Академический ИИ: от экспериментов к инфраструктуре знаний
Искусственный интеллект (ИИ) уже стал частью повседневной практики в высшей школе: его активно используют и студенты, и преподаватели. Но вместе с удобством возник новый вызов: как встроить этот инструмент в образование так, чтобы он помогал получать знания, а не подменял их?
Об этом мы беседуем с заместителем директора компании Лань по маркетингу Владиславом НИКИФОРОВЫМ.
— ИИ перестал быть для вузов темой завтрашнего дня. Генеративные модели уже являются частью повседневной образовательной практики независимо от того, готовы ли к этому сами университеты. Какой главный вызов, а может, даже риск это создаёт для высшего образования?
— Начну с вызова, потому что риск — это его побочный результат, который необходимо считать задачей для решения. На мой взгляд, ИИ следует расценивать как инструмент. Такими же инструментами когда-то были калькулятор и Интернет, которыми тоже все стали пользоваться и в школах, и в университетах. Их появление проложило быстрые маршруты, где пользователь мог не отыскать первичную информацию для обработки и создания чего-то нового, а сразу получить готовый ответ.
Был ли тогда вызов? Определённо, был. Стоит ли ИИ в одном ряду с этими инструментами? Безусловно. Но насколько он схож с ними по своему воздействию на все сферы, в том числе на образование? Несомненно, он обладает гораздо более высоким потенциалом и большей степенью влияния.
Технология ИИ известна достаточно давно, но с массовым прикладным применением генеративных моделей мы столкнулись недавно, а потому весь масштаб вызова, который они создают, нам до сих пор непонятен. Как ИИ повлияет на рынок труда, на востребованность тех или иных специалистов, на фундаментальное образование? Контур ответов на эти вопросы так до конца и не очерчен, а потому ключевой вызов сейчас — разобраться в том, как ИИ использовать во благо, чтобы он повышал продуктивность и эффективность человека.
Теперь про риски. Решая задачу или изучая вопрос путём самостоятельного анализа, пробираясь сквозь дебри информации из книг, статей и другого контента, мы можем критически оценить её качество. Когда мы получаем готовый ответ от нейросетей, то должны задаваться вопросами. На основе какой информации сгенерирован текст? Можем ли мы доверять этому ответу? Как он верифицируется, как его проверить? Это принципиальные вопросы для любого, кто профессионально работает с информацией, данными, фактами.
Генеративные модели — прогнозные: они выдают наиболее вероятностное сочетание букв, слов и предложений по запросу, и это сочетание лишь потенциально верно. Для сферы образования это создаёт риск быстрого прироста объёма информации, которую генерируют пользователи из университетов: преподаватели, студенты, научные сотрудники, администраторы — и которая содержит в том числе «галлюцинации», выдуманные данные и ссылки на несуществующие публикации, красивый и «пустой» текст. Вероятность таких ошибок у генеративных универсальных моделей существует. Образовательная среда может столкнуться с тем, что её участники будут работать с недостоверными, искажёнными данными, и объём таких материалов — так называемого мусорного ИИ-контента — будет расти в отрасли, как снежный ком. А в перспективе станет бомбой замедленного действия.
Полагаем, что преодолевать эти риски университетам предстоит в двух плоскостях: технической — через подбор и внедрение специализированного инструментария — и методической, этической. Если техническая сторона остаётся за разработчиками, EdTech-компаниями, то за вузами и образованием в целом — вопросы методического и этического свойства: как выстраивать и сопровождать образовательный процесс с использованием ИИ.
— На государственном уровне мы видим активную поддержку развития этой технологии, поручения Президента РФ по обеспечению внедрения ИИ в различных сферах. Но вузы, по ощущению, пока занимают выжидательную позицию. Разделяете ли Вы это предположение? Как видите ситуацию со своей стороны?
— Государство стремится развивать направление, этим занимаются все развитые экономики мира, вкладывая в ИИ большие объёмы интеллектуальных и финансовых капиталов.
Утверждённые поручения дают максимальную мотивацию к тому, чтобы заниматься этой технологией, изучать и внедрять разработки на её основе. Однако вузам пока не дано прямых указаний, что конкретно и как внедрять. Отсюда и тот небольшой простой в этом вопросе, и, действительно уход в выжидательную позицию. Вряд ли период бездействия будет длительным или станет блокирующим фактором, но сегодня такая позиция просто не соответствует уровню импульса, который государство транслирует в отношении ИИ и распространяет на всех участников рынка.
