В этой статье я кратко расскажу о своем опыте взаимодействия с нейросетями, о их преимуществах и недостатках, меня зовут Александр, я кандидат педагогических наук, старший преподаватель кафедры "Информатики и информационных систем" ЛГУ имени А.С. Пушкина и параллельно доцент кафедры "Информационной безопасности" Санкт-Петербургского Университета МВД.
Я, как и многие считаю, что нейросети - это одно из самых перспективных направлений в области искусственного интеллекта, они способны анализировать большие объемы данных и извлекать из них скрытые закономерности, что делает их мощным инструментом для решения различных задач, от распознавания изображений и речи до автоматизации процессов управления и принятия решений.
Для меня, как преподавателя учебных дисциплин связанных с информационными технологиями, использование нейронных сетей открыло новые возможности и вызвало большой интерес.
Прежде всего, нейронные сети дают уникальную возможность показать студентам, как технологии могут изменить мир вокруг нас и какие преимущества они могут принести в будущем.
По моим собственным наблюдениям, я с уверенностью могу сказать, что взаимодействие с нейронными сетями стимулирует студентов творчески мыслить, развивать аналитические и логические навыки и самостоятельно решать поставленные задачи.
Роль нейронных сетей в образовании
Одним из самых популярных применений нейронных сетей в образовании является адаптация учебного процесса к личным потребностям обучающихся.
Анализируя успеваемость обучающихся с помощью нейросетей, можно определить уровень знаний и способностей каждого студента, а также предоставить ему индивидуальный план обучения, который повышает эффективность учебного процесса и помогает преподавателям достигать лучших результатов.
Роль нейронных сетей в современном мире становится все более важной, они используются в медицинской диагностике заболеваний, в финансовом секторе для прогнозирования поведения рынка, в транспортной отрасли для разработки автономных транспортных средств и т.д., поэтому знания и навыки использования нейронных сетей становятся востребованными и обязательными для специалистов во многих областях.
Личный опыт
Я как преподаватель дисциплин связанных с информационными технологиями впечатлён возможностями, которые предоставляет использование нейронных сетей.
Я рассматриваю нейросети, как инструмент для обогащения процесса обучения и мотивации студентов, подготовки их к цифровому будущему, однако, с другой стороны, как педагог с большим стажем порой разочарован сложностью и непредсказуемостью использования нейронных сетей и ограниченным доступом к необходимому программному обеспечению.
Я например, часто использую нейросети при составлении докладов на конференции и тп.
Но при всех преимуществах нейросетей хотел бы отметить и некоторые недостатки, а вернее неточности при получении результатов сгенерированных нейросетями.
Проблемы при использовании нейросетей
Хочу рассказать о тех неточностях и ошибках, которые могут возникать при работе с нейросетями, и с которыми я лично столкнулся.
Алгоритмы которые используются в нейронных сетях усредняют выдаваемый результат, от есть выдают нечто среднее, простые запросы обрабатываются отлично, а вот со специфическими запросами возникают трудности у нейросетей, приведу простой пример.
Изучаем со студентами программирование на Python и необходимо с помощью языка программирования Python используя графическую библиотеку tkinter нарисовать ель.
Ссылку на то что должно примерно получиться привожу ниже:
Должно получиться следующее:
Теперь запустим нейронную сеть чат GPT и попросим ее сгенерировать программный код, который нам нарисует ель, чтобы не писать программный код вручную:
Вот что было сгенерировано:
import tkinter as tk
def draw_tree(canvas):
canvas.create_polygon(150, 250, 100, 200, 200, 200, fill='green') # Tree base
canvas.create_polygon(150, 200, 125, 150, 175, 150, fill='green') # Second layer
canvas.create_polygon(150, 150, 135, 100, 165, 100, fill='green') # Top layer
canvas.create_rectangle(140, 250, 160, 300, fill='brown') # Tree trunk
root = tk.Tk()
root.title('Draw a Christmas Tree')
canvas = tk.Canvas(root, width=300, height=350)
canvas.pack()
draw_tree(canvas)
root.mainloop()
Проверка результата работы нейросети
Теперь давайте скопируем этот программный код и вставим его в среду программирования IDLE Python и запустим на исполнение:
Как вам результат? Это похоже на ель? Да, безусловно, элементы ели присутствуют на рисунке и из них можно собрать ель, но то что нам генерирует нейросеть нельзя считать истинной.
Поэтому, на занятии, берем и пишем программный код который нарисует нам ель на экране в оконном интерфейсе, в ручную без использования нейросетей, с помощью языка программирования Python используя графическую библиотеку tkinter.
Заключение
Меня как педагога, регулярно взаимодействующего с нейронными сетями, данные технологии одновременно вдохновляют и разочаровывают.
Я не сомневаюсь, что за этими технологиями будущее нашего мира и их развитие необходимо для подготовки нового поколения специалистов, но все же нужно понимать, что нейросети это не панацея от всего и полностью доверять информации, генерируемой нейросетями нельзя.
Всю информацию нужно проверять на достоверность!
Полезная информация:
С 19 апреля по 31 мая 2024 года в Москве, ЦСИ М`АРС, контентная платформа Дзен и арт-группа Synticate представляют выставку «НОВОЕ ИСКУССТВО: Алгоритмы. Нейросети. Технологии».
Среди экспонатов – современные произведения искусства, созданные с помощью нейросетей, вдохновленные фантазиями о постгуманизме. Интерактивная выставка, посвящённая феномену алгоритмов и его роли в развитии творчества.
Всем не равнодушным к современным технологиям рекомендую по возможности посетить данную выставку и жду, когда организаторы откроют аналогичную выставку в Санкт-Петербурге.
А о том, что вы думаете по поводу использования нейросетей, можете смело написать в комментариях к данной статье.