и история нашего пути, нашего плавания в безбрежном море данных.

Наша команда – это специалисты сферы образования, педагоги и педагогические дизайнеры, дата-сайентисты, дата-инженеры и специалисты в области искусственного интеллекта (ИИ) и машинного обучения, ведомые общей мечтой. Этой мечтой стало создание инструментов нового, персонализированного и адаптивного, прозрачного и человекоцентричного образования, построенного на данных.

С появлением ИИ мы поняли, что нашей мечте вот-вот суждено осуществиться. ИИ-лаборатория «Море данных» выпускает уникальные образовательные решения на основе алгоритмов ИИ и работы с данными цифрового следа. Сочетание экспертности в разных сферах позволяет нам создавать инновационные образовательные сервисы как для частных и общеобразовательных школ, так и для вузов, корпоративных университетов, организаций, министерств и ведомств и даже для самообучения.

Для наших заказчиков мы разработали:

● первый полноценный проактивный ИИ-тьютор, сопровождающий студента по образовательному материалу и работающий на «петле обратной связи»;

● инструмент взаимного и формирующего оценивания на основе ИИ;

● ИИ-конвертер устаревших курсов в современные интерактивные образовательные форматы;

● нейросетевой анализатор речи, дающий детальные рекомендации по ее развитию;

● цифровой фантом преподавателя, способный отвечать на вопросы студентов в реальном времени.

Если вы хотите воплотить свои мечты в реальность, если готовы приблизить будущее и не боитесь нового, приглашаем вас отправиться вместе с нами в новые миры образования. Откройте для себя море данных!

Наш веб-сайт: datasea.me

(скачайте нашу брошюру в формате. pdf по ссылке: datasea.me)

Искренне ваши,
ООО «Море данных»

Ии-тьютор как базовый элемент образовательной системы

Учебный дизайн (Instructional Design) состоит из четырех составляющих: методология, процесс, научная дисциплина и практика. Далее мы рассмотрим организацию процесса обучения и внедрение в этот процесс ИИ-ассистента на основе нейросетей.

В современном образовательном процессе обучающиеся часто взаимодействуют с видео- и текстовыми материалами. Можно предположить, что просмотр образовательных видеороликов требует навыков, сходных с теми, которые необходимы для эффективного чтения.

Компетенция чтения представляет собой фундаментальную, часто бессознательную составляющую обучения, на основе которой формируются знания в различных областях – гуманитарные, точные и естественные науки. Кроме того, компетенция чтения лежит в основе формирования алгоритмов профессионального и социального поведения, обогащения культурными ценностями, создания личной картины мира, а также развития критического и творческого мышления. Она позволяет осмысливать и интерпретировать информацию, полученную из различных источников, включая тексты и видеоматериалы.

В этом контексте компетенцию чтения можно рассматривать как ключевой фактор, влияющий на эффективность обучения. При этом необходимо учитывать, что обучение – процесс индивидуальный и внутренний. Поэтому важно четко понимать смысл разработки стратегии обучения не только в общем (на всю компанию), но и в частности (для каждого обучаемого).

При разработке стратегии организации процесса обучения необходимо планировать, как и посредством каких обучающих активностей можно инициировать внутреннюю интеллектуальную работу слушателей. Это необходимо, чтобы слушатель не только запоминал учебную информацию, но и формировал понимание о разнообразном применении обучающих материалов и способов поведения в том числе в своей профессиональной деятельности.

Концепция учебной стратегии берет начало в теории обучения, разработанной Робертом Ганье. В частности, она основана на идее о том, что процесс обучения можно рассматривать как последовательность учебных событий, которые инициируются преподавателем и/или учебным контентом. Эти события определяют деятельность слушателя, которая, в свою очередь, влияет на внутренние психические процессы.

Последовательная реализация учебных событий обеспечивает полноценный процесс обучения, который можно рассматривать как совокупность двух параллельных, но взаимодополняющих процессов: преподавания и учения. Преподавание представляет собой процесс передачи знаний и навыков от преподавателя к ученику, тогда как учение – это процесс усвоения и интерпретации информации обучаемым. Эта концепция имеет важное значение для разработки эффективных учебных стратегий. Она подчеркивает необходимость учитывать не только содержание обучения как таковое, но и индивидуализировать процесс обучения для каждого обучаемого.

