Есть человеческая цена, о которой мы не говорим
Автор Марк Уоткинс
Джуди Бургли и The Bigger Picture / Better Images of AI / The Omnipresent Tapestry / CC-BY 4.0
В основе разговоров о покупке лицензий на генеративный ИИ в образовательеых учреждениях лежит справедливость — предоставление студентам равного доступа к лучшему инструменту или инструментам на рынке. Однако доступ — это не та проблема, о которой мы думаем. Стремление к справедливости — это просто знакомое повествование, переосмысленное для оправдания коммерческих предложений компаний ИИ о выгодных контрактах в кампусе и штате. В целом, речь идет не о доступе, справедливости или предоставлении студентам инструментов, которые им понадобятся для будущей карьеры. Они есть у них сейчас. Часто бесплатно.
То, что на самом деле происходит с принятием ИИ в кампусе, — это смесь сигналов добродетели и панических покупок. Университеты не платят за ИИ — они платят за иллюзию контроля. Институты верят в идею, что если они внедрят ИИ в больших масштабах, то смогут управлять тем, как студенты его используют, и смогут легко интегрировать его в преподавание и обучение и каким-то образом обеспечить образование, соответствующее требованиям завтрашнего дня. Но реальность гораздо сложнее.
ИИ не нуждается в школах или университетах для его распространения. Студенты имеют доступ к лучшим генеративным инструментам бесплатно или по низкой цене. Аналогично, большинству преподавателей не нужны институциональные лицензии на ИИ, чтобы экспериментировать с новейшими генеративными моделями. И никто — ни администраторы, ни политики, ни сами компании ИИ — не может предсказать, как эта технология будет развиваться в ближайшие шесть месяцев, не говоря уже о пяти годах.
Многие, кто покупает инструменты ИИ в образовательных учреждениях, делают это, ошибочно полагая, что покупка доступа дает им больший контроль над тем, как их пользователи взаимодействуют с ИИ. Это не так.
Студенты в основном не доверяют университету, который вручает им генеративный инструмент и говорит им, что его безопасно использовать, потому что студенты не доверяют должностным лицам, которые контролируют инструмент, который они привыкли рассматривать только как инструмент для обмана. Это цена, которую вы платите, когда вы внедряете совершенно новую технологию с небольшим количеством мер предосторожности, без каких-либо рекомендаций и бесплатным доступом.
Доступ к генеративному ИИ — не проблема
Инструменты генеративного ИИ часто доступны бесплатно или по низкой цене, и это не изменится. Сэм Альтман официально заявил, что GPT-5 будет доступен бесплатно. Вы можете получить доступ ко всем первоклассным моделям Google бесплатно через AI Studio. Черт возьми, вы даже можете включить функцию Multimodal Live от Google и провести 10-минутный сеанс с ИИ, который разговаривает и видит вас и экран вашего компьютера — все это бесплатно
Расходы снижаются
Google теперь предлагает годовые контракты на свою модель Gemini со скидкой 50% для студентов. За 9 долларов в месяц вы получаете доступ ко всем премиум-функциям ИИ от Google. Предложение такой значительной скидки является верным признаком двух вещей: расходы на запуск моделей снижаются, в то время как крупные компании ИИ одновременно изо всех сил стараются перевести пользователей с бесплатных на платные уровни. Я предполагаю, что они борются с последним.
Пользователи могут заставить генеративные модели выполнять различные задачи для них, но объединение задач вместе с помощью инструментов ИИ, чтобы сделать вас суперпользователем, часто является рекламным ходом, который не нашел отклика. Студенты используют ИИ спорадически. Иногда это делается для мозгового штурма и помощи в учебе, но, скорее всего, чаще всего это экономит время на прохождение экзаменов. Напишите это эссе для меня, закончите этот пост для обсуждения, сгенерируйте для меня план и сократите эту лекцию для меня. Сэкономьте. Мое. время. Это не переводится в последовательную стратегию внедрения, которая оправдывает траты от 20 до 200 долларов в месяц на доступ к моделям, когда бесплатных версий часто достаточно.
