Из дружественного канала.

Про Макс понятно. Сделаем… Наверное…

Коллега попросил объяснить, почему ChatGpt у него пишет «плохие» статьи, а у некоторых, не будем показывать на них пальцем, «хорошие» :-)

Чтобы коллега наконец-то подписался на канал объяснение разместим здесь :)
…

Это обязательно нужно знать.

Если попросить хорошую нейросеть (за доступ к которой мы платим деньги) написать статью, то она напишет статью, как хороший среднестатистический журналист: много воды и мало смысла.

Зато красиво :)

Если попросить ту же модель в том же режиме написать на ту же самую тему аналитическую справку, то она напишет так же, как написал бы среднестатистический хороший аналитик: Цифры, Факты, Выводы. 

Плохая нейросеть (та, за работу с которой деньги платить не нужно и которая галюцинации выдает на раз) сделает то же самое.  Просто с галлюцинациями :)

Когда мы просим нейросеть написать статью, она такая:

«О, сейчас будет вступление, немного общих слов, живенький текст, вывод в стиле “будущее уже наступило”».

И пошла вода. Красивая, тёплая, бессмысленная.

А когда мы просим аналитическую справку, нейросеть внезапно надевает очки, берёт калькулятор и начинает вести себя как человек, которому ещё жить с последствиями своих выводов.

Появляются:
— проблема; — контекст; — ограничения; — факты; — сценарии; — выводы; — нормальная логика.

Магия в том, что слово “статья” включает режим болтливого публициста, а “аналитическая справка” — режим человека, которому нельзя просто красиво страдать на тему.

Поэтому лайфхак простой:

Не просим:

«Напиши статью».

Просим:

«Сначала сделай аналитическую справку. Потом преврати её в статью, не потеряв смысл, структуру и выводы».

В большинстве случаев сама справка уже будет отличной статьей. Приложить к ней немного человек его труда - и будет конфетка.

Тут не нужно лениться. Автор должен все же быть в контуре (и в теме)!

А то, вдруг, ИИ снова включит среднестатистического журналиста? Просто потеряем время.

Почему нет смысла проводить фундаментальные исследования о влиянии ИИ на образование и тратить время на изучение подобных исследований?

И почему мало ссылок на такие исследования в канале. 

Попалось сегодня свежее исследование о системах академической поддержки с ИИ в государственных университетах Колумбии и Перу за 2019–2024 годы. 

Ссылка на источник, но тратить время не рекомендую. Тем более, что подписка не бесплатная. 

https://link.springer.com/article/10.1007/s10755-026-09899-0

Исследований же много? Рецензируемые журналы полны ими. Вроде, есть о чем поговорить?

Но посмотришь на эти исследования и понимаешь, что говорить не о чем. 

Потому что объект исследования меняется быстрее, чем цикл исследования.

Пока исследователи формулируют гипотезу, собирают выборку, проводят анализ, пишут статью и проходят рецензирование, меняются модели, интерфейсы, доступность инструментов, привычки студентов и правила школ и вузов.

На выходе получается позавчерашний прогноз погоды.
Почему позавчерашний? Потому, что вчерашним он стал в момент получения гранта на исследование. Точнее, еще в момент подачи заявки на грант.  

Но такие исследования всё равно проводят и будут проводить.

СМИ будут их охотно цитировать. 

Во-первых, университетам и независимым исследователям  нужны публикации. 

Во-вторых, регуляторам нужны формальные основания для решений. 

В третьих, тема модная и на нее охотно дают деньги. А как не взять, если дают? :)

И как с этим жить?

Только оперативно быть внутри темы самому и верить собственным глазам. 

Ну и читать наш канал :)

Объединённые Арабские Эмираты

ИИ для госслужащих. Могут себе позволить.

Правительство Объединённых Арабских Эмиратов 23 апреля представило проект внедрения агентного искусственного интеллекта (agentic artificial intelligence, agentic AI) в 50% государственных секторов и услуг в течение 2 лет.

Агентный ИИ в источнике описан как система, способная мониторить, анализировать, рекомендовать, управлять операциями и выполнять последовательности действий без постоянного ручного запуска.