Передовые университеты, которые располагают штатом высококлассных специалистов, разработчиков, учёных, создают собственные пользовательские решения. Но таких вузов в лучшем случае два десятка в стране. С чем связана нерешительность всех остальных университетов? Может быть, не хватает нормативно-правовых актов, таких, каким в своё время стало поручение по созданию электронно-библиотечных систем, положившее начало отрасли цифровых образовательных ресурсов. Возможно, тормозит процесс и создаёт дополнительный стоп-фактор этический вопрос о проверке текстов на предмет того, кем они были написаны: человеком или нейросетью. Он возникает в том числе из-за ошибочного представления, что использование ИИ можно приравнять к списыванию или покупке письменной работы в Интернете.
— А Вы считаете, что создание текстов с помощью генеративных нейросетей не равно списыванию?
— Генеративный ИИ — это всего лишь новый инструмент, который теперь могут применять точно так же, как до его появления использовали Интернет для скачивания рефератов или покупки готовых курсовых.
Борьба со списыванием в академической среде — вопрос, безусловно, важный. Но им ли стоит в первую очередь заниматься сейчас, с учётом тех гораздо более глобальных задач, возможностей, вызовов и рисков, которые несёт технология ИИ? Мы будем смотреть шире и дальше, заниматься прорывными вопросами, развитием и внедрением необходимых инструментов или станем оглядываться на тех, кто в вузах списывает, и ориентироваться на этот хвост кометы? По-моему, выбор очевиден.
Запреты здесь не работают, попытки не дать двоечникам получить незаслуженно завышенную оценку ничего нового не создадут. Те, кто захочет смошенничать, выдав чужую работу за свою, всегда найдут способ это сделать.
Кроме того, технически доказать, что работа сгенерирована ИИ, невозможно, это подтверждено экспертами. Детекция строится на косвенных признаках искусственного происхождения текста. Поэтому, повторю, уж точно не эта тема сейчас больше всего должна беспокоить специалистов в сфере образования.
Нужно заниматься не запретами, а решениями ключевых вопросов. Создавать ИИ-инструменты на базе верифицированных баз данных, формировать навыки промпт-инжиниринга — вот это про развитие, про движение вперёд и про стремление возглавить процесс, а не быть всего лишь наблюдателем.
— Поговорим о конкретных решениях, которыми вы как раз сейчас занимаетесь. Компания Лань, изначально созданная как издательство, прошла путь до электронной библиотеки и цифровых сервисов. Почему возникла необходимость следующих шагов?
— Прежде всего, надо отдать должное команде Лани, причём по всей вертикали: от руководителей, которые определяют приоритетные направления в развитии, до специалистов, которые способны предлагать новые идеи, развивать и доводить их до исполнителей. Можно сказать, произошёл симбиоз наших возможностей: интеллектуальных и технических. За последние годы Лань заняла уверенное положение в сегменте EdTech. Не являясь платформой онлайн-курсов, мы развиваемся как ИT-компания, создающая решения для рынка образования.
Наш флагманский цифровой продукт — электронная библиотека Лань. Это технологически сложный проект, в рамках которого на уровне как разработчиков, так и управленцев и менеджеров идёт постоянный процесс поиска новых сервисов для удобства пользователей. После запуска ChatGPT, который сразу же стал широко востребован за счёт своих возможностей и буквально заполонил рынок, мы тоже начали думать над тем, что полезного можем сделать на базе этой технологии для пользователей ЭБС. Исследовательский процесс, изучение актуальных трендов и тенденций привели нас к тому, что, соединив два инструмента на одной платформе, можно добавить сверхценность к тому, что любой пользователь и так может получить с помощью GPT-чата. У нас есть электронная библиотека — огромная база знаний, состоящая из миллиона единиц академически верифицированного учебного контента, и теперь появились генеративные модели, способные аргументированно отвечать на любой вопрос. Так возникла идея создать решение специально для образовательной среды — ИИ-ассистента ЛаньGPT, который генерирует ответы на базе проверенных источников из ЭБС Лань и подтверждает их ссылками на конкретные фрагменты книги или статьи.
Продукт стал естественным откликом нас как EdTech-разработчика на то, как меняются пользовательские привычки после появления новой технологии, которую все начали активно применять в своих продуктах и сервисах.
Когда мы выводили ЛаньGPT в пилотный режим в вузах, проверяли состоятельность своей гипотезы, что именно наличие верифицированной базы знаний и подтверждённых источников является главной ценностью этого инструмента. Результаты пилота это подтвердили.
