О языке, мышлении, воздухе, нейросетях и котиках: чему должен учить преподаватель в эпоху генеративного ИИ

Сегодня генеративный искусственный интеллект уже умеет писать тексты, переводить, редактировать их и адаптировать стиль. Поэтому перед преподавателями возникает закономерный вопрос: если машина справляется с языковыми задачами, чему теперь нужно учить студентов, особенно студентов-гуманитариев, студентов, изучающих иностранный язык?

На мой взгляд, ответ не столько в том, как обучать языку, сколько в том, как научить мыслить. И самое главное: ИИ меняет не саму необходимость думать, а требования к тому, как именно человек должен думать, ставить задачи и оценивать результат.

Знакомство:
Светлана Михайлова — кандидат филологических наук, доцент института иностранных языков Московского городского педагогического университета, член Экспертного совета по академической этике применения искусственного интеллекта в сферах образования и науки Университетского консорциума исследователей больших данных.

«Язык определяет мышление»: зачем учить студентов работать с языком?

Почему язык вообще так важен для мышления?

— Это очень большая лингвистическая проблема, и я бы не стала сводить её к одной простой формуле. Но связь языка и мышления действительно давно изучается.

Вы смотрели фильм «Прибытие»? Это, пожалуй, один из немногих фильмов, где лингвист спасает мир. Главная героиня понимает, что язык инопланетян связан с совершенно другим способом восприятия действительности. И это хорошо иллюстрирует идею теории языковой относительности: то, как мы описываем мир, связано с тем, как мы этот мир осмысляем.

Можно привести и более классические примеры отражения реальности в языке: нюансы наименований снега в языках народов народов Крайнего Севера, названия пород верблюдов для жителей жарких стран и т.д. 

Язык определяет мышление — это доказано теорией языковой относительности ещё начиная с двадцатых годов XX века. Язык позволяет фиксировать и сохранять в коллективной памяти те особенности нашего быта и способы нашего мышления, которые мы можем даже и не замечать

Именно поэтому я бы не стала говорить, что с появлением ИИ нам больше не нужно учить студентов работать с языком. Наоборот. Нам нужно помочь им понимать, как через язык формируется и проявляется собственная мысль.

«ИИ — как воздух»: новые условия существования

Часто говорят, что, когда студент пишет запрос нейросети, он перестаёт думать. Так ли это?

— Нет, мыслительный процесс ни на секунду не останавливается в человеке. Когда студент пишет запрос, он всё равно осуществляет речемыслительную деятельность. Он что-то формулирует, обрабатывает информацию, определяет, что именно хочет получить. 

Вопрос в другом: насколько качественно он это делает?

Когда студенты начинают работать с нейросетями, самое главное — научить их делать правильные запросы и понимать, как и для чего эти запросы должны существовать.

Поэтому я вообще считаю, что искусственный интеллект нужно включать в образовательный процесс. Сегодня это уже не дополнительная технология, которую можно просто разрешить или запретить. Это новая среда существования человека.

Я иногда сравниваю это с воздухом. Мы же не можем сказать современному студенту: «Мы запрещаем тебе использовать воздух, попробуй как-нибудь подышать другим способом». С искусственным интеллектом происходит примерно то же самое.

Человек, однажды попробовавший использовать ИИ для профессиональной или бытовой задачи, уже не вернётся полностью к прежней модели работы. Это не потому, что ИИ вызывает зависимость, нет!  — Просто появились новые условия существования.

Мы же не отказываемся от навигатора при перемещении на машине и не говорим: «Давайте снова ориентироваться только по компасу, звездам или ездить на телегах». Можно сколько угодно защищать старые способы передвижения, но человечество уже перешло на следующий этап.

Чему тогда учить?

Тогда как научить студентов писать тексты самостоятельно, если ИИ это делает быстро и легко?

— Я бы сместила акцент с необходимости и важности процесса создания текста (если речь не идет о писательском труде, конечно!) на решение профессиональной задачи.