В настоящее время у нас нет ресурсов для разработки учебной программы по прикладному ИИ, и у нас нет консенсуса о том, как преподавать навыки генеративного ИИ этично, сохраняя и улучшая наши существующие навыки, а не угрожая атрофией этих навыков. Потребуются годы проб и ошибок, чтобы эффективно интегрировать ИИ в наши дисциплины. Это при условии, что технология на какое-то время остановится. Этого не произойдет. Что оставляет нас в постоянном состоянии попыток адаптироваться. Так почему же мы инвестируем миллионы в более широкий доступ к инструментам, для изучения или интеграции которых ни у кого нет времени или ресурсов?
Deep Research не оправдывают ажиотаж
Deep Research (Глубокие исследования) — это новая функция ИИ, о которой люди говорят в социальных сетях, но окупается ли она работой с ней? Платный план Gemini от Google был первым, кто запустил его, затем китайская модель DeepSeek сделала что-то похожее, а затем OpenAI выпустила функцию под тем же названием. Даже Grok 3 от X имеет поиск, похожий на Deep Research. Теперь сторонние инструменты, такие как Perplexity, имеют свой собственный инструмент Deep Research.
Методика, лежащая в основе Deep Research, использует цепочку командных запросов (промптов) в сочетании с поиском в Интернете, чтобы по сути создать литературный обзор. Вкус Deep Research от OpenAI более аналитический, чем у остальных, и выходит за рамки создания отчета длиной в белую книгу, но это не значит, что стоит платить премию в размере 200 долларов в месяц за доступ.
Леон Фрузе провел работу по тщательному сравнению трех версий инструментов Deep Research в своем блоге. То, что Фрузе обнаружил в Hands on With Deep Research, перекликается с тем, что Дерек Лоу обнаружил в своем собственном обзоре инструмента OpenAI: впечатляющие возможности в сочетании с поверхностным исследованием и неспособностью инструмента различать реальные и сфабрикованные источники. Фрузе удачно подводит итог своему обзору этого нового класса функций:
Единственный вывод, к которому я пришел, заключается в том, что это приложение для предприятий и отдельных лиц, чья работа заключается в создании длинных, на первый взгляд точных отчетов, которые на самом деле никто не будет читать. Любой, чья роль включает в себя исследования, которые должны оказаться в PowerPoint. Оно разработано для создания видимости исследования без проведения каких-либо реальных исследований по ходу дела.
Реальная стоимость ИИ в высшем образовании
Сколько тратит высшее образование на ИИ? Этот, казалось бы, простой вопрос имеет так много слоев, что истинную стоимость практически невозможно измерить. И я имею в виду не только материальные затраты. Люди выгорают. Некоторые уходят на пенсию. Другие просто увольняются.
Просить профессионального специалиста узнать о новом технологическом прогрессе на полпути его карьеры не сработало для автомобильной или производственной промышленности, когда автоматизация достигла масштабов в 1980-х годах. Конечно, правительство предлагало программы переподготовки, но это все равно не меняло сути — один из способов работы изменился. Очень многие люди не приспособились к этим изменениям.
Просить кого-то, кто учился в колледже и, возможно, даже в магистратуре, освоить новые навыки, обычно не так уж и сложно. Мы часто меняем карьеру, используя базовые навыки, полученные в университетах, чтобы ориентироваться в новых требованиях работы или отрасли. Критическое мышление, социальная и эмоциональная вовлеченность, письмо, внимательное чтение, активное слушание и т. д. — все это хорошее высшее образование дает вам, чтобы ориентироваться в постоянно меняющемся экономическом ландшафте.
Однако существуют некоторые довольно ограниченные пределы, когда вы говорите о технологии, которая активно рекламируется как имеющая реальный интеллект. Генеративные инструменты, которые у нас есть сейчас, могут служить копилотами, которые дают нам больше времени на определенные задачи, но также требуют времени на изучение и переучивание того, как использовать их каждый раз, когда они обновляются. В образовании у нас есть только определенное количество возможностей освоить новый навык, прежде чем студенты закончат. Думаем ли мы, что работники в промышленности чем-то отличаются?
