Искусственная революция: как ИИ меняет образование

Искусственный интеллект стремительно ворвался в образовательное пространство и стал помощником и напарником студентов и преподавателей. Сегодня владение ИИ-инструментами становится универсальной компетенцией и требует от педагогов освоения новых навыков и подходов как к учебному процессу, так и к оцениванию успехов студентов.
Директор по развитию преподавательского мастерства Андрей Дементьев провел мастер-класс «Как ИИ меняет среду образования» в рамках проекта «Teach for HSE / Преподаем в Вышке».
Андрей Дементьев
В грамотно сконструированной современной среде обучения преподаватели перестали играть роль читающего лекцию или излагающего материал по книге. Это уходящий в прошлое рудимент прежней эпохи. Сейчас преподаваемые знания конкурируют с информацией из интернета и социальных сетей. «Более того, доступ к знаниям все чаще опосредуется нейронными сетями, а проверка знаний, демонстрируемых не без помощи больших языковых моделей, сталкивается с определенными трудностями», — пояснил докладчик.
Анализ результатов обучения с помощью ИИ изменил подход к планированию курсов: обработка больших массивов данных, которая была довольно трудоемкой, стала достаточно легкой. Это позволило индивидуализировать подход к обучению. Условно говоря, теперь преподаватель может одну и ту же книгу разным студентам читать по-разному и использовать ИИ для создания персонализированных образовательных траекторий. Но интересующиеся и любопытные студенты и без участия преподавателя способны формировать контент курса, для чего уже сейчас активно используются ИИ-модели. Поэтому в открытой ИИ среде обучения важно, чтобы преподаватель как эксперт служил для студентов авторитетом, мерилом достоверности и точности информации, предоставляемой ИИ.
Главный вопрос, который в этой связи встает перед преподавателями, — могут ли они доверить ИИ структурирование знаний, отметил Андрей Дементьев. Пока большинство из них отвечает на этот вопрос отрицательно.
Вместе с тем ИИ не только становится помощником преподавателя, но и конкурирует с ним за внимание учащихся. Преподаватель, который не умеет использовать ИИ как инструмент, рискует потерять авторитет. Успешное применение ИИ требует от преподавателя соответствующих навыков, а также умения оценивать взаимодействие студента с ИИ, анализируя его когнитивные стратегии. По мнению Андрея Дементьева, использование ИИ студентами меняет когнитивные процессы обучения, смещая фокус с запоминания на экспертную оценку и анализ.
Оценка результатов обучения должна учитывать как вклад искусственного интеллекта, так и «естественный интеллект» студента, включая сам процесс решения задачи, а не только конечный результат.
Формулирование и планирование результатов обучения также должно учитывать уровень ИИ-грамотности студентов. Для творческих, объемных и сложных заданий необходимо четко указывать, что использование ИИ не просто разрешено, а необходимо для достижения максимального результата.

При этом важно пересмотреть критерии оценивания таких заданий, сфокусировавшись на способности формулировать задачу для ИИ, корректировать ход ее выполнения и анализировать результаты, полученные с помощью ИИ. В такой системе оценивания становится видимым сам процесс диалога с ИИ, в котором и проявляются оцениваемые компетенции студента. К примеру, оценивая стратегию промптинга, сравнивая и анализируя ответы ИИ на разные на формулировки запроса, студенты могут демонстрировать предметное знание. В процессе поиска ответа на заданный вопрос студент выбирает оптимальный промпт, демонстрируя понимание предмета и исключая угадывание. Преподаватель таким образом получает протокол когнитивных действий студента, оценивая его мыслительный процесс, а не только доступ к информационным ресурсам.
Андрей Дементьев продемонстрировал метод оценки студенческих навыков при взаимодействии с ИИ, используя GigaChat. Многократное уточнение промпта позволяет оценить способность студента задавать уточняющие вопросы и анализировать ответы, достигая желаемого результата за минимальное количество шагов.
«В открытой среде искусственный интеллект предоставляет доступ к информации, а преподаватель выступает в роли активного фасилитатора действий, направленных на самостоятельное изучение контента, опосредованное ИИ. Преподаватель может повлиять на внешнюю и внутреннюю мотивацию студента. Эта роль в сегодняшней ситуации, может быть, даже более ответственная, чем раньше», — подчеркнул он.
Преподаватель контролирует процесс обучения и осуществляет персонализированную обратную связь, играя роль эксперта и оценивая взаимодействие студента с ИИ. Это требует от него высокой квалификации и готовности к работе в открытой среде с постоянно растущим объемом информации, резюмировал докладчик.
