Исследование, опубликованное в PNAS (журнал Национальной академии наук США), показало неоднозначный эффект использования ИИ в обучении. В эксперименте с участием почти 1 тыс. человек студенты, применявшие GPT-4 для решения задач, улучшили успеваемость на 48% в базовой версии и на 127% в версии с «педагогическими ограничениями». Однако когда доступ к нейросети отключили, первая группа сдала экзамен на 17% хуже, чем студенты, которые вообще не пользовались ИИ. Авторы делают вывод: «улучшили выполнение» не означает «улучшили обучение».
Эти данные стали отправной точкой для интервью с Игорем Никифоровым, доцентом Высшей школы программной инженерии Санкт-Петербургского политехнического университета Петра Великого. Никифоров — автор более 100 рецензируемых публикаций, имеет практический опыт в EMC, Dell и OpenText, руководит корпоративной магистерской программой «ИТ-инфраструктура предприятия» совместно с «Газпромнефть-ИТО». В разговоре с бэкенд-разработчиком Домклик Галиной Череватенко он обсудил, как ИИ трансформирует образование, почему студенты стали сложнее контролироваться и что делать разработчикам, чтобы не отстать.
| Группа | Успеваемость | Результат после отключения ИИ |
|---|---|---|
| С GPT-4 (базовая) | +48% | на 17% хуже контрольной |
| С GPT-4 (педагогические ограничения) | +127% | данные не указаны |
| Без ИИ (контрольная) | базовый уровень | стабильный результат |
По словам Никифорова, страха перед ИИ нет ни у него, ни у коллег. Проблема — в психологическом барьере и консерватизме. Одни специалисты быстро осваивают новые инструменты, другие, перегруженные работой и бытом, начинают «опаздывать». Если разрыв растягивается на 10–20 лет, возникает страх не освоить новое. При этом базовый уровень работы с ИИ, по его мнению, прост — «это то же самое, что открыть браузер и воспользоваться поисковиком».
После отключения ИИ группа, использовавшая нейросети, написала экзамен на 17% хуже, чем те, кто не пользовался ими.
Курсовое образование, как показывает опыт Череватенко, пока не готово к массовому использованию ИИ. Контроль знаний часто строится на проверке решений и скриншотов, которые легко сгенерировать искусственно. Это ставит вопрос о ценности таких курсов: если задание можно выполнить от начала до конца с помощью нейросети, что именно проверяется? Вузы, напротив, уже адаптируются: преподаватели используют ИИ для подготовки материалов, но ужесточают контроль на экзаменах, делая упор на устные ответы и защиту проектов.
Никифоров подчёркивает, что фундаментальные знания остаются критичными. Когда код пишет машина, важно понимать, что и зачем она делает, иначе ошибки ИИ останутся незамеченными. Он рекомендует разработчикам инвестировать время в изучение архитектуры, алгоритмов и методологий, а не только в инструменты. Высшее образование, по его мнению, по-прежнему нужно в IT, но оно должно смещаться от передачи фактов к развитию инженерного мышления и навыков работы с ИИ как с инструментом.
Эксперимент PNAS и мнение преподавателя сходятся в одном: ИИ — не замена обучению, а инструмент, который требует новых подходов к контролю и методике. Пока курсы и вузы ищут баланс, студентам и разработчикам стоит помнить: нейросеть может помочь выполнить задачу, но не гарантирует, что знания останутся в голове.