Все федеральные госслужащие должны проходить непрерывное специализированное обучение, а министров, генеральных директоров и ведомства в ближайшие 2 года будут оценивать по способности внедрять, понимать и использовать ИИ-инструменты.

Практически это меняет работу госаппарата: ИИ становится не отдельным чат-ботом, а исполнительным контуром процессов, а управленческая оценка чиновников привязывается к скорости и качеству внедрения.

Своего нет. Но чужое внедряем быстро.

https://www.mediaoffice.ae/en/news/2026/april/23-04/mohammed-bin-rashid-chairs-uae-cabinet-meeting

США

Оплата для федеральных ИИ-кадров

Управление кадровой службы США (Office of Personnel Management, OPM) 24 апреля опубликовало предлагаемое правило Critical Position Pay Authority о специальной оплате критически важных должностей.

Правило ссылается на задачу привлечения и удержания технических работников, включая кадры по искусственному интеллекту, информационным технологиям и кибербезопасности. 

Специалистов по ИИ мало. Хороших специалистов еще меньше.

Платить им на госслужбе нужно не просто много, а очень-очень-очень-очень много.  Иначе получается что генералами, академиками и нобелевскими лауреатами командуют малообразованные сержанты. 

Вот один из вариантов решения задачи. 

 HR-службы получают более гибкий инструмент конкуренции за дефицитные ИИ-кадры.


https://www.federalregister.gov/documents/2026/04/24/2026-07996/critical-position-pay-authority

Зеркало канала в Максе

https://max.ru/join/jyGLfWNI1OB1gvGImZphq6qaxYO08ybxGWO8BgpFk3A

Страна: США

OpenAI описала школьных ИИ-агентов

OpenAI Academy опубликовала инструкцию для школ K–12 по Workspace Agents — повторяемым рабочим процессам внутри ChatGPT. Агент описан не как «умный чат», а как настраиваемый процесс с триггером, инструкциями, разрешёнными файлами, инструментами и ограничителями. В примерах — еженедельная повестка для сотрудников: сбор пунктов, резюме прошлых действий, распределение обновлений по ответственным и черновик для проверки.

Простым языком описано что такое «ИИ агент» в школе  и чем это отличается от просто чата с GPT.

 Полезно для понимания что это за зверь такой «агент» :-).

Там же анонс вебинара на тему на 28 апреля. Думаем, будет полезно. 

В российской школе использовать ChatGPT не получится.  Но принципы едины для любой модели. И не только для школы.

https://academy.openai.com/public/clubs/k-12-education-aacga/blogs/understanding-workspace-agents-k-12-education

США / глобально

Meta меняет семейные правила игры вокруг искусственного интеллекта.

Родители, которые контролируют подростковые аккаунты, смогут видеть, о каких темах ребёнок говорил с Meta AI за последние семь дней. Не переписку целиком, а именно темы: школа, развлечения, здоровье, образ жизни и так далее.

Разговор подростка с искусственным интеллектом перестаёт быть полностью закрытой зоной.

Meta также говорит о будущих уведомлениях для родителей, если подросток пытается обсуждать с Meta AI самоубийство или самоповреждение.

Пока полностью везде не запретили детям и подростками использовать соцсети, приходится играть на опережение.

https://about.fb.com/news/2026/04/helping-parents-understand-conversations-their-teens-are-having-with-ai/

Китай

Китай вводит правила для ИИ-компаньонов

Государственная канцелярия интернет-информации Китая опубликовала временные правила для сервисов антропоморфного взаимодействия на базе ИИ .

Речь о сервисах, которые имитируют личность, стиль общения и эмоциональное поведение человека.

Для несовершеннолетних должны быть отдельные режимы защиты. Виртуальных родственников и виртуальных партнёров детям предоставлять нельзя. Для детей младше 14 лет требуется согласие родителей или других законных представителей.

Вообще в документе много любопытного можно узнать про антропоморфные услуги.

https://www.cac.gov.cn/2026-04/10/c_1777558395078289.htm

В продолжение темы

Когда исчезнет письменность?

Короткий ответ - никогда. Но не все так просто. 

Исчезнет не письменность, а большая часть ручного рутинного письма. 

