Проблемы обучения в эпоху ИИ

Вводный доклад к круглому столу

Буквально за последние год-два крупные нейросети научились успешно решать мелкие и средние задачки практически по всем дисциплинам, а также писать достаточно вменяемые тексты любого размера. Как это отражается (и ещё сильнее скажется в будущем) на учебном процессе?

Масштаб проблемы

Неполный список активностей, по которым ты, скорее всего, получишь оценку ниже, чем нейросеть (по непрофильному предмету — почти наверняка):

• «Реферат»: ИИ умеет обобщать информацию лучше среднего студента, и существенно глаже пишет по-русски.

• «Презентация» (не слайды): см. выше, только текста сильно меньше, а формальных требований больше — плюс практика вместо доклада зачитывать вслух слайды.

• «Решение» (подбор ответа) простых задач на скорость: происходит быстрее ввода-вывода. Про «формулировки терем» можно даже не вспоминать.
• «Написание компьютерных программ» для простых и среднесложных заданий. Казалось бы, довольно непростая область, но именно тут ИИ-гиганты продвинулись дальше всего, и если добавить фактор «время VS качество» (например, сделать в день перед экзаменом 40 заданий, которые проходят 60% тестов), ответ очевиден.

Заметим, что всё это считалось неотъемлемой частью учебного процесса лет пять-десять назад. И вот теперь по всем этим темам есть готовый ответ на вопрос «как успешно не учиться?».

Что попало под удар

• Инструменты контроля знаний, в особенности массовые (домашние задания, тесты, опросы и т. п.). Любой растяжимый промежуток между получением задания и сдачей решения будет притягивать ИИ, особенно в случае столь любимого студентами метода «в ночь перед дедлайном сделаю всё».
• Входное тестирование, особенно онлайн. По слухам, на предварительных онлайн онлайн-турах некоторых «олимпиад» проходной балл повысился до невозможных значений (условно говоря, с 60% до 90%). В результате фильтр проходят не те, кто лучше разбирается в теме, а те, что шустрее пользуется ИИ.

• Остаточные знания, особенно практико-ориентированные. Если наша задача — изучить предмет N, а мы только читали (это очень оптимистичное предположение!) ИИ-генерат, какие-то знания таким образом получить мы можем. Но если адача — освоить какую-то область деятельности, например, изучить язык программирования, чтение здесь не поможет почти никак.

Что предлагают делать

Тема «горячая», по ней есть весь мыслимый спектр мнений, однако пока ни одно из практических предложений не кажется даже просто приемлемым, не говоря уж об ожиданиях, что оно как-то поможет решить проблему. Сразу оговоримся — проблема в рамках нынешней структуры образовательной площадки, которая уже давно накапливает проблемы устаревания ¹.

• Запретить, aka «китайский экзамен»². С учётом действительной эффективности решения задач с помощью ИИ, это мера не более осмысленна, чем плевки против ветра. Не более осмысленно превращать учебный процесс в соревнование средств запрета (сканирования на микромобильные устройства, прокторинг и т. п.) и их обхода.

• Смириться, aka «прокладка между ИИ и клавиатурой». Несомненно, какую-то, и притом изрядную, часть практических задач ИИ решает очень эффективно, и этому действительно имеет смысл учить. Но это совсем другой род деятельности, и на вопрос, а как (и кого!) собственно языку программирования Python, например, не отвечает. «Дважды два равно четырём, потому что калькулятор так показывал» (боле современный вариант: «слово "телифон" неграмотное, потому что оно подчёркивается красным).

• Пристально выявлять, aka «отделим агнцев от козлищ». В действительности — вариант «запретить», который в лучшую сторону отличается тем, что мы не отрицаем использование ИИ, а в худшую — неимоверной ресурсоёмкостью. Действительно, если посадить перед собой студента и попросить его модифицировать программу, быстро станет понятно, способен ли он в ней разобраться или нет, и действительно, при этом не важно, сам ли он её писал или навайбкодил. Но арифметика против! В моём курсе по Python — 48 задач и 120 дошедших до стадии экзамена участников, и ещё пару лет назад я справлялся с оценками в одиночку; а теперь посчитаем… Вариант «тренировать нейросеть, чтобы она определяла, сделано ли решение нейросетью» мне чем-то очень не нравится, не могу сказать — чем.

Глобальность проблемы

Закончу поток неконструктива неконструктивом же.

Во-первых, перестал работать даже «закон Парето» согласно которому 20% студентов будут эффективно усваивать знания, а 80% в конце концов сдадутся и переключатся в режим «заработать оценку минимальными усилиями». Думаю, многие согласятся, что в реальности соотношение намного печальнее — а это означает, что классическая образовательная площадка в своём текущем виде становится контрпродуктивной.

Во-вторых (тут мне впрямую сослаться не на кого), существует эмпирический «закон тусовки». Суть его в следующем. Собирается группа единомышленников — скажем, попеть песен под гитару, организовав для уюта чай с плюшками. Вокруг них формируется т. н. «аура»: это тоже в своём роже единомышленники — на гитаре они играть (пока) не умеют, а возможно даже и петь, но песни им нравятся, они здесь ради этого. Но дальше набегает «тусовка» — это люди вне контекста, привлечённые плюшками, громким звуком, скоплением народа (в том числе друг другом) и т. п.

Так вот, если нарушается принцип Парето, если соотношение людей в контексте и людей вне его становится меньше условной четверти (20/80), тусовка уничтожает ядро. Подавляющее большинство начинает эффективно удовлетворять свои потребности без оглядки на меньшинство: приносит алкоголь, принимается шумно судачить о чём-то своём прямо во время пения; на терминальной стадии — слушать какую-то свою попсу на громкой связи в телефоне.

Аналогии, думаю, очевидны. Виноват ли в этом ChatGPT? Конечно, нет! Но делать-то что…