На кого пойти учиться: 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 директор центра учебной аналитики ИТМО Святослав Орешин.
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.
#ai #ml #llm #искусственныйинтеллект #машинноеобучение #образование
Ранее я рассказывал про переобучение, оптимизацию бизнес-процессов при помощи искусственного интеллекта, а также о трансформации системы образования. Подписывайся на мой канал "Конец истории".