В современном образовании есть две ключевые фигуры: преподаватель и тьютор. Хотя эти термины часто используются взаимозаменяемо, между ними есть существенные различия.

Преподаватель отвечает за передачу новых знаний слушателям. В его задачи входит планирование и разработка курса, проведение лекций и семинаров, а также оценка и обратная связь.

Тьютор занимается индивидуальным обучением и поддержкой обучаемых.

Одно из принципиальных различий между преподавателем и тьютором – подход к обучению. Преподаватель обычно работает с группой слушателей и передает (транслирует) знания в рамках определенного курса или программы. Тьютор работает с каждым обучаемым индивидуально и адаптирует учебные материалы к конкретным потребностям и способностям обучаемого.

Эти различия могут иметь важные последствия для проектирования процесса обучения взрослых.

Преподаватель может передать знания, но его функции ограничены рамками курса, программы, лекционными часами. Тьютор может адаптировать программу к конкретным потребностям студента и обеспечить индивидуальное обучение, что приведет к более высоким результатам обучения. Но бизнес не может нести большие финансовые траты на корпоративное обучение и обеспечивать тьюторами всех обучаемых в компании.

В современной образовательной среде искусственный интеллект (ИИ) играет все более значимую роль в поддержке процесса обучения и подменяет собой живого тьютора. Одним из примеров и является ИИ-тьютор – комплексная система, основанная на нейросетях, предобученных на массиве корпоративных учебных материалов и дополнительном образовательном контенте.

ИИ-тьютор предназначен для взаимодействия с обучаемыми в режиме текстового или речевого общения, что позволяет ему предоставлять индивидуализированную поддержку и руководство процессом обучения. Основная цель ИИ-тьютора – помочь обучаемым не только освоить новые знания и запомнить новую информацию, но и выработать понимание того, как эти знания могут применяться в повседневной профессиональной деятельности.

Кроме того, ИИ-тьютор направлен на развитие не только профессиональных знаний и умений, но и критического мышления и навыков решения проблем. Это достигается путем организации обучающего диалога, в ходе которого ИИ-тьютор задает вопросы и получает ответы от обучаемых, что позволяет ему оценить их уровень понимания и предоставить соответствующую поддержку.

Наиболее простым и доступным методическим приемом для реализации обучающих диалогов с ИИ-тьютором могут быть специальные учебные вопросы для каждого уровня таксономии уровней знаний (по Б. Блуму).

Вопросы для уровня таксономии «оценка/оценить»:

● Что является наилучшим для …?

● В чем плюсы (минусы), побочные эффекты …?

● Как можно ранжировать важность (ценность, эффективность) …?

Вопросы для уровня таксономии «синтез/создавать»:

● Какую альтернативу вы предложите для …?

● Как вы составите план …?

● Как можно составить схему (модель) …?

Опираясь на подобные вопросы, обучающийся сможет:

● найти и получить информацию;

● обобщить ее;

● «примерить» информацию на актуальный для себя контекст;

● сравнить ее с другой;

● синтезировать информацию, сделав самостоятельные выводы.

Подобные вопросы могут объединяться в рационально организованные группы – учебные эвристики (эвристические топики). Последовательно отвечая на вопросы ИИ-тьютора, учащийся не только изучает новое, но и самостоятельно порождает новые для себя идеи и обобщения. В результате такого обучения умственная деятельность обучаемых перейдет на уровень знаний высшего порядка.

Но возникает резонный вопрос – откуда взяться знаниевым графам, необходимым для того, чтобы система не галлюцинировала? Ведь именно они отражают специфику образовательного материала, выстраивая «Строительные леса по Выготскому», то есть собирая необходимую последовательность терминов, тезисов и вопросов, необходимых для развития понимания и перехода к следующей теме.



Мы создали систему-конвертер – ансамбль из семантических нейросетей, больших языковых моделей (Large Language Model, LLM) и алгоритмов на основе даталингвистики. Благодаря такому технологическому стеку создается основа для знаниевого графа, выделяемого из текста, а его отладкой и доведением уже занимаются методисты, и промт-инженеры, включающие знаниевый граф в основные руководящие директивы.