При чём здесь ИИ? ИИ снижает цену входа в коммуникацию без клавиатуры. Вместо схемы «человек пишет машине» быстро растёт схема «человек говорит, показывает, уточняет, а машина сама превращает это в текст, речь, код, таблицу, статью, диссертацию.

ИИ не “убивает” письменность, а меняет её функцию.

Раньше письмо было одновременно и способом думать, и способом фиксировать мысль, и способом передать её машине с помощью клавиатуры. А некоторые до сих пор ратуют за шариковую ручку и мелкую моторику.

Теперь последняя функция ослабевает: машине всё чаще можно не писать, а говорить.

Но другие функции остаются. Письменность нужна там, где важны точность, проверяемость, версия документа, цитируемость, юридическая сила, асинхронная координация.

Закон, договор, учебная программа, экзаменационный критерий, научная статья, техническое задание, код, формула, протокол — всё это плохо живёт в чисто устной форме.

То есть. Читать мы не перестанем. А вот навыки писания (набивания текста на клавиатуре) будут становиться всем менее востребованными.

То есть, наши дети клавиатурой для создания больших текстов будут пользоваться не чаще, чем мы для тех же целей пользуемся шариковой ручкой.

Самый важный эффект ИИ — сдвиг от написания с нуля к редактированию, верификации и ответственности за итоговый текст. 

Письменность как социальная технология в обозримом будущем не исчезнет.
В ближайшем будущем намного вероятнее не исчезновение письма, а переход к модели, где:

люди реже пишут длинные тексты сами;

чаще диктуют, правят и утверждают;

ценность смещается с “умения быстро написать” к “умению проверить, уточнить, доказать и взять ответственность”.

Казахстан

ИИ стал обязательной дисциплиной для всех студентов

Дисциплины по ИИ становятся обязательными для всех студентов — не только для айтишников. Для вузов утверждён межвузовский стандарт применения ИИ, а преподавателям вводят обязательное повышение квалификации в этой сфере.

Студенту всё труднее будет выйти из вуза без минимальных ИИ-навыков. Даже если он очень старался :)

https://primeminister.kz/ru/news/edinaia-reguliatornaia-model-podgotovki-kadrov-v-sfere-ii-vnedrena-v-kazaxstane-31328

Люксембург

AI ≠ Human


Министерство образования Люксембурга запустило кампанию AI ≠ Human для молодёжи.

Надо срочно донести до людей, что ИИ может имитировать внимание, поддержку и разговор, но он не человек и не заменяет человеческие отношения.

Целевая аудитория — молодые люди от 12 до 30 лет и их окружение. Кампания идёт с апреля по июнь, включает школьные мероприятия, сайт, социальные сети и работу с инфлюенсерами.

ИИ-компаньоны становятся всё более убедительными: они слушают, отвечают, помнят, подстраиваются. Для подростка это может выглядеть как безопасный собеседник. Но за «собеседником» стоит система, которая хранит данные, моделирует эмоциональную близость и не несёт человеческой ответственности.

А вот Китай ничего не рекламирует.
Он регулирует. https://t.me/aiobraz/25

https://gouvernement.lu/en/actualites/toutes_actualites/communiques/2026/04-avril/16-meisch-chatbots.html

США

ИИ стал отдельным грантовым приоритетом Минобразования США

Министерство образования США опубликовало финальный приоритет и определения по развитию искусственного интеллекта в образовании. Документ вступает в силу 13 мая 2026 года.

Это не закон о школах и не приказ «всем внедрить ИИ». Речь о том, какие проекты ведомство сможет поддерживать через конкурсные грантовые программы:

ИИ-грамотность, возрастно-ориентированное обучение искусственному интеллекту и информатике в школьном образовании K–12, подготовка учителей, курсы и сертификаты для старшеклассников, учебное сопровождение, профориентация, персонализация обучения и снижение административной нагрузки.

Федеральное ведомство не ввело единые национальные стандарты, обязательное согласие родителей или новый порядок раскрытия поставщиков ИИ-систем. Эти вопросы оставлены штатам и местному уровню.

Великобритания 

AI-блоки встроены в официальную линейку apprenticeship units (Модули профессионального обучения).