Нужно учить человека видеть цель, понимать, какой результат ему нужен, разбивать решение сложной задачи на последовательность необходимых к выполнению действий и выбирать инструменты, которые помогут этот результат получить.

Я постоянно привожу студентам пример с поездкой из Москвы в Санкт-Петербург.

Представим: мне нужно попасть из одного города в другой. Я могу поехать на поезде или на машине, полететь самолётом — вариантов много. Я должна не просто сказать: «Мне нужен Санкт-Петербург», а запланировать и выполнить последовательность действий (операционализируемых решений), которые приведут меня к цели.

Но здесь есть ещё один важный момент. Я должна понимать, как я узнаю, что действительно достигла цели.

Я спрашиваю у студентов: «Как я пойму, что я в Петербурге?»

Они отвечают: «Ну, вы же в Петербурге».

А я говорю: «Подождите. Представьте, что я инопланетянин. Объясните мне, что значит быть в Петербурге».

Тогда появляются конкретные критерии: например, факт того, что я нахожусь на площади Восстания, означает, что я в Петербурге. Мое фото на фоне Московского вокзала будет тоже означать, что я  в моем любимом городе.

То есть нам для понимания нужна реперная точка, материальный результат, по которому можно определить: да, задача решена, цель достигнута.

С ИИ происходит то же самое. Недостаточно написать запрос и получить ответ. Нужно заранее понимать, какой результат мы хотим получить и как проверим, что он соответствует задаче.

Поэтому я бы учила не просто писать промпты, а строить декомпозицию задачи: от конечного результата выстраивать последовательность шагов, которые помогут его достичь.

И вот это, на мой взгляд, одно из важнейших умений для современного человека.

Как это работает на реальной профессиональной задаче?

Можно привести пример такой задачи уже из обучения студентов?

Конечно. Например, я разбираю со студентами работу с исчезающими языками.

Есть языки, которые находятся под угрозой исчезновения. В России, например, можно вспомнить вепсский язык. Есть и другие языки — маори, сильбо гомера, мэнский и так далее. Они могут постепенно исчезать, если не фиксировать и не передавать знания о них следующим поколениям.

Можно поставить перед студентом задачу: что должен сделать лингвист или педагог, чтобы язык не исчез?

Ответ здесь не обязательно будет сразу очевидным. Возможно, нужно создать словарь, зафиксировать грамматику, собрать корпус текстов, оцифровать материалы, привлечь носителей языка, запустить курсы по обучению желающих основам редких языков, ввести обязательность изучения этого языка в школьные региональные программы.

И вот здесь, при разработке дизайна исследования, уже можно использовать искусственный интеллект. Но сначала студент должен сам понять, какую профессиональную задачу он решает, к какому результату хочет прийти и какие шаги приведут его к этому результату.

ИИ может помогать на каждом  этапе. Но он не должен придумывать за человека саму профессиональную цель.

Для меня это и есть принципиальная разница между использованием ИИ как инструмента и делегирования ему собственного мышления.

«Практически любой грамотный человек может написать текст»: объем написанного перестает быть доказательством мыслительного процесса.

Получается, что текст всё равно никуда не исчезает. Студенту нужно писать ВКР, научные статьи, исследования. Как тогда меняется работа с текстом?

Я не думаю, что текст исчезнет. Но его роль как единственного доказательства квалификации постепенно меняется.

Исторически способность создавать большой, последовательный текст действительно была очень важным умением. Когда грамотность была доступна далеко не всем, человек, способный написать большое научное произведение, уже демонстрировал определённую квалификацию.

Сегодня ситуация другая. Практически любой грамотный человек может написать текст. А с появлением генеративного ИИ одна кнопка вообще позволяет получить условные сто страниц квалификационной работы.

Поэтому сам объём текста перестаёт быть доказательством того, что человек умеет думать.

И это хорошо видно на примере ВКР. В ней есть реферативная часть — обзор литературы, предыдущих исследований. И здесь и мои коллеги, и я вполне допускаем использование искусственного интеллекта.

