Глава 1. Пропасть между аудиторией и жизнью
Когда я смотрю на своих студентов, сидящих на лекции по Администрированию ИС или алгоритмам, я часто ловлю себя на двойственной мысли. Как доцент кафедры информационных технологий и математики, я понимаю ценность того, что мы делаем. Но как человек, который каждый день наблюдает за тем, как эти молодые люди пытаются найти свое место в мире, я не могу игнорировать очевидный разрыв между тем, что мы даем в университете, и тем, что от них требует реальность. Давайте будем честны: современное университетское образование — это странный гибрид социального лифта, камеры хранения и, собственно, образовательного процесса. И если с первыми двумя функциями он справляется более-менее сносно, то с последней возникают серьезные вопросы.
С одной стороны, необходимость высшего образования в нашей стране (и не только) продиктована вовсе не жаждой знаний. Это социальный ритуал, имеющий вполне конкретные прагматичные бенефиты. Самый очевидный — это диплом. Для многих работодателей, особенно в государственном секторе или крупных корпорациях с бюрократической машиной, «корочка» до сих пор является пропуском в мир стабильности. Без нее вас даже не рассмотрят, независимо от того, насколько гениально вы пишете код или проектируете архитектуру. Университет здесь выступает не как источник знаний, а как институт сертификации: он подтверждает, что вы способны высидеть четыре года на одном месте, следовать инструкциям и соответствовать неким формальным критериям. Это грустно, но это факт.
Кроме того, университет — это социальный инкубатор. Здесь, в стенах альма-матер, завязываются связи, которые потом могут кормить человека всю жизнь. Мы часто недооцениваем важность нетворкинга, а ведь именно круг знакомств, однокурсники, которые потом становятся коллегами, партнерами или просто полезными контактами, является одним из главных активов, которые студент выносит из вуза. И, конечно, нельзя забывать про мальчиков. В условиях, когда служба в армии остается обязательной, университет выполняет роль легального убежища, давая отсрочку. Это циничный, но мощный мотиватор, который приводит в аудитории множество студентов, чей интерес к науке весьма условен. Они здесь не потому, что хотят учиться, а потому, что хотят переждать. И это создает ту самую среду, в которой преподавателю приходится работать.
Однако, если отбросить эти социальные и бюрократические функции, мы упираемся в стену. Образование перестало готовить к реальной жизни, и этот разрыв ощущается тем сильнее, чем ближе студент к выпуску. Здесь я вижу два больших аспекта проблемы, которые бьют одинаково больно.
Первый аспект — это профессиональная неготовность. Мы учим студентов классическим алгоритмам, заставляем их доказывать теоремы и разбираться в архитектуре ЭВМ, но мы почти не учим их тому, что составляет суть их будущей ежедневной работы. Скажите честно, много ли учебных часов в стандартной программе отведено тому, как проходить собеседования? Учат ли их правильно составлять резюме, проходить технические интервью, вести себя на переговорах с HR? Практически нет. Мы выпускаем человека, который знает, что такое сортировка пузырьком, но не знает, как продать себя на рынке труда. Мы даем им устаревшие технологии, потому что академическая программа обновляется медленнее, чем мир IT. Пока мы объясняем им основы языка, который завтра уйдет в небытие, индустрия требует навыков работы с современными фреймворками и облачными сервисами. Разрыв между академическим знанием и индустриальным требованием превращается в пропасть, через которую выпускник перебирается самостоятельно, методом проб и ошибок, часто уже после получения диплома.