— А если говорить не только о технической стороне ЛаньGPT, но и о ключевых задачах, которые этот ИИ-ассистент помогает решить для образования в целом?
— Давайте сравним ключевые параметры универсальных и специализированных генеративных нейросетей, которыми сегодня пользуются в образовательных организациях.
Универсальные модели — отличный инструмент, который может направить вас при первичном погружении в какую-то тему, помочь сделать первый шаг в её изучении. Но такие модели обучены на данных в том числе из открытого Интернета, достоверность и экспертная точность которых не гарантированы. Поэтому дальше, учитывая академическую специфику, вы, скорее всего, перейдёте к инструментам, которые работают на закрытом корпусе данных. Там информации меньше, чем в Интернете, но зато она более релевантна запросу и подтверждена ссылками на источники.
Наконец, специализированный ИИ-сервис, такой как ЛаньGPT, который работает на базе академического библиотечного контента и генерирует тексты на основе данных из учебников, учебных пособий и статей. Универсальные ИИ-модели могут красиво рассказать о чём угодно, аргументировать любой тезис, но они не обеспечивают полную достоверность готовых текстов. А в образовании есть множество задач, где верификация и прозрачность источников критически важны, и для них больше подходят специализированные нейросети.
Главное, что все эти инструменты можно эффективно встроить в образовательный процесс и применять вместе или поочерёдно в зависимости от задач.
— Пилотное тестирование ЛаньGPT проходило в 20 российских университетах. Какие результаты Вы считаете ключевыми? И какие сценарии использования сервиса оказались наиболее популярными?
— Мы подтвердили все основные вынесенные гипотезы по поводу не только ценности продукта, но и технических возможностей платформы, а также тех сценариев использования ЛаньGPT, которые мы закладывали и проверяли, того, насколько пользователи в целом удовлетворены сервисом. Пилот показал состоятельность разработки и её готовность к эксплуатации.
Что касается сценариев работы, то в различных ролях они формулировались по-разному. Для преподавателя это прежде всего получение «сырья», которое можно использовать как подспорье при подготовке лекций, семинаров, методичек, докладов, выступлений на конференциях. Любые вопросы из плоскости «как учить?».
У студента тоже понятный спектр задач: собрать материал для написания курсовой, дипломной работы, подготовить доклад, сформировать своё мнение по какому-то вопросу путём анализа разных источников.
Интересны кейсы от специалистов вузовских библиотек. Как, например, этот инструмент поможет сотруднику абонемента? Во время пилота библиограф одного из университетов с помощью ЛаньGPT подбирал для читателей релевантную литературу, с которой можно дальше работать, погружаясь в тему. Это точно не инструмент для поиска: для этого в электронных библиотеках есть поисковики, дискавери-сервисы и прочий инструментарий. Здесь ценно другое: библиотекарь помог читателю получить результат, который тот сможет применить с пользой при решении своих академических задач.
ЛаньGPT может быть помощником не только в образовательном процессе. В системе менеджмента университета тоже есть множество прикладных вопросов, актуальных для управленцев, администраторов, участников команд развития: например, собрать материалы на базе академических первоисточников для подготовки стратегических документов, программ развития вуза и отдельных его подразделений (учебных, научных, библиотеки), ведения проектов.
— А если говорить о перспективах ЛаньGPT, то какой вектор дальнейшего развития этого продукта Вы намечаете?
— Это большой, амбициозный проект, реализация которого уже содержит в себе определённый вызов, и я рад быть участником этого сложного, но очень интересного процесса в одном ряду с коллегами-профессионалами.
Конечно, мы думаем о развитии продукта. В настоящее время разработка полностью переходит на новую — агентскую — архитектуру модели и сервиса в целом. В ЛаньGPT появится привычный пользователям чат, в котором можно вести последовательное изучение темы, уточнять запросы и сохранять контекст.
Свою задачу мы видим в том, чтобы продолжать развивать ЛаньGPT как устойчивый продукт — нейросеть, в ответах которой пользователь уверен, потому что они генерируются на основе проверенных источников. Думаю, в этом и состоит потенциал ИИ в высшем образовании: не заменять собой самостоятельное мышление и исследовательский процесс, а создавать среду, в которой новые технологии помогают быстрее находить, проверять и осмыслять информацию.
Беседовала Елена Бейлина
Рубрика: Наука и образование
Год: 2026
Месяц: 4