У меня, например, есть студентка, с которой мы именно так и работали над исследованием. При помощи одной нейросети она подбирала инструменты и источники для обзора литературы — причём мы отдельно проверяли, что источники действительно существуют и не являются выдуманными. Другой инструмент помог ей обобщить материал, ещё один — визуализировать данные и сделать диаграмму.

В результате реферативную часть она сделала гораздо быстрее.

Но самое важное было совершенно не это.

«Я спокойно отношусь к использованию ИИ в реферативной части ВКР»: самое главное — профессиональная задача

Эта студентка разрабатывала решение для обучения школьников с дисграфией французскому языку. Причём задача была очень конкретная — сформировать навык письма при помощи ИИ-ассистента.

Это уже не просто «написать реферат о дисграфии». Здесь есть конкретная проблема, конкретная аудитория и конкретный профессиональный результат, который нужно получить. А еще и созданный студенткой виртуальный помощник — новое дидактическое средство.

И вот в такой работе искусственный интеллект становится очень полезным инструментом.

Он может помочь собрать информацию, структурировать её, обработать данные, предложить варианты. Но саму профессиональную задачу — что именно мы хотим изменить и каким должен быть результат — определяет человек.

Поэтому я спокойно отношусь к использованию ИИ в реферативной части ВКР. Меня гораздо больше интересует, что студент сделал самостоятельно там, где начинается его собственная профессиональная работа.

«Современному специалисту недостаточно научиться быстро получать ответы от нейросети»: какие компетенции становятся важнее всего?

Современному специалисту недостаточно научиться быстро получать ответы от нейросети. Он должен становиться экспертом в своей области.

В конце концов, зачем человек идёт в университет? В первую очередь для того, чтобы стать специалистом, обрести профессию.

Поэтому я бы выделила несколько ключевых умений:

• видеть профессиональную задачу;
• понимать конечный результат;
• расставлять приоритеты;
• декомпозировать сложную задачу;
• выстраивать несколько возможных путей её решения и делать осознанный выбор одного из них;
• выбирать подходящие инструменты;
• критически оценивать полученный результат;
• при необходимости возвращаться назад и выбирать другой путь решения задачи;
• понимать, какую пользу должен принести итог работы.

Для меня здесь важнее слово «умение», чем «навык».

Навык — это то, что постепенно становится автоматическим. Например, когда мы долго водим машину, нам уже не приходится каждый раз сознательно думать, куда поставить руки или ноги.

Нам сейчас нужны именно умения — действия, осуществляемые сознательно в самом широком спектре разнообразных условий: поставить задачу, увидеть результат, построить путь к нему и при необходимости изменить этот путь.

ИИ может предложить один маршрут. Но эксперт должен уметь увидеть несколько.

Что происходит, когда студент просто копирует ответ ИИ?

Как преподавателю понять, использовал ли студент ИИ как инструмент или просто отдал ему всю работу?

— Мне кажется, это можно увидеть именно по отношению человека к результату.

Если студент использовал ИИ как инструмент, он понимает, что получил. Он способен объяснить свою логику, проверить ответ, заметить ошибку, изменить результат.

Если он просто скопировал текст, то зачастую не может даже объяснить, почему в его работе написано именно это.

И вот здесь мы возвращаемся к экспертности.

Представьте, что студент попросил нейросеть сделать научный обзор. Если он специалист в своей области, он сможет проверить источники, увидеть странную формулировку, заметить ошибку или сделать дополнительный запрос.

А если он не знает предмета, он оказывается в ситуации, когда он не может дать оценку выдаче от нейросетки.

Небольшой пример, уже даже немного устаревший: мы можем оценить, что изображение котенка, сгенерированного ИИ, совершенно не похоже ни на одного из сотни-тысячи котят, которых мы видели в жизни. И мы упрекаем ИИ в галлюцинации! Но модели не галлюцинируют, они оперируют внутри миллиарда возможностей в условиях вероятностных вариантов. А вот инопланетянин, никогда не видевший котиков, поверит, что так может выглядеть домашний питомец землян.