Итогом становится системный промт, добавляемый в основной рабочий пайплайн LLM. Благодаря человеко-машинному взаимодействию удается не только быстро преобразовывать тексты курсов в интерактивный формат взаимодействия учащегося с ИИ, но и практически полностью избегать галлюцинаций и «выдумок» с его стороны, сохраняя при этом гибкость, адаптивность и живость диалога в процессе взаимодействия LLM с учащимся.



Крайне важным аспектом обучения являются также и элементы медиа – изображения, сопровождающие текст. Для грамотной работы с ними необходимо добавлять в рамках VLM (Visual Language Model) алгоритм перевода изображения в текст.

Подобные алгоритмы от лидеров рынка работают на достаточно высоком уровне, позволяющем ИИ-тьютору видеть, понимать и комментировать любое изображение.

На рисунке выше изображен процесс распознавания фото детали с повреждениями, где VLM предлагает заодно и варианты ее ремонта. Этот сетап мы тестировали в рамках обучения автомехаников в рамках СПО.

ИИ-тьютор: искусственный интеллект в роли виртуального ассистента учителя

Как показывает наш опыт, технологии ИИ на основе LLM способны сделать школьное образование индивидуальным и адаптивным, обеспечивая каждому учащемуся возможность учиться в своем темпе и на своем уровне возможностей, используя естественный язык и среду общения.

Сегодня во многих школах более 30 детей в одном классе, и учитель не может за 40–45 минут уделить внимание каждому. Именно эту проблему решает ИИ-тьютор, разработанный компанией «Море данных». От обычных обучающих компьютерных систем его отличает то, что он ведет с учащимся живой диалог, предлагая вопросы, выслушивая и анализируя свободную речь ученика. Таким образом, ИИ-тьютор выполняет роль индивидуального виртуального репетитора. В его алгоритм заложены испытанные временем методы индивидуальной репетиторской работы.

Наша диалоговая обучающая система применима в первую очередь для домашней и самостоятельной работы, так как на школьном уроке важно непосредственное социальное взаимодействие учеников друг с другом и учителем. Благодаря диалоговому режиму и свободной форме ответов ученика система также способствует развитию мышления и речи.

ИИ-тьютор – это ансамбль алгоритмов, включающих в себя построение знаниевых деревьев, базирующихся на массиве образовательных программ и авторских методик обучения. В системе реализована возможность общаться с учеником не только письменно, но и с помощью устной речи. Работа с ИИ-тьютором по пройденной теме может быть предложена учащемуся в качестве домашнего задания.

В этом случае система ведет диалог от лица эксперта и оказывает тьюторскую поддержку. При необходимости она может переключаться в режим экзаменатора и только оценивать ответы ученика, не комментируя их правильность или полноту.

Практика показала, что ИИ-тьютор облегчает освоение учащимися сложных тем и позволяет преподавателям автоматически получать данные о выполнении домашних работ, принимая на себя функцию мониторинга.



В 2023/2024 учебном году ИИ-тьютор применялся в двух пилотных школах образовательной экосистемы «Самолетум» в Московской области: непосредственно в школе «Самолетум» в Строгино и в Инженерно-технологическом лицее в Люберцах. В системе были доступны обучающие курсы по обществознанию для 7, 8 и 9-го классов. В 2024/2025 учебном году учащимся доступен полный курс физики для 7-го класса, который проходит апробацию в других школах.

Учащиеся отметили, что система дает точные определения и объясняет темы понятным и доступным языком, время проработки одной темы занимает в среднем 15 минут. Учителя отметили, что ИИ-тьютор подводит ученика к ответу с помощью вопросов и комментариев. Учащиеся (а особенно их родители) также высоко оценили возможности ИИ-тьютора в подготовке к уроку и помощи в выполнении домашних заданий. Ребенок не стесняется задавать вопросы машине, а слабо успевающий ребенок требует активной позиции репетитора. Так ИИ-тьютор становится необходимым элементом образования там, где учитель не имеет доступа к ребенку.

LLM в современном образовании

В последние годы мы наблюдаем стремительное развитие исследований ИИ-технологий в образовании. LLM демонстрируют высокий потенциал в разработке учебных материалов, автоматизированной оценке знаний и умений учащихся, а также персонализации процесса обучения. Одним из наиболее впечатляющих достижений служит концепция ИИ-тьютора – интеллектуального помощника для учебной среды. Это новый уровень образовательного опыта, сочетающий современные методики обучения с индивидуализированным подходом к каждому ученику.

