От цифровой грамотности – к ИИ-грамотности

Один из основных вопросов заседания – готовность системы высшего образования к изменениям, которые происходят значительно быстрее традиционных циклов обновления образовательных программ.

Ректор Московского авиационного института, академик РАН Михаил Погосян обратил внимание на масштаб трансформации инженерной деятельности. По представленным оценкам, к 2030 году около 60% специалистов инженерной отрасли могут столкнуться с необходимостью переобучения вследствие распространения технологий искусственного интеллекта.

При этом инструменты генеративного ИИ уже активно используются школьниками и студентами, тогда как образовательным организациям еще предстоит системно встроить новые технологии в учебный процесс.

Меняется и само понимание результата инженерной деятельности. В центре внимания оказывается не отдельное изделие, а весь его жизненный цикл – от проектирования и производства до эксплуатации, модернизации и утилизации.

Использование искусственного интеллекта позволяет еще на ранних стадиях проектирования учитывать будущую стоимость жизненного цикла, моделировать различные сценарии и заранее выявлять потенциальные технологические и экономические ограничения.

Это требует и изменения инженерного образования – формирования единой системы компетенций, связывающей проектирование, производство, эксплуатацию, математическое моделирование и работу с данными.

ИИ возвращает инженеру роль «архитектора»

Еще один взгляд на трансформацию профессиональных компетенций представил генеральный директор «Т1 Иннотех» Андрей Гулидин.

Эволюция IT-индустрии в течение последних десятилетий сопровождалась постоянным углублением специализации. Если раньше программист зачастую самостоятельно участвовал практически во всем цикле создания решения, то развитие крупных технологических систем привело к формированию множества узких профессиональных ролей.

В результате специалист может глубоко разбираться в отдельном фрагменте технологии, но значительно хуже представлять весь процесс создания конечной ценности.

Распространение ИИ способно изменить эту модель. Автоматизируя часть рутинных операций и непосредственно генерацию программного кода, интеллектуальные инструменты позволяют специалисту вновь концентрироваться на архитектуре решения, постановке задачи, логике продукта и взаимосвязи отдельных элементов системы.

Аналогичный принцип, по мнению участников, применим и к высшему образованию.

Часть рутинных функций преподавателя – первичная проверка заданий, формирование типовых кейсов, подготовка вспомогательных материалов и выполнение административных операций – может постепенно передаваться интеллектуальным агентам.

В таком случае значение преподавателя не уменьшается, а, напротив, смещается в сторону функций, которые сложнее автоматизировать: менторства, экспертного сопровождения, формирования критического мышления и индивидуальной работы со студентом.

От борьбы с ИИ – к правилам его использования

Отдельный блок заседания был посвящен тому, как университетам реагировать на массовое использование генеративного искусственного интеллекта студентами.

Представитель рабочей группы по внедрению ИИ в высшем образовании рассказал о подходах, сформированных в ходе работы профильных правительственных групп.

Одним из выводов стало признание ограниченности модели, основанной исключительно на запретах и попытках технически выявлять использование студентами генеративных моделей. По мере развития ИИ совершенствуются и способы создания контента, поэтому системы автоматического определения таких материалов неизбежно сталкиваются с технологическими ограничениями.

Вместо постоянного противостояния предлагается переходить к формированию правил осознанного и этичного использования искусственного интеллекта в образовательном процессе.

В рамках этой работы подготовлен «Манифест» внедрения ИИ в образование и определены несколько пилотных направлений.

Первое – «Навигатор студента»: цифровой инструмент, который может помогать обучающемуся формировать образовательную траекторию, выбирать дисциплины и находить подходящие места для прохождения практики.

Второе – «Спутник»: персональный интеллектуальный агент, который сопровождает студента в процессе обучения.

Третье направление – «Фабрика агентов», предполагающая создание открытого пространства ИИ-инструментов, которые смогут разрабатывать сами студенты и преподаватели для решения образовательных задач.

Интерес представляет и международный опыт. В Южной Корее и Сингапуре развиваются форматы так называемого сократического диалога: искусственный интеллект не предоставляет студенту готовый ответ, а последовательно задает вопросы, заставляя его самостоятельно формулировать аргументы, проверять гипотезы и приходить к решению.

В таком формате технология становится не заменой мышления, а инструментом его развития.

ИИ должен не отвечать за студента, а заставлять его думать

Практические эксперименты с новыми образовательными моделями представила директор Центра образовательных технологий на базе ИИ НИУ ВШЭ Дарья Маневич.

Одна из основных проблем, с которой сегодня сталкиваются университеты, – «теневое» использование искусственного интеллекта. Студент передает задачу нейросети, получает готовый результат и фактически отстраняется от процесса формирования знания.

Альтернативой становится модель совместной интеллектуальной работы человека и ИИ.

В качестве одного из примеров был представлен курс «Биология поведения человека». В рамках экспериментального формата основная часть времени была перенесена с традиционного прослушивания лекционного материала на взаимодействие студентов с ИИ-«эпистемологами» и цифровыми персонами экспертов.

Искусственный интеллект в такой модели не выполняет роль справочника. Напротив, он становится оппонентом – проверяет аргументацию, критикует гипотезы и требует от студента объяснять логику своих выводов.