DfE подтвердил доступность обновлённых AI units через Skills England и привязал их к действующим правилам финансирования.  (апрель–июль 2026 / последующие циклы).

Это уже не “пилот для энтузиастов”, а часть нормального финансируемого контура профподготовки.

https://www.gov.uk/government/publications/dfe-update-29-april-2026/dfe-update-local-authorities-29-april-2026

https://dzen.ru/video/watch/69f232300649ef5602d3888c?share_to=link

Интервью основателя Superjob.ru про ИИ. И рынок труда.

Любопытно.

Пятничное

Жил-был Илья. Не то чтобы совсем без способностей, но из тех пользователей, которые тридцать три года находились в полном офлайне — без апдейтов знаний, навыков и компетенций. Лежал на печи. Ни онбординга, ни повышения квалификации, ни переподготовки.

Печь была тёплая. Это, по сути, её единственное образовательное достоинство.

Пришли к нему Калики Перехожие. Субъекты странные, плохо классифицируемые. Похоже — ранняя версия образовательной платформы с адаптивным интерфейсом и встроенной мотивацией. Предложили воды.

Илья выпил.

Прошивка обновлена. Полный апгрейд: физика, навыки, боевые модули — всё активировано. Без лекций, без домашних заданий, без тестирования.

Онбординг занял пять минут.

Для сравнения: современные платформы дают тот же результат за восемь недель видеолекций, три вебинара и тест из сорока вопросов, половина — про саму платформу.

Илья встал и пошёл в мир.

Первым делом зашёл на платформу.

«БогатырьLearn» — «персонализированный ИИ-наставник для героев любого уровня». Три раунда инвестиций, красивый питч, логотип — золотой щит с нейросетью.

Илья прошёл тестирование.

Ответ системы:

«Профиль нестандартный. 33 года без активности — вызов для алгоритма. Рекомендуем курс “Основы пробуждения: от печи к осознанности”. Уровень: начинающий. Шесть недель».

Илья посмотрел на рекомендацию.

Посмотрел в окно.

Там уже стояли половцы.

Нажал «пропустить» и поехал на Соловья-Разбойника.

Соловей — классическая проблема информационного шума. Сидит на девяти дубах, свистит, парализует любую коммуникацию. Входящие данные — в мусор, исходящие — туда же.

Современный аналог — корпоративный чат в пятницу после обеда.

Илья применил точечное воздействие, устранил источник шума, восстановил нормальный информационный фон.

«БогатырьLearn» прислал уведомление:

«Вы завершили модуль “Управление информационным шумом”. Начислено 340 баллов. До сертификата — ещё 4 660».

Илья уведомление закрыл.

В Киеве князь Владимир собрал совещание.

Повестка: цифровая трансформация богатырского дела. Участники: Добрыня, Алёша, консультанты и стартап «ДружинаТех» с презентацией на 42 слайда.

Стартап предлагал заменить богатырей ИИ-системой раннего предупреждения, связанной с картами «Вещий Олег Мэпс» и аналитикой набегов на основе исторических данных.

Илья сидел в углу и ел калачи.

Добрыня спросил, как система работает без покрытия в поле.

Тишина.

Представитель стартапа объяснил: вопрос важный, в следующем релизе будет офлайн-режим, пока — кэшированные угрозы.

Алёша спросил, что это.

Совещание длилось ещё четыре часа.

Половцы дошли до Чернигова.

Вечером Илья вернулся на платформу.

«Вы не заходили 14 дней! Серия прервана. Пройдите урок и восстановите прогресс. Тема: тайм-менеджмент для богатырей».

Первый слайд: «Главный враг обучения — прокрастинация».

Илья закрыл платформу, лёг спать и утром поехал освобождать Царьград.

Без сертификата.

Выводы:

— тридцать три года на печи компенсируются быстрее правильным онбордингом, чем шестинедельным курсом;
— платформа, которая выдаёт сертификат вместо результата, — это не образование, а коллекция значков;
— информационный шум нужно устранять до совещания;
— ИИ с «кэшированными угрозами» в чистом поле — архитектура любопытная, но бесполезная;
— человек, который ничего не делал, а потом сделал всё, — не сбой системы, а её главный нераскрытый кейс.