Создание такого продукта требует не только высокотехнологичных разработок, но и глубокого понимания педагогических методик. Чтобы обеспечить максимальную эффективность и надежность использования LLM в образовании, необходимо создать качественные методы проверки их применимости к разработке конкретных учебных инструментов, в том числе ИИ-тьютора.

Наша команда провела большую работу по тестированию ведущих LLM России и мира. Мы разработали комплексный бенчмарк – набор тестов, нацеленных на проверку уровня понимания естественного языка, способностей к персонализированной поддержке учащихся и генерации качественных, педагогически обоснованных ответов, а также возможности обеспечения безопасного и этичного взаимодействия.



Тестирование проводилось на коммерческих продуктах и открытых решениях. В нем принимали участие модели от OpenAI, Google, Sber, Yandex, Mistral AI, Alibaba Cloud и их производные. Модели от OpenAI зарекомендовали себя как наиболее эффективные, демонстрируя высокий уровень понимания контекста и способность к поддержанию содержательных диалогов, однако они показали слабые результаты в задачах, связанных с обеспечением безопасности генерируемого контента. Модели GeminiPro (Google) и GigaChat-Pro (Sber) также могут рассматриваться для использования в задачах, связанных с разработкой ИИ-тьютора. Внедрение остальных моделей пока возможно только ограниченно из-за низкого качества результатов в ключевых задачах.

В целом результаты тестирования дают положительные предпосылки для активного внедрения LLM в российское образование. Разработки ведущих мировых и российских компаний демонстрируют высокий потенциал, однако требуют дополнительной настройки для соответствия нормативным требованиям и образовательным стандартам. Повышению эффективности применения LLM могут способствовать мультиагентные системы, объединяющие преимущества разных моделей.

Интерес к качественному и системному проектированию обучения привлек внимание специалистов к дизайну образовательного опыта (Learning Experience Design), который расширяет подходы педагогического дизайна и концентрируется на проектировании опыта, образовательной среды и восприятия процесса обучения студентами.

В этой сфере можно выделить несколько ключевых задач: анализ на разных этапах обучения, целеполагание, проектирование структуры и материалов обучения, сопровождение обучения и система оценивания. Важной задачей является создание промтов с учетом проверенных техник промт-инженерии, таксономии Блума и цикла Колба.

Создание промтов для анализа обучения требует особого внимания, так как LLM склонны к галлюцинированию и конфабуляции. Для решения таких задач использовались сервисы, опирающиеся на реальные источники, такие как Нейро и Perplexity. В задачах целеполагания языковые модели успешно справляются с формулировкой образовательных результатов даже при использовании простых промтов.



Для генерации учебных текстов мы использовали два подхода: написание развернутого промта с четкой структурой текста и ключевыми тезисами, а также итеративное генерирование текста с дополнительными инструкциями. Промт-инженерия также открывает новые возможности для создания материалов сопровождения обучения, таких как карты пути обучения, планы сопровождения и учебные инструкции.

В задачах оценивания и обратной связи промт-инженерия позволяет системно подходить к разработке оценочных средств и стратегий формирования обратной связи. Один из успешных подходов – создание промтов, имитирующих негативные отзывы от гипотетических студентов, что помогает выявить узкие места в обучении.

Эксперименты с хорошо структурированными промтами на различных языковых моделях (YandexGPT3.0, Yandex GPT Experimental, Gemini 1.5 Pro, Gemma-9B, Llama 3.1 Sonar 70B, GPT 4 omni) показали отличные результаты в решении разнообразных задач в проектировании обучения. Наилучшие результаты были достигнуты в задачах придумывания учебных примеров, аналогий и объяснений, формулировок и структуры учебных заданий, вопросов на рефлексию.

Tasuta katkend on lõppenud.

Vanusepiirang:
18+
Ilmumiskuupäev Litres'is:
07 märts 2025
Tõlkimise kuupäev:
2025
Kirjutamise kuupäev:
2024
Objętość:
247 lk 12 illustratsiooni
ISBN:
9785206004809
Allalaadimise formaat:
Tekst, helivorming on saadaval
Средний рейтинг 4,4 на основе 27 оценок
Tekst PDF
Средний рейтинг 3,8 на основе 59 оценок
Tekst
Средний рейтинг 4,3 на основе 13 оценок
Tekst
Средний рейтинг 4,5 на основе 26 оценок