Такой подход позволяет сделать видимым сам процесс мышления. Студенту приходится не просто сформулировать конечный ответ, а объяснить, каким образом он к нему пришел, какие предположения использовал и почему выбрал конкретный способ решения.

Это открывает возможности и для изменения системы оценки образовательных результатов: оценивать можно не только итоговый текст или ответ, но и качество самого интеллектуального процесса.

Искусственный интеллект ускоряет фундаментальные исследования

Влияние ИИ выходит далеко за пределы образовательного процесса.

Представитель Южного федерального университета продемонстрировал возможности применения специализированных моделей искусственного интеллекта в фундаментальных исследованиях на примере работы с данными синхротронных экспериментов.

Ранее интерпретация результатов после проведения сложного химического синтеза могла занимать до двух месяцев. Использование специализированных ИИ-моделей позволяет анализировать данные и корректировать ход эксперимента практически в режиме реального времени, сокращая путь от проведения опыта до получения результата до одного дня.

В результате меняется и роль сложной научной инфраструктуры. Искусственный интеллект позволяет не просто анализировать данные после завершения эксперимента, но и непосредственно участвовать в управлении исследовательским процессом.

Одновременно возникает новая задача – организация работы с научными данными.

Университеты, лаборатории и компании зачастую не готовы передавать друг другу уникальные исследовательские массивы. Поэтому для развития подобных технологий необходима распределенная, федеративная модель, позволяющая использовать данные и обучать интеллектуальные системы без необходимости концентрировать всю чувствительную информацию в едином хранилище.

Четыре направления применения ИИ в инженерии

Отдельное внимание участники уделили уже существующим практическим эффектам применения искусственного интеллекта в инженерной деятельности.

На примере Московского авиационного института были представлены четыре направления.

Первое – генеративное проектирование. Искусственный интеллект позволяет формировать новые варианты геометрии и конструктивных элементов, в том числе с применением принципов бионического дизайна. При проектировании отдельных элементов авиационных конструкций такой подход способен обеспечивать снижение массы до 20%.

Второе – оптимизация программ для станков с числовым программным управлением. ИИ способен анализировать существующие программы токарной и фрезерной обработки и выявлять резервы повышения производительности. По представленным данным, потенциальный эффект может составлять 20–40% без необходимости полной перестройки производственного процесса.

Третье – управление сложными проектами. Интеллектуальные системы анализируют графики реализации, ресурсы и бюджеты, выявляют возможные дефициты и позволяют заранее прогнозировать риски увеличения стоимости жизненного цикла создаваемого продукта.

Четвертое – аудит образовательных программ. Искусственный интеллект может использоваться для анализа учебных планов и рабочих программ дисциплин, выявляя, насколько последовательно в них представлены цифровые компетенции, математическое моделирование и современные инженерные инструменты.

Таким образом, ИИ постепенно становится связующим элементом между промышленностью и системой подготовки кадров: технологии, применяемые на предприятиях, должны находить отражение в образовательных программах, а подготовка будущих инженеров – соответствовать реальным изменениям производственных процессов.

Университетам потребуется «честная цифровизация»  Одним из принципиальных условий дальнейшего внедрения ИИ участники назвали качество цифровой инфраструктуры университетов.

Работа интеллектуальных систем невозможна, если сведения об образовательном процессе существуют одновременно в нескольких несвязанных между собой документах и информационных системах.

Рабочие программы дисциплин, учебные планы, индивидуальные траектории, сведения об успеваемости и цифровые кабинеты студентов должны формировать единую и актуальную информационную среду.

Только в таком случае ИИ-агенты смогут не просто отвечать на отдельные запросы, а анализировать образовательную траекторию, прогнозировать возникающие сложности и предлагать студенту или преподавателю конкретные решения.

От экспериментов – к системной перестройке образования

По итогам заседания был сформирован ряд направлений дальнейшей работы.

В их числе – разработка сквозных подходов к преподаванию технологий искусственного интеллекта и оценке практических навыков их использования выпускниками инженерных направлений.

Еще одна задача – создание типовых программ повышения квалификации как для преподавателей высшей школы, так и для инженеров, уже работающих на предприятиях.

Особое значение приобретает синхронизация образовательных программ с реальными технологическими процессами промышленности. ИИ-компетенции не должны существовать как отдельная дисциплина или факультатив – они постепенно становятся частью профессиональной деятельности инженера, исследователя и преподавателя.

Участники заседания сошлись во мнении, что главный вызов заключается не только во внедрении новых цифровых инструментов. Необходимо изменение самого подхода к подготовке кадров и организации научной работы.

Искусственный интеллект сокращает время решения рутинных задач, ускоряет обработку научных данных, помогает оптимизировать инженерные конструкции и производственные процессы. Однако максимальный эффект возникает там, где технология дополняет профессиональное мышление человека, а не пытается полностью его заменить.

Для Научно-образовательного фонда Хабаровского края рассмотренные практики представляют особый интерес в контексте развития научно-технологического потенциала региона, взаимодействия вузов и предприятий, подготовки специалистов для высокотехнологичных отраслей и внедрения современных интеллектуальных систем в научную и образовательную деятельность.

Участие в работе федеральных экспертных площадок позволяет Фонду учитывать формирующиеся подходы к применению искусственного интеллекта при развитии собственных проектов и выстраивании взаимодействия с научными, образовательными и технологическими организациями.