Искусственный интеллект (ИИ) становится неотъемлемой частью многих сфер, включая образование. Технологии, которые еще недавно казались фантастикой, теперь активно используются для улучшения качества обучения, персонализации подхода к учащимся и повышения доступности знаний. Приведу небольшую классификацию моделей интересных для обучающегося.
1. Генеративные модели текста (Large Language Models, LLM)
Представляют собой мощные алгоритмы, которые обучены на огромных объемах текстовых данных. Их основной задачей является обработка, генерация и понимание текстов. Эти модели произвели революцию в работе с естественным языком, предоставив широкий спектр приложений, особенно в образовательной сфере. Они обучаются на миллиардах текстов из книг, статей, веб-сайтов и других источников. Это позволяет им выучить грамматические структуры, контекст слов, а также логику построения предложений. LLM основаны на технологии Transformers, которая позволяет эффективно анализировать и обрабатывать длинные последовательности текста. Тексты разбиваются на токены (слова, части слов или символы), что упрощает анализ. LLM генерируют следующий токен на основе предыдущих, что позволяет им создавать связный текст.
Примеры: ChatGPT (OpenAI), Bard (Google), Claude (Anthropic), Bloom (BigScience), GigaChat (Сбер)
LLM работают как чат-боты, которые, например, отвечают на вопросы студентов или помогают с домашними заданиями. Они могу проверить сочинение на плагиат, провести анализ стиля, содержания, дать рекомендации по улучшению, сгенерировать какую-либо часть задания или ответ целиком (очень-очень и очень плохой вариант). Основной проблемой таких моделей является недостоверность. Несмотря на огромный набор обучающих данных, они могут "перевирать" факты. А также учащиеся могут попасть в зависимость к такому чат-боту и перестать развивать навыки самостоятельного поиска и анализа информации, полагаясь только на ИИ.
2. Модели для перевода и обработки естественного языка (Natural Language Processing, NLP)
Natural Language Processing (NLP) — это направление искусственного интеллекта, которое позволяет компьютерам понимать, интерпретировать и генерировать человеческий язык. Они используются в образовательной сфере для поддержки студентов и преподавателей в обработке текстов, изучении языков и автоматизации рутинных задач.
Принцип работы у таких моделей следующий:
- Обработка текста - тексты разбиваются на компоненты (слова, фразы, предложения), а затем анализируются (токенезация, лемметизация и стемминг)
- Понимание контекста
- Генерация текста
- Использование модели машинного обучения на базе трансформеров (например предыдущих GPT), обученной на параллельных текстах на разных языках.
Примеры: Google Translate, DeepL, Microsoft Azure Translator, BERT
NLP упрощает практику перевода, грамматики и произношения. Позволяет автоматизировать процесс анализа литературы, исследовательских работ и учебных текстов. Основное преимущество заключается в том, что инструменты NLP делают обучение доступным для интернациональных студентов. Но нужно учитывать, что даже лучшие модели иногда переводят с ошибками, теряя контекст или интонацию. Также NLP может не всегда учитывать творческое использование языка или сложные грамматические структуры.
3. Помощники для написания и проверки кода
Инструменты искусственного интеллекта, созданные для написания, проверки и оптимизации кода помогают разработчикам автоматизировать рутинные задачи, находить ошибки и предлагать улучшения в коде. Эти помощники основаны на моделях, обученных на огромных наборах данных программного кода.
Как работают помощники для написания и проверки кода?
- Анализ синтаксиса и структуры кода моделью машинного обучения для понимания языков программирования, их синтаксиса и общих шаблонов
- Генерация кода на основе запросов
- Обнаружение ошибок (синтаксических и логических), а также предоставляет рекомендации по исправлению
- Оптимизация кода
GitHub Copilot (OpenAI и GitHub), Tabnine, CodeQL, Kite, IntelliJ IDEA Code Assistance
С этими помощниками возникает такая же проблема, как и с LLM: учащиеся могут полагаться на ИИ, вместо того чтобы разбираться в синтаксисе и алгоритмах. Также иногда сгенерированный код может быть неэффективным, содержать ошибки или могут быть случаи копирования фрагментов кода из обучающих наборов данных без указания авторства.
Искусственный интеллект (ИИ) в образовании — мощный инструмент, способный трансформировать подход к обучению. LLM и NLP модели предоставляют доступ к огромным объёмам информации в интерактивной форме. Это позволяет студентам получить ответы на сложные вопросы, не дожидаясь помощи преподавателя, а помощники для написания кода помогают новичкам справляться с языками программирования, в то время как опытным пользователям — экономят время. Но студенты могут начать слишком полагаться на ИИ, теряя способность критически мыслить и решать проблемы самостоятельно. Кодовые помощники могут "заучивать" шаблоны, но не обучают логике программирования. Поэтому как всегда всё хорошо "в меру".