Калики Перехожие юрлицо так и не зарегистрировали.

А могли бы поднять раунд.

Сингапур

ИИ-переход работников вынесли на уровень правительства, профсоюзов и работодателей

Министерство трудовых ресурсов Сингапура, Национальный конгресс профсоюзов и Сингапурская национальная федерация работодателей 30 апреля объявили о намерении создать Tripartite Jobs Council — трёхсторонний совет по рабочим местам для перехода к экономике с искусственным интеллектом.

Перепроектирование рабочих мест, обучение работников, поддержка компаний, карьерное сопровождение и доступ к ИИ-инструментам собирают в одну систему.

С 1 мая участники профсоюза смогут использовать Union Training Assistance Programme для доступа к выбранным ИИ-инструментам.

Подписка на ИИ-инструменты становится частью рабочего процесса, а не личной игрушкой работника.

https://www.mom.gov.sg/newsroom/press-releases/2026/0430-formation-of-tripartite-jobs-council

США

ChatGPT for Teachers открыт для школ

Справочный центр OpenAI (OpenAI Help Center) обновил описание ChatGPT for Teachers — защищённой рабочей среды ChatGPT для педагогов.

Доступ заявлен бесплатным до июня 2027 года для подтверждённых сотрудников школ K–12 в США.

Ученики к продукту не допускаются. Проверка идёт через школьный адрес, затем учитель может создать или присоединиться к школьному рабочему пространству. По умолчанию данные не используются для обучения моделей.

Подробности
https://help.openai.com/en/articles/12844995-chatgpt-for-teachers (OpenAI Help Center)

Говорят, хорошая нейросеть уже сегодня позволяет собрать отличную кандидатскую диссертацию, во всяком случае по гуманитарной теме, за неделю. 

Что с этим делать?

Вот что предлагает ChatGPT :)
….
Поменять ситуацию можно только одним способом: превратить диссертацию в публичный научный продукт.

Не «написал — защитился — положил в архив», а:
исследовательская проблема → проверяемые данные или корпус источников → публичная дискуссия → текст, нужный другим людям → защита как финальная экспертиза, а не единственный смысл работы.

1. Тема должна рождаться из реального научного дефицита

Главная болезнь многих диссертаций — ненужная постановка вопроса.

Плохая тема выглядит так:
«Особенности художественного метода Л. Н. Толстого в контексте нравственно-философской проблематики романа…»

Такая тема не нужна никому.

Хорошая тема начинается с вопроса:
Какое знание появится после этой диссертации, которого раньше не было?

Например, не «Толстой и нравственность», а:
Как менялась аргументация против насилия в черновиках, публицистике и поздней прозе Толстого — и почему разные читательские группы прочитали её по-разному?

2. У диссертации должен быть адресат

Сейчас диссертация часто пишется для «диссертационного совета». Это путь в корзину.

Нужно заранее понимать, кто будет читать работу после защиты:
специалисты по теме;
преподаватели;
студенты;
редакторы академических изданий;
музейные, архивные и культурные институции;
государственные или общественные структуры, если тема прикладная;
международные исследователи, если тема имеет внешний контекст.

3. Перед защитой нужна не имитация апробации, а настоящая внешняя критика

«Апробация» часто превращается в формальность: выступил на конференции, опубликовал тезисы, получил галочку.

Нужно иначе:
За год до защиты — публичный доклад по замыслу.
За полгода — обсуждение сильной главы.
За три месяца — внешнее рецензирование всего текста, не только друзьями кафедры.
До защиты — публикация тезисов диссертации в форме нормальной статьи: что я доказываю, на чём это основано, что здесь нового.

4. Диссертация должна быть написана человеческим языком

Огромное количество диссертаций умирает не потому, что они неверны, а потому что их невозможно читать.

«В рамках актуализации проблемно-семантической парадигмы репрезентации нравственно-онтологического комплекса…»

А можно так:
«Толстой не просто осуждает насилие. Он постепенно меняет сам способ разговора о насилии: от нравственной оценки поступка к критике институтов, которые делают насилие нормой».

Это тоже научный язык. Но он живой.