Я не говорю, что появление генеративных инструментов окажет такое же влияние, как автоматизация в других отраслях, как и в так называемых профессиях «белых воротничков», таких как образование. Пока еще слишком рано говорить. Я говорю о том, что понятие «повышения квалификации» или переподготовки людей в разных отраслях имеет не только финансовые последствия.
Человеческая цена
«Я бросила преподавать из-за ChatGPT» Виктории Ливингстон — это мрачное чтение об эмоциональном и психологическом потрясении, которое возникло из-за попыток понять, как преподавать с помощью новой технологии, на что она не подписывалась. Никто из нас не подписывался.
Я обнаружила, что трачу много часов на оценку текстов, которые, как я знал, были созданы ИИ. Я отмечала, где аргументы были несостоятельными. Я указывала на такие слабые стороны, как стилистические причуды, которые, как я знал, были общими для ChatGPT (я заметила внезапный всплеск фраз, таких как «углубляется в»). То есть я обнаружила, что трачу больше времени на предоставление отзывов ИИ, чем своим ученикам.
Я знаю нескольких коллег, которые решили уйти на пенсию пораньше, потому что не хотят иметь дело с инструментами генеративного ИИ, такими как ChatGPT. «Удачи с этим», — вот что я обычно слышу вместо прощания. Это не то, что мы хотим слышать.
Куда уходят деньги
- Есть инструменты — как на основе ИИ, так и детекторы использования ИИ
- Новые сотрудники — прямые и междисциплинарные с опытом в области ИИ
- Профессиональное развитие — обучение существующих преподавателей по ИИ
- Исследовательские ресурсы — облачные вычисления и физические графические процессоры
- Затем есть обучение студентов грамотности в области ИИ
В целом, это невообразимо большое число, которое могут себе позволить немногие учреждения. Небольшие университеты, колледжи и общественные колледжи не могут позволить себе многие из этих расходов. Давайте разберем несколько.
Инструменты
Недавно Система университетов штата Калифорнии (CSU) объявила о партнерстве с OpenAI, чтобы довести ChatGPT Edu до 500 000 пользователей. Это крупнейшее место внедрения ИИ в масштабах всей системы, о котором когда-либо было объявлено. При заявленной стоимости в 17 миллионов долларов план предполагает, что каждый пользователь будет платить менее 3 долларов в месяц — почти 90% скидки от плана ChatGPT Plus стоимостью 20 долларов в месяц. Конечно, план ChatGPT Edu от OpenAI не прозрачен относительно того, сколько на самом деле будут платить учреждения. Такие сделки происходят за кулисами и появляются только в отчетности по государственному бюджету.
Усугубляя разочарование, система CSU недавно объявила о масштабном сокращении расходов по всем направлениям, что составляет ошеломляющую потерю в 375 миллионов долларов. Сколько из этого штат ожидает компенсировать обещанием генеративного ИИ, неизвестно, но образование похоже на любую другую отрасль в одном отношении — если они найдут более дешевый способ производства продукта, то быстро его примут. К сожалению, этот продукт учится.
Партнерство CSU с ChatGPT — всего лишь один пример. Каждое из крупных приложений ИИ не было прозрачным относительно того, сколько будут платить учреждения, которые его принимают. Некоторые просто предоставляют пользователям больше доступа, а не ограничивают скорость, в то время как другие предоставляют доступ в обмен на ограничения приличия. Вы можете использовать только наши инструменты ИИ и ничьи другие. Дело в том, что покупка одного приложения ИИ для учреждения кажется нелепой, учитывая головокружительный набор инструментов и вариантов использования — на ум приходят письмо, чтение, исследование и кодирование. И я забыл упомянуть мультимодальное приложение для изображений, голоса, видео, музыки, аватаров и т. д.? Школа с Microsoft не сможет получить доступ к NotebookLM от Google, а школа с OpenAI не разрешит доступ к Claude от Anthropic.
