ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ – НОВЫЙ ДРАЙВЕР ОБРАЗОВАНИЯ

В рамках международного исследования, проводимого институтом ЭМИТ РАНХиГС при Президенте РФ, при поддержке Технологического университета Дублина и Центра проектных и образовательных инициатив создана и тестируется методика профессиональной ориентации учащихся школ, основанная на ИИ-алгоритмах. Суть методики комментирует заместитель директора ЭМИТ Сергей Маруев: «Специалисты и ученики заполняют поля произвольной анкеты. Текстовые данные машина переводит в числа и на основе ответов специалистов формирует усреднённый профиль специальности, после чего определяет, к какому профилю ближе ученик, прошедший тестирование. Подобный подход позволяет учитывать специфику времени и носит объективный характер, поскольку ответы ученика сравниваются не с «эталоном», заданным автором анкеты, а с ответами других специалистов. На данный момент мы в начале пути, и пока рано заявлять о совершённом прорыве. Но текущие результаты внушают оптимизм».

Отсюда делаем вывод, что ИИ содействует повышению эффективности уже на этапе первоначального определения образовательной траектории.

ИИ в системе непрерывного обучения
Рассмотрим, как технологии ИИ содействуют решению таких важных задач образования, как непрерывность процесса обучения и его интерактивность.

В середине прошлого века разовое получение образования было, скорее, нормой, чем исключением.

Образовательная цепочка выглядела так: ключевые знания — базовые навыки — работа по специальности. В процессе работы специалист оттачивал полученные навыки, повышая свою востребованность на рынке труда. Современная экономика иная. Опыт становится менее ценен, чем восприимчивость к новым знаниям, новым подходам. Отучиться один раз и стать на всю жизнь успешным специалистом вряд ли получится. Непрерывность образования сегодня не красивый лозунг, а производственная необходимость.

ИИ задаёт стандарты качества
Отдельно остановимся на том, как ИИ может способствовать повышению качества учебных материалов. До вхождения в нашу жизнь интернета монополию на обучение плотно удерживала традиционная академическая среда. Появившаяся возможность свободно получать любую информацию и не менее свободно её транслировать привела к тому, что информационное поле «наполнилось» многочисленными тренерами и экспертами. Позволит ли это в конечном итоге повысить качество образования, покажет время. Но очень хотелось бы надеяться, что неэффективные методики будут вытеснены рыночными механизмами, и потребители смогут получать только ценные знания. Однако вот в чём проблема — если вы, например, покупаете плохой десерт в кафе, то в этом легко убедиться уже «с первой ложки». А как однозначно идентифицировать качество образования?

Ранее определяющим фактором были «регалии» авторов образовательных программ, звания и опыт профессорско-преподавательского корпуса. Подобный подход сегодня не гарантирует высокие образовательные стандарты: профессор, обладающий колоссальной фундаментальной базой знаний, которая сформирована много десятков лет назад, не может считаться экспертом во многих прикладных вопросах. Как следствие, выпускники, получающие академические знания, нередко слышат при устройстве на работу: забудьте всё, чему вас учили в институте.

Проанализировав с помощью ИИ-инструментов базу данных существующих программ, можно выявить корреляции между профессиональными, научно-образовательными и иными «характеристиками» авторских методик и их эффективностью. Таким образом, использование технологий ИИ позволяет формализовать и внести объективность в процесс выбора, который мы часто совершаем интуитивно.

ИИ — друг человека
В ИИ-алгоритмах имеется такое направление, как «обучение с учителем». Упрощённо процесс реализации этой методики рассмотрим на примере авиационной отрасли. Перед экспертным сообществом в области аэродинамики стоит задача создать алгоритм, способный повысить эффективность проектирования летательных аппаратов. Машина демонстрирует экспертам два варианта решения с указанием конкретных параметров. На основании выбора, сделанного экспертным сообществом, компьютер анализирует параметры обоих вариантов и делает вывод, чем один набор параметров «лучше» другого. Лучший вариант ИИ предлагает сравнить с ещё одним возможным. Шаг за шагом эксперты транслируют компьютеру, какой набор параметров наиболее эффективен, а машина формирует понимание, по какому алгоритму нужно идти, чтобы добиться желаемого результата. При такой методике ИИ не вступает в противоречие с опытом и знаниями экспертов, а помогает им, беря на себя рутинные процессы и снижая риск влияния человеческого фактора.