Наша экспертность (насмотренность, жизненный опыт, полученные знания) позволяет нам а) отвергнуть предложенную генерацию; б) понять, что сформулированный запрос слишком примитивен или слишком непонятен для нейросети; в) доработать промпты и “доучить” модель, чтобы котенок стал походить на реально существующего, и т.д.

Поэтому проблема не в самом факте использования ИИ. Проблема начинается тогда, когда человек перестаёт быть субъектом работы, когда он переходит в разряд “инопланетян”, не имеющих представления о предмете, мире, профессии, реперных точках и критериях оценивания качества решения задачи или степени достижения цели, ну и, конечно, о том, что миллиарды возможностей в рамках вероятностных совпадений могут, порой, привести к ложным результатам.

Что вузам следует делать уже сейчас?

Как, на ваш взгляд, университетам перестроить обучение?

— Первое — готовить новое поколение преподавателей и учить их работать в этой новой среде.

Нельзя просто сказать преподавателю: «Теперь студенты пользуются ИИ, а вы должны это контролировать». Преподавателю самому нужно понимать, какие задачи можно передать машине, какие нельзя и как изменить образовательный процесс.

Второе — не учить использованию конкретной нейросети. Нужно учить решению предметно-профессиональных задач с использованием ИИ.

Третье — давать студенту возможность работать с ИИ не как с заменой собственных знаний, а как с инструментом.

Ну и конечно же, нужны правила. Регламенты применения ИИ в академической и исследовательской деятельности помогают университету определить, что допустимо, а что нет. Но ни один регламент не сможет предусмотреть все будущие сценарии использования технологий. Поэтому правила должны регулярно пересматриваться.

И наконец, нужно менять саму логику оценки.

Если мы продолжаем оценивать студента преимущественно по тому, насколько хорошо он написал большой текст, то генеративный ИИ действительно становится проблемой.

Если же мы оцениваем, какую профессиональную задачу он поставил, как к ней подошёл, какие решения рассматривал, как использовал инструменты и почему выбрал именно этот результат, ситуация меняется.

«ИИ — это новая ручка, новый инструмент»: какие навыки возникают в процессе осознанной работы с ИИ?

ИИ действительно меняет образование. Но я бы не сказала, что он отменяет необходимость учиться.

Скорее, он заставляет нас наконец-то задать вопрос: что именно мы хотим получить в результате обучения?

Если задача университета — просто научить человека написать определённое количество страниц, то нейросеть действительно может очень многое сделать вместо него.

Но если наша задача — подготовить специалиста, который способен увидеть профессиональную проблему, определить цель, выстроить путь её достижения, воспользоваться всеми доступными инструментами и отвечать за результат, то ИИ становится не врагом, а частью образовательной среды.

ИИ — это новая ручка. Новый инструмент.

Когда человечество научилось писать, навык письма и умения письменной речи стали частью культуры и изменили как каждого отдельного человека, так и все население планеты Земля: мы получили возможность сохранять, накапливать и передавать знания и опыт, даже на отдаленные расстояния и даже в отстоящие друг от друга времена. 

Сейчас появляется новый инструмент — искусственный интеллект. Но в отличие от навыка письма умение пользоваться одной или несколькими нейросетями пока не стало частью человека навсегда: отключилось электричество — и доступа к инструменту нет. Зато могут закрепиться те умения, о которых я говорила раньше и которые формируются благодаря работе с ИИ: умения ставить цели, определять задачи, сравнивать варианты, проверять результаты и принимать решения.

Поэтому главный вопрос сегодня не в том, чему искусственный интеллект может научить человека, а в том, какие новые человеческие умения возникают благодаря взаимодействию с ним.

И здесь роль преподавателя становится даже важнее. Он должен учить не тому, как написать текст без нейросети, а тому, как думать, ставить задачи и принимать решения в мире, где нейросеть уже существует.