Второй аспект еще более фундаментален: университет не готовит к обычной жизни человека. Мы настолько увлечены передачей абстрактных знаний, что забываем о базовых навыках выживания в социуме. Учат ли нас управлять личными финансами? Нет. Студент выходит в мир, не понимая, как работает ипотека, как инвестировать, как планировать бюджет, как не попасть в долговую яму. Учат ли нас продавать себя правильно? Кроме профессиональной неготовности, о которой я сказал выше, это касается и личного бренда, умения презентовать свои идеи, отстаивать свою точку зрения. Учат ли нас планировать время? В университете время часто течет линейно и предсказуемо: сессия, каникулы, семестр. В реальной жизни все иначе — это хаос дедлайнов, многозадачности и постоянного давления. Мы не даем студентам инструментов для тайм-менеджмента, не говорим о психологии выгорания, не учим, как сохранять баланс между работой и личной жизнью. Мы выпускаем умных, но беспомощных в бытовом смысле людей, которые знают интегралы, но не знают, как заплатить налоги.
Получается парадоксальная ситуация. Университет нужен, потому что он дает статус, отсрочку и связи. Но он не нужен как школа жизни, потому что он оторван от нее. Мы, преподаватели, оказываемся в роли хранителей традиции, которая давно потеряла связь с реальностью. Мы учим их тому, что знаем сами, но не тому, что им действительно понадобится. И в этой главе я хочу лишь обозначить эту проблему, чтобы в следующих разобраться, почему так произошло и что мы, как преподаватели и как люди, можем с этим сделать.
Глава 2. Куда движется университет: революция, эволюция или гибрид?
Если в первой главе мы говорили о проблемах, то теперь логично посмотреть, а что, собственно, предпринимается для их решения. Мир не стоит на месте, и высшее образование, скрипя тормозами, но все-таки пытается реагировать на вызовы времени. За последние годы появилось множество тенденций, которые можно условно разделить на два больших лагеря: те, кто предлагает снести старую систему до основания, и те, кто пытается ее аккуратно модернизировать. И то, и другое заслуживает внимания, потому что за каждой из этих стратегий стоит определенная философия.
Начнем с радикального крыла. Сторонники полного демонтажа традиционной модели любят повторять, что университет в его нынешнем виде — это пережиток промышленной эпохи, фабрика по производству послушных сотрудников, которая давно исчерпала себя. Их аргументы звучат убедительно: зачем тратить четыре года на изучение теории, если можно за несколько месяцев пройти интенсивные курсы и сразу начать работать? Отсюда растут идеи микростепеней, когда человек не получает диплом бакалавра, а набирает набор сертификатов по конкретным навыкам. Это гибко, это быстро, это отвечает запросам рынка. Появляются корпоративные университеты, где компании сами готовят кадры под себя, полностью игнорируя академические стандарты. Есть и совсем смелые концепции, где обучение строится исключительно на проектной работе, а лекции и экзамены объявляются анахронизмом. Смысл всех этих новаций один: убрать посредника в лице государства и академического сообщества, отдать образование напрямую бизнесу и рынку. Пусть учат тому, что нужно здесь и сейчас, а не тому, что придумали профессора сто лет назад.
Другое крыло, которое можно назвать эволюционным, не спешит хоронить университет. Его представители признают проблемы, но считают, что ломать систему, которая веками создавала научные школы и культурный код, — это варварство. Вместо революции они предлагают точечные улучшения. Именно отсюда растет популярность смешанного обучения, когда классические лекции сочетаются с онлайн-курсами и практическими воркшопами. Активно внедряется компетентностный подход, где акцент делается не на заучивании фактов, а на умении применять знания. Появляются программы наставничества, где к студентам прикрепляют практиков из индустрии. Университеты начинают открывать центры карьеры, которые, пусть и неуклюже, но пытаются учить студентов проходить собеседования и составлять резюме. В учебные планы вводятся курсы по предпринимательству, управлению проектами, а иногда даже по финансовой грамотности. Это уже не игнорирование реальности, а попытка встроить ее в академическую рамку, не разрушая саму рамку.
