Как это работает на практике: если студент выбирает специализацию, а по важному для неё направлению — например, по математике — у него не самый высокий балл, искусственный интеллект говорит: «Слушай, здесь ты пока идёшь в процессе обучения». То есть ИИ своевременно выявляет дефициты и предлагает их восполнить.
При этом преподаватель не занят чтением стандартных лекций — он видит обратную связь, полученную с использованием искусственного интеллекта, и вместе со студентом формирует его индивидуальную образовательную траекторию, которая позволит ему быть успешным в будущем.

Опыт китайских университетов

Михаил Погосян также рассказал о китайском опыте. В университете Синхуа — одном из ведущих инженерных вузов Китая, которым руководит крупнейшая инвестиционная компания, — нет отдельного подразделения по внедрению искусственного интеллекта в образование. Там все доверяют ИИ: это не задача кого-то одного, так же как и обеспечение качества не является функцией специальных служб — это должно реализовываться на всех рабочих местах. По словам ректора МАИ, именно потому, что это молодой университет без столетних традиций, новые подходы внедряются намного более активно.

Эксперименты МГУ: три модели взаимодействия студента с ИИ

Директор Центра образовательных технологий на основе искусственного интеллекта МГУ Дарья Маневич представила результаты исследований того, как стиль взаимодействия с ИИ влияет на результат обучения. Было выделено три типа взаимодействия:

1. Самовтоматизатор (отстранённое создание знания). Студент берёт задачу целиком, отдаёт её искусственному интеллекту, получает некий результат и показывает дальше преподавателю. Это очень распространено. Получается быстро, как будто мы всё ускорили, но студент в этот момент никуда не продвигается — ни с точки зрения предметного знания, ни с точки зрения понимания того, как работает ИИ. Прогресса нет.

2. Направленное совместное создание знаний. Здесь разница в том, что человек определяет, как задача будет решаться, разделяет её на этапы, и некоторые задачи целенаправленно отдаёт искусственному интеллекту. Студент продвигается: он начинает лучше понимать, как работает ИИ, какую задачу можно ему отдать, как отнестись к результату, как связать его со следующим этапом.

3. Киборг (совместное создание знаний, объединённое сотрудничество). Это апогей развития — когда на каждом этапе происходит очень интенсивный спор между человеком и ИИ. Это можно сравнить с мышлением с очень крутым собеседником: вы не просто задали вопрос, получили ответ и пошли дальше, а когда вы в обе стороны очень интенсивно взаимодействуете — ставите задачу и спорите о том, как её формулировать, спорите о вариантах решения. Вы атакуете ИИ, а ИИ атакует вас. Когда люди так взаимодействуют, они круто продвигаются и в предметной области, и в понимании того, как работает искусственный интеллект.

Конкретный эксперимент: «Биология поведения человека»

Дарья Маневич подробно рассказала о конкретном образовательном эксперименте, который был проведён в МГУ. Взяли дисциплину «Биология поведения человека» — курс, где у студентов нет ЕГЭ по биологии, все они не биологи. Задача была на этом материале заниматься формированием научного мышления.

Как был построен процесс. Из всего времени дисциплины только 7% уходило на слушание. Основное время студенты работали над картированием предметной области, постановкой исследовательских вопросов и очень много обсуждали своё продвижение. При этом они обсуждали продвижение с экспертом — доктором биологических наук, который оценивал качество создаваемых карт.

Роль ИИ в эксперименте. Были созданы специальные персоны курса — более шестидесяти. Например, «карманный эпистемолог» — ИИ, который умеет критиковать задумки исследователя. Он сопровождает не только студентов, но и научных работников: когда человек пытается запроектировать научное исследование, он проходит по определённому протоколу, и на каждом этапе его критикуют довольно предметно, жёстко и полезным образом. Тогда исследователь быстрее готовится провести исследование.

Основной ресурс, с которым работали студенты, — это две персоны: эпистемолог и эксперт. Студенты объявляли, как они мыслят, искусственному агенту и получали очень много обратной связи, могли двигаться дальше.

Механизмы, на которых делалась ставка. Во-первых, студент никогда не выйдет в слой мышления, если он не сталкивается с жёсткой проблемой и с препятствием. Во-вторых, необходима экстериоризация мышления — предъявление мышления вовне. Мышление — это то, что мы не замечаем, очень сложно рефлексировать, как вы мыслите. У студента должна появиться возможность своё мышление предъявить вовне, получить обратную связь и попробовать по-другому развернуть мыслительные операции.

Когда один преподаватель работает с группой студентов, у студента очень мало возможностей это сделать. Искусственный интеллект открывает здесь безграничные возможности.

Результаты. Студенты очень мало слушали — 7% времени. Остальное — работа с картированием предметной области, постановка исследовательских вопросов, обсуждение продвижения. При этом 37 минут — это три сессии на команды по 5 человек — время, когда никто не сидел в соцсетях, никто не играл. Возможность обсуждения биологии поведения использовалась на 100%.

Роль ИИ в освобождении преподавателя

Заместитель генерального директора Т1 Андрей Гулидин рассказал, как ИИ может изменить работу преподавателя. По его наблюдениям, преподаватель вовлечён в образовательный процесс не целиком — у него большое количество рутинных задач. Это не позволяет вернуть преподавателю ту самую преподавательскую жилку, искусство, то, чем он должен заниматься.

ИИ позволяет освободить преподавателя от этих задач. Проверка заданий, генерация кейсов для студентов, актуализация учебных материалов, переоформление учебных дел — всё это можно передать агентам. А преподавателю оставить проектирование учебного процесса, образовательного опыта, работу непосредственно со студентами, наставничество, выяснение сильных и слабых сторон студента.

Итоги

Участники дискуссии сошлись во мнении, что искусственный интеллект в высшем образовании — это не футуристическая концепция, а реальность. Достижения впечатляют: от персонализации обучения до создания новых образовательных ролей и агентных систем. Однако остаются и серьёзные вызовы: сопротивление изменениям, инфраструктурные ограничения, вопросы ответственности за ошибки ИИ, необходимость цифровизации образовательного процесса.

Материал подготовлен по результатам совместного заседания Экспертного совета Комитета Государственной Думы РФ по промышленности и торговле по науке и подготовке кадров для высокотехнологичных отраслей промышленности и Комитета по развитию фундаментальной науки и подготовке кадров Союза машиностроителей России, прошедшем в рамках III Международного технологического конгресса и выставки «Технологии».