Измеряем эффективность искусственного интеллекта в системе образования и не только
Словосочетание «Искусственный интеллект» (ИИ) и все, что крутится вокруг него в последнее время – одна из самых животрепещущих тем во всем мире. Горячий пирожок в технологической среде. Он оказал влияние на многие аспекты жизни, в том числе на образование. Эксперты в данной области заявляют, что «искусственный интеллект» — это общий термин и следует разделять такие специальности, как программирование, статистика и машинное обучение. Машинное обучение всегда подразумевает использование искусственного интеллекта, однако ИИ не всегда подразумевает машинное обучение.
"Машинное обучение – это раздел программирования. Это про создание алгоритмов, которые обучаются и развиваются на основе получаемых данных. Машинное обучение объединяет в себе ряд дисциплин: теоретическая и прикладная математика, программирование", - рассказывает Татьяна Гайнцева, исследователь искусственного интеллекта, автор ТГ-канала DLStories | Нейронные сети и ИИ, соучредитель школы глубокого обучения МФТИ МПФИ Deep Learning School.
Сейчас практически все образовательные учреждения, корпоративные университеты стремятся использовать ИИ, чтобы сделать обучение более эффективным и доступным для всех. Цифровой разум обеспечивает новые возможности для улучшения эффективности, доступности и персонализации обучения и может применяться в различных отраслях и сферах деятельности.
Например, в ИТМО существует целая команда, которая разрабатывает решения на базе ИИ для оптимизации учебного процесса и внедрения data‑driven (с англ. «управляемый данными», ред.) подхода в университет. Одно из таких решений — применение технологий компьютерного зрения для мониторинга и оптимизации загруженности аудиторией.
«Стандартный способ узнать, занято то или иное помещение, — проверить расписание. Но такой способ работает далеко не всегда: пары иногда проводят онлайн или заменяют работу в классе на самостоятельное задание — а, значит, и аудитория окажется пустой. Система, которая анализирует данные с видеокамер, позволяет понять, насколько учебное расписание соответствует действительности и как его можно оптимизировать: например, быстро определить свободные аудитории и использовать их для других активностей. При этом не нужно вручную проверять, проводится ли занятие в аудитории по расписанию и искать свободные классы, теперь с этим справляются камеры. Кроме того, эти данные используют, чтобы отражать загруженность помещений в приложении для студентов. Данные оформляются в виде тепловых карт. Система не собирает персональные данные (в том числе биометрические), поэтому она безопасна. Её можно легко масштабировать в другие ВУЗы и адаптировать для решения других задач, связанных с видеоаналитикой», — комментирует Святослав Орешин, директор центра учебной аналитики ИТМО.
Применение видеоаналитики и не ограничивается только образовательной сферой, она может быть использована для решения бизнес‑задач, например, в ритейле. Так, с помощью сервиса можно будет отслеживать перемещения покупателей в торговом зале, стенды, у которых они задерживаются или наоборот, секции, к которым никто не подходит.
Однако, развитие и эффективность искусственного интеллекта на данный момент эксперты оценивают по‑разному.
«На самом деле искусственный интеллект еще сравнительно слаб. По своему развитию он находится где‑то между ручкой и попугаем. Он делает только то, что скажет ему человек, а именно поставит ему конкретную задачу. И это тоже надо уметь делать, чтобы получить желаемый результат. У ИИ нет глобальных целей, нет эмоций. Он неплохо распознает картинки, написанный текст, предсказывает успеваемость учеников/студентов, заполняет журнал посещаемости при наведении камеры на аудиторию. Модели ИИ трансформируют, обобщают информацию, но они это делают не для создания шедевров в искусстве или науке, а для того, чтобы максимально скопировать человека, скопировать даже в том, что мы все немного разные. Так что ИИ будет нам помогать и делать это эффективно. Освобождая больше времени на генерацию идей и забирая все больше рутины», — Владимир Судаков, д.т. н., главный научный сотрудник научной лаборатории «Прикладное моделирование» РЭУ им. Г.В. Плеханова.
Помимо этого, искусственный интеллект уже используется в таких областях, как управление системами безопасности и прогнозирование тенденций на рынке труда. Он также помогает в разработке персонализированных обучающих алгоритмов, которые учитывают специфические потребности каждого студента и предлагают соответствующие задания для развития их навыков.
Одним из самых важных аспектов использования ИИ в образовании является улучшение доступности обучения для всех. Искусственный интеллект также меняет требования к учебным программам и квалификации преподавателей. Педагогам необходимо не только обладать знаниями в своей области, но также иметь представление о технологиях ИИ и их использовании в образовании. Кроме того, учебные программы должны учитывать новые технологии и научные открытия, которые становятся доступными благодаря ИИ. И пандемия здесь также сыграла свою роль.