Любопытно, что обе стратегии имеют свои изъяны, и это становится очевидным, если присмотреться внимательнее. Радикальный путь хорош своей скоростью и прагматизмом, но он опасен тем, что превращает человека в узкоспециализированный инструмент. Выучившись на конкретный фреймворк сегодня, через пять лет можно обнаружить, что твои навыки никому не нужны, потому что технология устарела, а фундаментальной базы, которая позволила бы переучиться, нет. Корпоративное обучение решает проблему трудоустройства, но не решает проблему личности. Человек, который учился только под конкретную задачу, рискует остаться без работы при первом же кризисе и без широкого кругозора, чтобы найти себя в чем-то другом. Кроме того, полностью рыночный подход убивает науку. Фундаментальные исследования не приносят быстрой прибыли, и если оставить их на откуп бизнесу, мы потеряем то, что двигало цивилизацию вперед столетиями.
Эволюционный путь, в свою очередь, страдает от другой болезни — медлительности. Академическая машина неповоротлива. Пока новый курс утвердят через все инстанции, пока найдут преподавателей, готовых его вести, пока студенты оценят его полезность, проходит несколько лет. За это время рынок успевает измениться несколько раз. Кроме того, точечные улучшения часто носят косметический характер. Ввести факультатив по финансовой грамотности — это хорошо, но если он стоит в расписании в восемь утра в субботу и не дает зачетных единиц, его посетят три человека. Центры карьеры существуют, но их советы часто оторваны от реальности, потому что там работают люди, которые сами никогда не проходили собеседования в IT-компании. Мы пытаемся лечить симптомы, но не всегда добираемся до причины.
И вот здесь, на мой взгляд, рождается самая продуктивная мысль. А может быть, не надо сносить все под ноль? Может быть, проблема не в самой системе как таковой, а в том, что мы пытаемся решить новые задачи старыми методами, не меняя сути? Университет — это не просто место, где выдают знания. Это пространство, где формируется мышление, где человек учится учиться, где он сталкивается с разными точками зрения и учится их сопоставлять. Эту функцию не заменит ни один онлайн-курс, ни один корпоративный тренинг. Фундаментальность, которая кажется кому-то балластом, на самом деле является страховкой. Она дает ту самую базу, на которой можно надстраивать любые новые навыки на протяжении всей жизни. И если мы признаем это, то вопрос стоит не в том, чтобы разрушить университет, а в том, чтобы доработать его, встроив в него те элементы реальной жизни, которых ему не хватает.
Гибридная мысль здесь проста: не революция, а реконструкция. Нам не нужно выбирать между классическим лекционным залом и проектной мастерской. Мы можем иметь и то, и другое. Не нужно противопоставлять диплом микростепеням. Можно сделать так, чтобы диплом включал в себя набор сертификатов и подтвержденных компетенций. Не нужно отдавать образование целиком бизнесу. Можно пригласить бизнес в университет, но не как хозяина, а как партнера. Проблема в том, что для такой реконструкции нужна воля и желание не только у преподавателей, но и у администраторов, чиновников и самих студентов. И, пожалуй, самый важный вопрос: а готовы ли мы, преподаватели, меняться сами? Ведь доработать систему означает не просто переписать учебный план, а пересмотреть собственные привычки, отказаться от комфорта лекционных монологов, научиться говорить со студентами о налогах и собеседованиях так же уверенно, как мы говорим о пределах и производных. Об этом — в следующей главе.
Глава 3. Что может сделать преподаватель, если система не спешит меняться
После того как мы признали, что систему, скорее всего, не стоит сносить под ноль, а нужно аккуратно дорабатывать, возникает закономерный вопрос: а кто, собственно, будет это делать? Можно сколько угодно рассуждать о реформах на уровне министерств, о новых стандартах и стратегиях развития, но реальность меняется не в кабинетах чиновников, а в аудиториях. И здесь мы подходим к самой неудобной для меня как для преподавателя теме — к личной ответственности. Потому что легко критиковать систему, которая не готовит студентов к собеседованиям, к управлению финансами и к планированию времени. Гораздо сложнее признать, что я сам, находясь внутри этой системы, могу стать тем самым звеном, которое начнет ее дорабатывать. Не дожидаясь, пока сверху спустят новую программу, не надеясь на то, что кто-то другой придумает идеальный курс, а прямо здесь и сейчас, в рамках своих лекций и семинаров, попытаться сократить ту пропасть между теорией и жизнью, о которой мы говорили в первой главе.