Мэрилендский университет в Колледж-Парке недавно объявил о 30 междисциплинарных направлениях стажировок плюс еще 10 профессиональных направлений в области ИИ. Это следует за многолетними программами найма из таких мест, как Университет штата Джорджии, который заполнил около 70 направлений стажировок в области ИИ по всем дисциплинам за последние пять лет. Университет Эмори планирует поддержать до 60 нанятых сотрудников. Я полагаю, что основные игроки в Техасе, Калифорнии, Нью-Йорке и других местах также проводят свою собственную кампанию по найму.
Вопрос в том, для чего нанимают этих людей? ИИ — это такой скользкий термин, который охватывает так много из этого. Некоторые из этих людей занимаются прикладным ИИ с такими системами, как ChatGPT и другими генеративными инструментами, но многие другие занимаются машинным обучением и другими формами ИИ. Во многом это похоже на то, что высшее образование вовлечено в некий FOMO или боится перспективы остаться позади.
И снова, штаты и учреждения с ресурсами могут позволить себе платить, в то время как небольшие школы едва ли могут позволить себе новые линии в существующих областях, не говоря уже о чем-то столь спекулятивном, как эта новая волна генеративных инструментов.
Многие другие школы запускают лаборатории, институты и другие программы обучения для преподавателей. Некоторые из них используют существующие ресурсы, такие как центры повышения квалификации преподавателей. Стоимость обучения и переподготовки преподавателей только для того, чтобы идти в ногу с генеративным ландшафтом, колоссальна, ее нужно покрывать.
Создание исследовательских ресурсов
В дополнение ко всему вышесказанному, Университета класса R1 (научно-исследовательские) и другие университеты с интенсивными исследованиями ощущают давление, связанное с необходимостью закупать графические процессоры, чтобы предоставить своим исследователям доступ к созданию, обучению и тонкой настройке LLM. Вычислительные лаборатории, суперкомпьютерные кластеры и фактический персонал для управления всем этим стоят огромных денег. Они также станут более напуганными в плане ресурсов и более сложными и дорогими в плане электропитания. Те, кто думал, что путь к питанию этих энергоемких данных ИИ лежит через инвестиции в футуристические малогабаритные ядерные реакторы, должны проверить реальность. У нас никогда не было атомной электростанции, которая была бы запущена вовремя или в рамках бюджета. Ни разу. Недавно ядерные амбиции Meta были сорваны редкими дикими пчелами. Тем временем Федеральная комиссия по регулированию энергетики отклонила заявку Amazon на питание одного из ее существующих центров обработки данных ядерной энергией.
На данный момент мысль о быстром строительстве дешевых малых ядерных реакторов — это всего лишь фантазия, за которую эти огромные компании ухватились как за решение своего ужасного потребления энергии сегодня и маркетинговую кампанию, чтобы заставить людей игнорировать растущее использование с каждым годом.
Помните, принятие ИИ обусловлено шумихой, а не стратегией
Так что же именно покупают университеты, когда инвестируют в ИИ? Больше административного надзора. Гораздо более дорогую инфраструктуру, которую могут себе позволить только самые богатые университеты класса R1 и частные университеты. Между тем, небольшие университеты и общественные колледжи, которые и так уже на пределе, вынуждены изо всех сил стараться не отставать в гонке, у которой нет финишной черты.
Самое печальное во всем этом то, что решения о внедрении ИИ не направлены на улучшение образования. Все дело в оптике. У нас нет долгосрочных исследований, которые бы показывали, что ИИ помогает обучению, чтобы делать такие шаги. Университеты просто не хотят, чтобы их считали отстающими. Каждое учреждение, которое может заявить, что оно находится на переднем крае, должно быть проклято, имея последовательную стратегию интеграции ИИ. И это огромные затраты — неисчислимые ресурсы, направляемые на контракты ИИ вместо реального обучения студентов, поддержки преподавателей или значимых исследований.
Генеративный ИИ не обязательно должен продаваться как будущее образования, чтобы быть полезным инструментом. Такого рода шумиха — это всего лишь последний пустой рекламный ход технологической отрасли, использующий знакомый язык справедливости и инноваций. Если университеты не начнут задавать более сложные вопросы о реальной ценности ИИ, они продолжат тратить деньги, которых у них нет, на инструменты, которые не нужны их студентам, в то время как реальные образовательные проблемы останутся нерешенными.