В ходе мастер-класса Андрей Дементьев провел мозговой штурм по угрозам ИИ для образования. С одной стороны участвовали люди, с другой — ИИ. Участники-люди среди угроз чаще называют нарушение конфиденциальности и дегуманизацию образования. Также выделялись проблемы неравного доступа к образовательным ресурсам и профессионального выгорания преподавателей. Искусственный интеллект выявил риски, которые участники-люди не назвали: зависимость от технологий, проблемы с мотивацией, утрату критического мышления и деградацию социальных навыков. При этом ИИ продемонстрировал не только генерацию идей, но и их обобщение и ранжирование по вероятности.
Вам также может быть интересно:
AI AWARDS 2026: аналитическую основу премии формирует iFORA НИУ ВШЭ
Высшая школа экономики вошла в число партнеров премии AI AWARDS 2026, которая пройдет 29 апреля в Москве. Проект, реализуемый командой «Билайн Big Data & AI», посвящен практическому применению искусственного интеллекта и объединяет компании, технологии и команды, которые уже сегодня влияют на развитие новой цифровой экономики. Вклад номинантов AI AWARDS в развитие ИИ анализируется на основе данных, поэтому качество аналитической базы и прозрачность методологии становятся для рынка принципиально важными.
Будущее кардиогенетики — с искусственным интеллектом
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ (Институт ИИиЦН) создали программу, которая способна анализировать участки генома человека, ранее недоступные для точной интерпретации при генетическом тестировании. Программа адаптирует большие генеративные модели (ГенИИ) под задачи кардиогенетики, чтобы предсказывать, как мутация влияет на работу конкретного гена.
НИУ ВШЭ и Альфа-Банк запускают исследовательские проекты в сфере искусственного интеллекта
НИУ ВШЭ и Альфа-Банк объявили о старте трех совместных проектов в области искусственного интеллекта. Они направлены на развитие аналитических инструментов для банковских сервисов — от более точных прогнозов до новых подходов к управлению рисками и персонализации клиентского опыта.
Участники «Я — профессионал» разработают ИИ-агентов для бизнеса на Весенней экономической школе Вышки и Сбера
На площадке СберУниверситета стартовала Весенняя экономическая школа, организованная Высшей школой экономики и Сбером для участников Всероссийской олимпиады студентов «Я — профессионал» Президентской платформы «Россия — страна возможностей». С 22 по 24 апреля студенты будут работать над созданием ИИ-агента для бизнеса — от идеи и научной гипотезы до прототипа, готового к защите перед экспертами.
Уже не выбор, а реальность: трансформация мира под влиянием ИИ
Искусственный интеллект уже не воспринимается как технология будущего: он стремительно меняет процессы принятия решений, рынок труда и социальные практики. Вместе с тем он несет с собой не только новые грандиозные возможности, но и системные риски, связанные с ростом зависимости от данных, трансформацией профессий и изменением человеческого поведения. В НИУ ВШЭ создали семантическую карту разломов, которая показала ключевые тренды в развитии технологий.
Почему искусственный интеллект не способен поработить человечество
1 апреля на факультете математики НИУ ВШЭ встретили российского ученого, преподавателя и специалиста по информационной безопасности Андрея Масаловича, известного как КиберДед. Он представил студентам Вышки свои «Двадцать вопросов искусственному интеллекту» и поделился ответами, раскрывающими суть проблем в сфере развития ИИ, а также рассказал, почему тот никогда не сможет захватить человечество.
Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
«Подготовка инженеров нового поколения невозможна без интеграции инструментов ИИ в отраслевые ОП»
26 февраля в Уфе на площадке Межвузовского студенческого кампуса Евразийского научно-образовательного центра прошла защита итоговых проектов пилотного курса образовательной программы «ИИ-инженерия в нефтегазовой отрасли». Эксперты НИУ ВШЭ оценили студенческие проекты в сфере искусственного интеллекта, выполненные для «Газпрома» в рамках федерального проекта «Экономика данных и цифровая трансформация государства».
Стартует набор на онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов»
В Центре непрерывного образования факультета компьютерных наук НИУ ВШЭ открыт набор на новую онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов». Программа разработана для тех, кто стремится перейти от базового использования нейросетей в формате чат-ботов к созданию прикладных интеллектуальных инструментов для автоматизации бизнес-задач. Курс ориентирован на слушателей, заинтересованных в практическом освоении современных подходов к разработке автономных ИИ-агентов на базе больших языковых моделей и их внедрении в рабочие процессы.
Ученые НИУ ВШЭ научились сжимать большие языковые модели без потерь в качестве
Исследователи из Института искусственного интеллекта и цифровых наук (Институт ИИиЦН) ФКН НИУ ВШЭ разработали новый метод сжатия больших языковых моделей, таких как GPT и LLaMA, который позволяет уменьшить их объем на 25–36% без дополнительного обучения и значительной потери в точности. Это первый подход, который использует математические преобразования — вращения весов модели, — чтобы сделать модели более удобными для сжатия с помощью структурированных матриц. Результаты исследования опубликованы в ACL Findings 2025. Код метода доступен на GitHub.