Первое, что приходит в голову, — это изменить сам формат взаимодействия со студентами. Классическая лекция, где преподаватель монотонно пересказывает материал, а студенты молча записывают или, что чаще, просто фотографируют слайды, давно перестала работать. Мы все это знаем, но продолжаем так делать, потому что это привычно и удобно для нас. Гораздо сложнее организовать занятие так, чтобы студент был вынужден думать, а не потреблять. Именно здесь на помощь приходит идея центра эффективного обучения — не как административной единицы, а как принципа, который можно реализовать даже в рамках отдельно взятого предмета. Суть в том, чтобы сместить фокус с трансляции знаний на организацию процесса, в котором знания добываются и сразу же применяются. Это может быть работа над реальным проектом, где студенты не просто пишут код по методичке, а решают задачу, сформулированную пусть и упрощенно, но взятую из практики. Это может быть разбор кейсов, где нет единственно правильного ответа, а есть пространство для аргументации. Это может быть имитация собеседования, где я, как преподаватель, играю роль технического интервьюера, а студент учится не только отвечать на вопросы, но и держаться уверенно, задавать уточняющие вопросы, признавать, что он чего-то не знает, и при этом не терять лицо.
Второй момент, который кажется мне критически важным, — это честный разговор о том, что их ждет после выпуска. Мы привыкли учить их предмету, но забываем учить их жизни. И если я не расскажу студенту, как работает рынок труда, кто это сделает? Центр карьеры, который он посетит один раз за четыре года? Родители, которые часто сами не понимают современных реалий? Или он сам методом проб и ошибок, уже потеряв время? Я не предлагаю превращать лекцию по математике в урок домоводства. Но у меня есть часы кураторства, есть неформальные встречи, есть те пять минут в начале пары, когда можно обсудить не только формулу, но и то, как правильно составить резюме, какие вопросы задавать на собеседовании, как не выгореть на первой работе. Это не отменяет предмет, это дополняет его. И, честно говоря, студенты это ценят гораздо больше, чем идеально выверенные доказательства теорем, потому что это отвечает на их реальные страхи и потребности.
Третий аспект — это технологии. Мы, преподаватели информационных технологий, находимся в парадоксальной ситуации. С одной стороны, мы учим студентов тому, что сами часто не применяем в своей работе. Мы рассказываем про современные фреймворки, но продолжаем вести учет успеваемости в бумажном журнале. Мы говорим о важности автоматизации, но сами тратим часы на проверку однотипных задач. Мне кажется, что доработка системы должна начинаться с нас. Если я хочу, чтобы студент поверил в ценность того, что я говорю, я должен сам демонстрировать это на практике. Это значит использовать современные инструменты, показывать, как технологии экономят время, как они помогают учиться, как с их помощью можно выстроить индивидуальную траекторию. Центр эффективного обучения в этом смысле — это не кабинет с новым оборудованием, а состояние ума, при котором и преподаватель, и студент ищут способы делать меньше рутины и больше осмысленной работы. Когда я показываю на своем примере, что математика нужна не для сдачи экзамена, а для того, чтобы анализировать данные, строить модели, принимать решения, это работает лучше любых уговоров.
И наконец, самое сложное. Чтобы доработать систему, нужно перестать тревожиться о том, как нас оценят. О том, что студенты посмотрят на нас свысока, если мы признаемся, что чего-то не знаем. О том, что новый формат не впишется в рамки утвержденной программы. О том, что коллеги осудят за излишнюю активность. Я сам часто ловлю себя на этих переживаниях. Но потом смотрю на студентов, которые приходят на первую пару сонными, потому что работали ночью, которые совмещают учебу с работой, которые не понимают, зачем им эта конкретная тема, и понимаю, что их тревоги гораздо серьезнее моих. Они переживают о том, как бы не провалить сессию, не остаться без работы, не разочаровать родителей, не упустить свою жизнь. И если я, как преподаватель, могу хотя бы немного ослабить это напряжение, дать им не только знание, но и уверенность, что они справятся, значит, я занимаюсь не просто преподаванием, а действительно образованием. Доработка системы — это не глобальная реформа, а множество маленьких шагов, которые каждый из нас может сделать уже завтра. И начинается она с простого вопроса: что я могу изменить в своей аудитории, чтобы мои студенты вышли из нее чуть более готовыми к реальной жизни, чем вошли.
