Цифровое образование
Кризис искусственного интеллекта в высшем образовании: стратегическое предложение
Автор Марк Карриган
рассматривает не столько технические возможности ИИ, сколько последствия массового распространения языковых моделей для доверия, оценки, образовательной культуры и самого университета.
Главный тезис: кризис высшего образования вызван не просто появлением ИИ, а тем, что языковые модели уже массово используются студентами и преподавателями, при этом не сформировались общие нормы их допустимого использования. В результате возникает многомерный кризис доверия.
Карриган предлагает не выбирать между запретом ИИ и его тотальной интеграцией, а использовать стратегию «недостаточной интеграции» (strategic under-integration) — двигаться вперед постепенно, сохраняя возможность менять курс по мере развития технологий.
Проблема не столько в «ИИ», сколько в конкретном программном обеспечении
Автор призывает осторожнее употреблять термин «искусственный интеллект». Он слишком широк: под ним смешиваются LLM, рекомендательные алгоритмы, системы прогнозирования, генеративные инструменты и совершенно разные технологии.
Для университетов практичнее говорить о конкретных языковых моделях и конкретных сценариях их использования. Это позволяет обсуждать реальные проблемы, а не гипотетический «сверхинтеллект».
При этом LLM могут выполнять две противоположные функции:
когнитивное усиление — помогать человеку думать, исследовать, анализировать;
когнитивный аутсорсинг — выполнять интеллектуальную работу вместо человека.
Поэтому сама технология не является автоматически ни «хорошей», ни «плохой» для образования: результат зависит от того, как именно её используют.
ИИ обнаружил старые проблемы университетов
Массовое использование LLM нельзя объяснять только тем, что студенты «ленивы» или хотят списывать. Автор предлагает исследовать причины такого поведения: перегрузку студентов, необходимость работать, финансовые трудности, обязанности по уходу за родственниками, плохое качество преподавания и инструментальное отношение к диплому.
Таким образом, LLM выступают своего рода зеркалом существующей университетской системы: они усиливают уже существующие противоречия.
Возникает новый цифровой разрыв
Использование LLM требует определённой цифровой, языковой и культурной компетентности. Более подготовленные и обеспеченные студенты способны получать от моделей значительно больше.
Особенно важным автор считает появление ИИ-агентов: у одних студентов потенциально могут работать целые «команды» агентов, тогда как другие будут пользоваться бесплатными ограниченными моделями или не использовать их вообще. Это способно усилить существующее социальное неравенство.
Главная проблема — кризис доверия
Карриган выделяет четыре направления разрушения доверия:
Преподаватели → студенты: подозрение, что студенты используют LLM для мошенничества.
Студенты → преподаватели: подозрение, что преподаватели сами используют LLM, устанавливая при этом более жёсткие требования студентам.
Студенты → студенты: страх, что другие используют ИИ и получают конкурентное преимущество.
Преподаватели → преподаватели: подозрения в использовании ИИ при написании статей, рецензий, учебных материалов и т. д.
Особенно опасно то, что становится трудно установить связь между созданным контентом и его реальным автором. Хорошо написанное эссе уже не является надёжным свидетельством знаний студента, а качественная презентация — свидетельством того, что преподаватель сам проделал интеллектуальную работу.
Детекторы ИИ не решают проблему
Попытка определить по самому тексту, использовал ли его автор LLM, создаёт новую проблему: подозрение легко принять за доказательство.
Гладкий стиль может быть результатом полной генерации текста, а может быть результатом самостоятельной работы с последующей редактурой с помощью ИИ. Поэтому автор предлагает переходить от морального осуждения к диагностическому анализу: выяснять, почему возникло такое использование ИИ и что оно говорит об организации обучения.
Парадокс: университету нужны одновременно адаптация и интеграция ИИ
Карриган различает два направления:
Адаптация к
33 ·