5. У диссертации должна быть вторая жизнь

После защиты автор должен сделать из диссертации один или несколько продуктов:
2–3 сильные статьи;
монографию или научно-популярную книгу;
открытый корпус источников;
учебный модуль;
публичную лекцию;
методический материал;
аналитическую записку, если тема прикладная.

6. Нужно оценивать не только факт защиты, но и послезащитную судьбу работы

Сейчас защита — финальная точка. А должна быть промежуточная.

Через 2–3 года можно смотреть:
вышли ли статьи по теме;
цитируется ли работа;
используется ли она в преподавании;
стала ли она книгой;
востребован ли собранный корпус источников;
продолжил ли автор тему;
возникла ли вокруг работы дискуссия.

Ничего нет? Это не должно автоматически отменять степень. Но должно влиять на репутацию научного руководителя, кафедры, диссертационного совета и аспирантской программы.

7. Нужно менять мотивацию аспиранта

Пока главный мотив — «получить степень», текст будет квалификационным документом.

Нужна другая установка:
Кандидатская диссертация — это первая серьёзная заявка автора на собственное место в научном разговоре.

Не «доказать, что я умею писать по правилам», а:
«Вот вопрос, который я понял лучше других. Вот источники. Вот метод. Вот мой ответ. Вот почему теперь нельзя обсуждать эту тему так, будто моей работы не было». И вот здесь использовался ИИ :)

Диссертация должна иметь проблему, адресата, внешнюю критику, читаемый язык и обязательную жизнь после защиты.

К дипломам тоже относится :)

#КартаИИ@aiobraz

Мы начинаем публиковать Карту образовательного ИИ. Инструментов много. Путаницы много. Попробуем разобраться. 

План публикаций.
1. Общая карта: какие типы ИИ есть в образовании и науке.
2. Генеративные чат-боты: ChatGPT, Claude, Gemini, Copilot.
3. ИИ-тьюторы: почему подсказка лучше готового ответа.
4. Адаптивное обучение: как платформа строит индивидуальный маршрут.
5. Учебная аналитика: раннее выявление риска и дашборды.
6. ИИ для учителя: планы уроков, тесты, рубрики, материалы.
7. Оценивание и академическая честность: Gradescope, Turnitin, прокторинг.
8. ИИ и инклюзия: субтитры, перевод, чтение, речь.
9. ИИ для literature review: Semantic Scholar, Elicit, Scite, ResearchRabbit.
10. ИИ для документов и конспектов: NotebookLM и RAG.
11. ИИ для кода и анализа данных: Copilot, Codex, Colab, Advanced Data Analysis.
12. AI for Science: AlphaFold, GNoME, BioNeMo, GraphCast.
13. Компьютерное зрение в науке: микроскопы, спутники, телескопы.
14. Автономные лаборатории: ИИ плюс роботы.
15. ИИ-агенты: от помощника к исполнителю задач.
16. Риски, политика и правила внедрения.


Карта ИИ в образовании и науке: что уже используется

ИИ в образовании — это не один «чат-бот для списывания». Это целая группа технологий, которые уже встроены в обучение, научную работу, аналитику, проверку заданий, поиск литературы, лаборатории и административные процессы.

Условно все образовательные и научные ИИ-системы можно разделить на несколько типов.

Первый тип — генеративные ассистенты. Это ChatGPT, Claude, Gemini, Copilot и похожие системы. Они объясняют темы, помогают писать черновики, создавать тесты, разбирать документы, готовить учебные материалы и анализировать данные. OpenAI отдельно предлагает ChatGPT Edu для университетов: он рассчитан на студентов, преподавателей, исследователей и кампусные процессы.  

Второй тип — ИИ-тьюторы. Их задача не просто дать ответ, а сопровождать мышление ученика. Например, Claude for Education включает learning mode: режим, который направляет рассуждение студента, а не просто выдаёт готовое решение. Аналогичный режим есть в ChatGpt. 

Третий тип — адаптивные платформы. Они анализируют ответы, ошибки и темп ученика, а затем подбирают следующий шаг. Пример — MATHia от Carnegie Learning: система подстраивает математическое обучение под действия ученика.  