Глава 4. ИИ против доцента: когда машина объясняет лучше, чем ты
Должен признаться, я долго откладывал эту главу. Не потому, что не хотел писать, а потому, что тема неприятная. Одно дело — рассуждать о том, что университет оторван от жизни, и совсем другое — обнаружить, что твоя работа может быть выполнена алгоритмом, который никогда не устаёт, не раздражается на глупые вопросы и не мечтает поскорее закончить пару и пойти домой. Но раз уж мы затеяли честный разговор, давайте посмотрим правде в глаза: недавнее исследование, опубликованное в одном из самых уважаемых научных журналов мира, показало, что искусственный интеллект обучает студентов лучше, чем живые преподаватели. И не где-нибудь, а в Гарварде. Да-да, том самом, где лекции читают нобелевские лауреаты и где, как принято думать, собраны лучшие педагоги планеты. Так вот, эти лучшие педагоги проиграли машине. Со счётом, который не оставляет пространства для утешительных интерпретаций.
Суть эксперимента, если изложить её без академической воды, была такой. Взяли курс физики для будущих биологов, разделили студентов на две группы и дали им один и тот же материал двумя способами. Первая группа училась как положено — пришла в аудиторию, где опытный преподаватель вёл занятие в формате активного обучения, то есть не просто вещал с кафедры, а заставлял студентов решать задачи в группах, обсуждать, спорить и получать обратную связь. Вторая группа осталась дома и работала с чат-ботом. На старте средний балл у всех был примерно одинаковый — около 2,75 из 5. После занятия с живым профессором он поднялся до 3,5. После общения с ботом — до 4,5. Разница статистически значимая, эффект огромный, и это при том, что студенты с ИИ потратили на материал меньше времени, чем те, кто сидел в аудитории. Медиана составила 49 минут против 60. Те, кому живые лекции казались слишком быстрыми, зависали с ботом дольше, спокойно разбираясь в деталях. Те, кому было скучно и медленно, пролетали материал за двадцать минут. А потом на вопрос, чьи объяснения были лучше, 83 процента студентов ответили, что искусственный интеллект объяснял так же хорошо или даже лучше, чем преподаватели Гарварда. Процент, который хочется перечитать дважды, а потом пойти и проверить, не шутка ли это.
И вот тут самое время для иронии, потому что без неё эту новость невозможно переварить. Получается, что преподаватели Гарварда оказались хуже, чем натренированный ими же искусственный интеллект. Это как если бы тренер по боксу подготовил робота, который затем вышел на ринг и отправил тренера в нокаут. Причём победил робот не потому, что он умнее. Он победил потому, что терпеливый. Не устаёт. Не раздражается. Знает про каждого студента всё, что нужно знать в данный момент, и не пытается одновременно удержать внимание сотни человек, каждый из которых находится на своей стадии понимания. Но главное — и это ключевой момент, который многие упускают, — базу для этого бота готовили лучшие из лучших. Учёные потратили дни на то, чтобы прописать идеальные пошаговые решения каждой задачи, выверить формулировки, продумать, как именно ИИ должен направлять студента, не давая ему готовый ответ, а подталкивая к нему. Они вручную собрали тот самый педагогический каркас, который в обычной аудитории держится на опыте и интуиции преподавателя. А потом отдали этот каркас машине, которая просто повторяет его бесконечное число раз без потери качества. Вот вам и весь секрет.
