Czytaj książkę: «Новые миры образования: Трансформация обучения в эпоху искусственного интеллекта»

Салман Хан

Czcionka:

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.

⁂

Введение

Андрей Комиссаров, системный методолог сферы образования,
архитектор ИИ-решений,
автор Telegram-канала «Дизайн образования»
@lxd_education

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.

QR-код: https://t.me/LXD_education/969

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.

Darmowy fragment się skończył.