Татьяна Гайнцева еще будучи студенткой вместе со своими коллегами из университета основала школу на базе Московского физико‑технического института. Студентам преподают основы машинного обучения и искусственного интеллекта. Процесс образования интерактивный и удовлетворяет потребности учащихся, предоставляя им возможность работать с реальными объектами и решать сложные задачи. Обучение бесплатное.
«Каждые полгода мы запускаем новую итерацию нашего двухсеместрового практического онлайн‑курса по глубокому обучению. Рассказываем про искусственный интеллект и машинное обучение на языке Python. Погружаем в основы математики, работы с данными алгоритмами и методами создания моделей ИИ. И, конечно, много практики. Цель нашей школы — популяризовать машинное обучение во всех регионах России, сделать образование в этой области более доступным. Школа ориентирована на учеников старших классов школ и студентов вузов, но обучаться могут все желающие», — Татьяна Гайнцева.
Меняются и национальные проекты и государственные программы, чтобы технологии ИИ массово внедрялись в каждую отрасль экономики и социальной сферы. Появляется больше возможностей и перспектив для развития новых профессий, саморазвития и реализации собственного потенциала. Владимир Судаков выражает уверенность, что профессии будущего — это аналитики данных и исследователи ИИ.
«Люди способные ставить цели перед искусственным интеллектом, и способные объяснить то на основании чего действовать, сформулировать это в виде моделей, примеров и контрпримеров поведения — это перспективно. Они должны уметь найти данные, необходимые для обучения ИИ. Так можно будет не тратить 8 часов рабочего времени на то, чтобы перерыть гору данных или, чтобы прокопать канаву, а важно будет аккуратно за 5 минут легким движением направить ИИ в нужное русло»
Эксперты заверяют, что ИИ не заменит никого, однако некоторых специалистов станет меньше и существующие профессии будут трансформироваться.
«Чтобы не потерять работу, надо следить за новыми технологиями в своей области, развиваться и преумножать свои навыки в выбранной профессии. Не надо перебегать в другую отрасль только потому, что это в конкретный промежуток времени модно и популярно. Нужно ориентироваться на лидеров общественного мнения в своем деле и черпать для себя новые инструменты. А вот, если вы хотите изменить выбранный курс, надо смотреть на технологии и соизмерять их со своими способностями», — Татьяна Гайнцева.
«Я не думаю, что какие‑то профессии уйдут совсем. Просто некоторых специалистов нужно будет меньше. Например, переводчики будут меньше тратить время на рутинные технические тексты, но художественный перевод никуда не денется. Просто к нему нужно будет более ответственно подходить, борясь с искушением довериться к предложению ИИ, не владеющему тонкостями конкретной национальной культуры. Еще бухгалтеров должно стать существенно меньше. Сейчас ИИ учится распознавать хозяйственные операции и в будущем будут только бухгалтеры высокого уровня, думающие больше над целями организации эффективного учета, а не над необходимостью его исполнения. Судьи избавятся от рутины написания мотивировочный части судебного акта, хотя редактировать и писать резолютивную статью наверно будут люди. Пилоты как в гражданской, так и военной авиации тоже постепенно будут заменяться ИИ». — Владимир Судаков.
Благодаря прорывным технологиям последних лет — новые архитектуры нейросетей — трансформеры и рекуррентные сети, позволяют ускорить процесс обучения больших данных. Важно следить за качеством и точностью моделей, тестировать их на разных данных и постоянно совершенствовать алгоритмы и стратегии обучения.
Искусственный интеллект — это наша часть жизни. Сами того не ведая, мы его обучаем: нажимая на кнопки, фотографируя, перемещаясь в пространстве. Наши холодильники, чайники, кондиционеры, телевизоры, автомобили, пылесосы подключены к серверам в сети Интернет, которые собирают большие данные для обучения ИИ. Программы на смартфоне, рекомендуя что‑то купить или куда‑то пойти уже сейчас влияют на наши действия. Однако, чтобы не потерять контроль над этим обучением, важно делиться знаниями, опытом, разработками, обсуждать возможности и проблемы, вырабатывать общие принципы развития ИИ.
«Сложно спрогнозировать, какой будет искусственный интеллект через 5 лет. Скорей можно говорить, что в перспективе 10–20 лет появятся технологии на основе машинного обучения с подкреплением и/или на основе аппаратной базы квантовых компьютеров, которые вторгнутся в область принятия решений. Это будет ИИ, который в состоянии предложить стратегию развития бизнеса или вообще придумать новый бизнес. Это будет ИИ, который не просто беседует с отдельным человеком и пытается ему помочь, а ИИ который придумывает как воздействовать на большие и малые сообщества для достижения целей компании и/или государства», — Владимир Судаков.