Если разобраться, почему ИИ победил, станет понятно, что дело вовсе не в магии нейросетей. Проблема традиционного образования, и об этом мы говорили в первых главах, в том, что лекция, где преподаватель говорит, а студенты слушают, — это дико неэффективно и скучно. Передовые университеты давно это поняли и перешли на активное обучение, когда студенты на занятиях решают задачи в группах и постоянно взаимодействуют с педагогом. Это работает лучше, и именно такой формат использовали в Гарварде для контрольной группы. Но у активного обучения есть предел, о котором мы тоже уже говорили: один преподаватель физически не может подстроиться под скорость и уровень каждого из ста студентов в аудитории. Идеальный вариант — это персональный репетитор для каждого, но где взять сто репетиторов на одну лекцию? С появлением больших языковых моделей появилась надежда на автоматизацию репетиторства. Оставалось решить две проблемы: галлюцинации, когда модель уверенно несёт чушь, и угодливость, когда она соглашается с любой ошибкой студента, лишь бы понравиться. И вот тут начинается самая интересная часть, потому что решали эти проблемы не техническими, а педагогическими методами.
Модель взяли GPT-4, но не стали полагаться на её сообразительность. Вместо этого жёстко прописали правильные пошаговые решения всех задач, чтобы нейросеть не пыталась сама вывести физику, а использовала свои языковые навыки только для общения и направления студента. Задачи, структура урока, логика подсказок — всё было зафиксировано заранее. Это как если бы вы дали актёру сценарий и сказали: импровизируй сколько хочешь, но реплики не меняй, иначе зал не поймёт. Кроме того, ИИ обязали дробить сложные задачи на мелкие шаги, чтобы не перегружать мозг студента, и поощрять усилия, формируя установку на рост, а не на избегание ошибок. Другими словами, учёные вложили в бота всё то, что хороший преподаватель делает интуитивно, и заставили машину следовать этим правилам неукоснительно. Без этих инструкций, как показывает ряд других исследований, студенты просто используют чат-боты, чтобы списать, не включая критическое мышление. Разница между «дать студенту ChatGPT» и «встроить ChatGPT в тщательно спроектированный педагогический процесс» — это разница между катастрофой и прорывом.
Но давайте не будем терять голову от восторга. У этой работы есть ограничения, и они серьёзнее, чем может показаться на первый взгляд. Во-первых, задачи были на изучение, а не на синтез знаний. Студенты разбирались в гидродинамике и поверхностном натяжении, то есть осваивали материал на уровнях понимания, применения и анализа. Это важный этап, но это не инженерное конструирование, где нужно собрать работающее устройство из противоречивых требований, и не научное исследование, где нужно самому поставить вопрос и найти метод. Во-вторых, ИИ сработал так хорошо именно потому, что преподаватели потратили колоссальное количество времени на подготовку идеальных инструкций и структуры курса. Без этой работы бот был бы бесполезен. То есть исследование не доказывает, что ИИ заменит преподавателя. Оно доказывает, что лучшие преподаватели могут масштабировать свою работу с помощью ИИ, а остальным, возможно, придётся искать другие занятия. И в-третьих, учёба с ботом — это одиночный процесс. Из неё выпадает командная работа, та самая, где студенты учатся спорить, слышать друг друга, объяснять сложное простыми словами и договариваться. А это, как мы помним из первой главы, одна из немногих реальных ценностей университета, которую не заменит ни один диплом.