Четвёртый тип — учебная аналитика. Это ИИ и алгоритмы, которые помогают преподавателю или вузу увидеть: кто отстаёт, где массовая ошибка, какой курс вызывает проблемы, кому нужна поддержка. Алгоритмы прогнозируют или выявляют скрытые аспекты учебного процесса на основе исторических данных и текущего поведения.  

Пятый тип — ИИ для науки. Это уже не про рефераты, а про белки, новые материалы, молекулы, погоду и автономные лаборатории. AlphaFold 3, например, предназначен для предсказания структуры и взаимодействий биомолекулярных комплексов.  

ИИ может быть репетитором, редактором, аналитиком, ассистентом исследователя, проверяющим, поисковиком, лабораторным ассистентом, планировщиком или административным помощником.

Он полезен там, где усиливает человека. Он опасен там, где без контроля начинает оценивать, обвинять, решать судьбу студента или выдавать гипотезу за доказанный научный факт.

Продолжение следует…

#КартаИИ@aiobraz

Генеративные чат-боты: репетитор, редактор или машина для списывания?

Самый заметный тип ИИ в образовании — генеративные чат-боты. Это ChatGPT, Claude, Gemini, Copilot и другие системы, которые умеют вести диалог, объяснять, писать, структурировать, переводить, резюмировать и помогать с идеями.

Их часто обсуждают через страх и непонимание: «студенты разучатся думать, вместо него все написал ИИ, там сплошные галлюцинации». 

Такие риски существуют. Но, как часто преувеличены. Особенно любят бояться те работники образования, которые информацию об образовательном ИИ видели только в презентациях на скучных совещаниях. 

В нормальном образовательном сценарии чат-бот — не автор вместо ученика, а тренажёр мышления.

Что он может делать?

Объяснить сложную тему простым языком.
Подобрать аналогию.
Составить вопросы для самопроверки.
Показать слабые места в аргументации.
Помочь преподавателю сделать черновик задания.
Переписать текст под другой уровень сложности.
Сгенерировать несколько вариантов кейсов.
Подготовить план семинара.

Список можно продолжать до бесконечности.

Нет такого процесса внутри образования, в котором генеративный (но не только) ИИ не мог бы быть эффективно использован. Просто надо уметь работать с существующими инструментами. 

Например, OpenAI описывает ChatGPT Edu как версию ChatGPT для университетов, которая предназначена для студентов, преподавателей, исследователей и административных процессов. Отдельно упоминаются персонализированная поддержка студентов, помощь исследователям и преподавателям.  

Anthropic в Claude for Education говорит о том же самом.

Все уже слышали о «плохих» и «хороших» запросах к ИИ.

Плохой запрос: «Напиши эссе за меня».

Хороший запрос: «Вот мой черновик. Проверь логику аргументации, задай вопросы и покажи, где я не доказал тезис».

Плохой запрос: «Реши задачу».

Хороший запрос: «Не давай ответ сразу. Веди меня шагами и задавай наводящие вопросы».

Плохой запрос: «Сделай доклад».

Хороший запрос: «Составь структуру доклада, а я сам заполню её источниками».

Главная педагогическая проблема не в том, что ИИ пишет текст. Тексты без ИИ вообще скоро никто писать не будет.

Многие старшие школьники и студенты не пишут уже. Мы об этом уже говорили в нашем канале. 

Проблема в том, что студент может перестать делать усилие, ради которого и задана работа. Поэтому задания должны меняться.

Нужно меньше оценивать «красивый финальный текст» и больше — процесс: черновики, источники, устную защиту, логику, перенос знания на новую задачу, способность объяснить собственное решение.

Генеративный ИИ также ошибается. Он может уверенно придумать факт, ссылку, цитату или объяснение. Но не будет этого делать, если обучающийся понимает, как установить прямой запрет на подобное. 

Тем не менее, результаты работы ИИ нельзя использовать как окончательный источник истины. Пока нельзя.

Работа с ИИ прекрасно годится для черновика, тренировки и диалога. Но факты, источники и выводы проверяет человек. Если не ленится, конечно. 

ИИ чат-бот в образовании это не зло и не чудо. Он становится либо шпаргалкой, либо тьютором в зависимости от правил, заданий и культуры использования.

Продолжение следует