И вот здесь я возвращаюсь к своей исходной позиции: искусственный интеллект никогда не заменит преподавателя, по крайней мере до тех пор, пока он заперт в современных больших языковых моделях без индуктивного метода познания. Современная LLM — это блестящий имитатор. Она обучена предсказывать следующее слово так хорошо, что создаёт иллюзию понимания. Но она не строит гипотез о мире, не проверяет их через опыт, не переживает удивление от того, что реальность оказалась сложнее, чем предполагалось. Она не может посмотреть на студента и понять по его лицу, что он потерял нить рассуждения, хотя сам этого ещё не осознал. Она не может вдохновить личным примером, потому что у неё нет личной истории. Она не может сказать: «Я тоже когда-то не понимал эту теорему и думал, что я бездарь, а потом разобрался, и вот я здесь». Всё это остаётся за человеком. Но иллюзия замены возникает потому, что мы слишком долго сводили преподавание к передаче информации. А передачу информации ИИ действительно делает лучше нас. Он терпеливее, внимательнее к деталям и не страдает от похмелья после вчерашнего застолья. Если преподаватель видел свою роль только в том, чтобы пересказывать учебник, то ему действительно стоит начать беспокоиться. Если же он видел свою роль в том, чтобы быть наставником, который помогает студенту не только понять предмет, но и найти себя в этом предмете, то у него пока есть работа. Вопрос лишь в том, сколько преподавателей готовы признать, что их работа никогда не сводилась к передаче информации, и начать вести себя соответственно. Об этом — в следующей главе.
Глава 5. Я не против ИИ, я против того, чтобы меня выбросили на свалку вместе с конспектами
После предыдущей главы может показаться, что я затаил обиду на искусственный интеллект и жду не дождусь, когда человечество одумается и вернётся к чистому перу и бумажному журналу. Это не так. Я не против ИИ. Я пользуюсь большими языковыми моделями каждый день. Я спрашиваю у них, как переформулировать неуклюжую фразу, прошу помочь разобраться в незнакомой теме, иногда просто использую как продвинутый поисковик, который не заваливает меня рекламой и не пытается продать мне тур в Турцию. Я не против LLM в программировании, потому что сам программирую с их помощью. Когда нужно написать регулярное выражение, которое я всё равно забуду через час, или разобраться, почему мой код падает с ошибкой, которую я вижу впервые в жизни, я открываю чат и получаю ответ за тридцать секунд вместо трёх часов блуждания по форумам. Я не против ИИ в высшем образовании. Более того, я считаю его полезным и нужным. Но как вспомогательный инструмент. Именно здесь, в этом маленьком уточнении, и спрятан весь сыр-бор.
Давайте разберёмся, что значит «вспомогательный инструмент». Это значит, что ИИ помогает, но не решает. Он ускоряет, но не берёт на себя ответственность. Он подсказывает, но не берёт на себя инициативу. Я вижу это на примере своих лучших дипломников. Те ребята, которые защитили лучшие проекты за последние пару лет, использовали ИИ ультра-эффективно и повсеместно. Они генерировали с его помощью черновики кода, просили объяснить незнакомые библиотеки, проверяли логику, искали баги, составляли структуру отчёта. И это здорово. Я не собираюсь делать вид, что это читерство, и требовать, чтобы они мучились так же, как мучился я двадцать лет назад, когда интернет был по карточкам, а Stack Overflow ещё не изобрели. Но вот что интересно: несмотря на всю эту мощь, ни один из них не смог бы защитить свой проект, если бы я просто выдал им доступ к GPT-4 и сказал: «Ну, вперёд, твори». Им всё равно нужен был кто-то, кто скажет: «Стоп, ты выбрал не ту архитектуру, подумай ещё раз». Кто-то, кто спросит: «А почему ты решил, что это решение масштабируется?» Кто-то, кто посмотрит на их графики и заметит: «Похоже, ты переобучил модель, посмотри на валидацию». ИИ отвечает на вопросы. Он не задаёт их. А именно вопросы, неудобные и неприятные, и двигают науку и инженерное дело вперёд.
Теперь про руководство выпускными квалификационными работами. Это, пожалуй, самая интимная часть преподавательской работы. Это не лекция, где ты стоишь перед сотней человек и вещаешь. Это долгий, мучительный и иногда очень нервный процесс, в котором двое людей — студент и научный руководитель — пытаются сделать что-то осмысленное из хаоса идей, амбиций и дедлайнов. ИИ здесь может помочь на каждом этапе. Он может предложить структуру, найти литературу, объяснить метод, даже написать кусок кода. Но он не может сделать главного. Он не может сказать студенту: «Я вижу, что ты способен на большее, чем сам о себе думаешь, поэтому не сдавайся». Он не может почувствовать момент, когда нужно надавить, а когда — отпустить. Он не может посмотреть на замученного третьекурсника, который не спал три ночи, и сказать: «Иди поспи, а завтра мы вернёмся к этому и всё починим». Это не алгоритм, это человеческое решение, принятое в конкретный момент, с конкретным человеком, в конкретных обстоятельствах. И никакая LLM, даже обученная на всех диалогах всех научных руководителей всех времён, не сможет заменить живое присутствие наставника. Потому что она не присутствует. Она просто выдаёт текст, который статистически похож на то, что сказал бы человек. Но за этим текстом никого нет.
А теперь про сочувствие. Про инициативу. Про умение привить ответственность. Про умение вдохновить. Про умение направить и наставить. Это не навыки, которые можно прописать в системном промпте. Это то, что формируется годами, через личный опыт, через ошибки, через собственные падения и подъёмы. Студент приходит ко мне не только за знанием. Он приходит за примером. Он смотрит, как я реагирую на неудачи, как признаю свои ошибки, как отстаиваю свою позицию, как признаю, что был неправ. Он учится не у того, что я говорю, а у того, кем я являюсь. ИИ не является никем. Он не может быть примером, потому что у него нет биографии. Он не может вдохновить, потому что у него нет страсти. Он не может привить ответственность, потому что сам ни за что не отвечает. Он всегда может сослаться на то, что его так обучили, или на то, что пользователь неправильно сформулировал запрос. Человек не может так поступить. Если я облажался, это моя вина, и студенты это видят. Именно это делает преподавание моральным актом, а не просто передачей информации.
И вот здесь я хочу задать вопрос, который, возможно, прозвучит резко. Вы действительно считаете, что мы придём к светлому будущему, если преподавателей заменит ИИ? Если студенты будут получать ответы на любые вопросы в стиле: «Молодец, отличный вопрос! Давай разберёмся вместе. Во-первых, важно понимать, что...»? Представьте себе мир, в котором каждое взаимодействие с «наставником» начинается с похвалы и заканчивается ободряющей фразой, а между ними — гладкое, выверенное, безупречно вежливое объяснение, из которого никогда не прорывается раздражение, усталость, ирония или неожиданная мысль, родившаяся только что, на глазах у студента, в процессе живого разговора. Это будет не образование, а бесконечный вежливый чат-бот, который никогда не скажет: «Ты не прав, и вот почему». Никогда не скажет: «Мне кажется, ты выбрал этот путь не потому, что тебе интересно, а потому, что боишься разочаровать родителей». Никогда не скажет: «Я не знаю ответа на твой вопрос, но давай искать вместе, потому что мне самому интересно». Искусственный интеллект не может быть неудобным. А без неудобства нет роста.
Поэтому моя позиция проста. ИИ в образовании — да, пожалуйста. Как инструмент, который снимает с преподавателя рутину, помогает студентам разобраться в базовом материале, даёт возможность каждому двигаться в своём темпе, освобождает время для того, что действительно требует человека. Но как замена преподавателя — нет. Не потому, что я боюсь за свою работу, а потому, что я боюсь за студентов. Если мы отдадим их машинам, которые всегда говорят «молодец», мы вырастим поколение, которое не умеет справляться с критикой, не умеет слышать «нет», не умеет работать с людьми, которые не обязаны быть вежливыми. Мы вырастим людей, которые знают, как получить ответ, но не знают, как задать вопрос, на который ещё нет ответа. А именно такие вопросы и двигают мир вперёд. Искусственный интеллект, запертый в современных LLM без индуктивного метода познания, не задаёт таких вопросов. Он отвечает на те, что уже сформулированы. Человек — задаёт. Вот почему я всё ещё нужен. По крайней мере, пока.
