ИИ на твоем компьютере: что это дает e-learning?
Уже сейчас можно купить ноутбук за 1000$, на котором комфортно будет работать достаточно «умная» языковая модель. Да, это не будет топовая модель уровня OpenAI 5.1 (далеко не будет), но её будет достаточно для выполнения базовых задач.
Конечно, редкая компания может похвастаться офисными ноутбуками у сотрудников за 1000$+, но стоимость вычислений постоянно снижается (закон Мура все еще работает, пусть и не так резво, как 60 лет назад). Вполне можно ожидать, что то, что сейчас стоит 1000$, через 5 лет превратится в «обычный офисный ноутбук».
Мы вполне можем сравнивать топовые процессоры 15-летней давности за 1000$+ с современными ультрабюджетниками за 10-20$, и по многим параметрам современная техника будет принципиально эффективнее (а еще 1$ в 2011 году — это примерно 1.5$ сейчас).
Иными словами, в ближайшем будущем у всех нас на рабочих компьютерах будет установлен «слабенький DeepSeek», который будет резво работать в фоновом режиме.
Так что это значит для e-learning?
Понятно, что облачные вычисления будут всегда на шаг впереди локальных (на огромную кучу шагов), и если нужно выполнить действительно сложные вычисления — тут облако единственный вариант. А вот что-то простое (например, проверку ответов на открытые вопросы, диалоговые тренажеры, подстраивание контента под уровень ученика и т.д.) — вот это запросто можно решить локально.
1. Никаких проблем по линии ИБ
Персональные данные в облако отправлять нельзя, чувствительные — тоже (а именно их, чаще всего, и хочется туда отправить). С локальными вычислениями все эти вопросы снимаются — отправляй все что хочешь.
2. Снижение стоимости масштабирования
Один запрос в ChatGPT стоит копеек. А если у нас будет не 1 пользователь, а, например, 10 000, и если каждый сделает не 1 запрос, а целую кучу? Получится круглая сумма. Локально — все бесплатно*. Как с обычными SCORM-курсами. Хочешь, на 100 человек назначь, хочешь на 10 000 — никакой разницы.
*Конечно, облачные вычисления тоже становятся дешевле, следовательно, и развернуть ИИ внутри контура со временем будет проще, но в любом случае это будет дефицитный ресурс.
3. Bye-bye, согласования бюджетов
Использование облачных API — это всегда «счетчик»: за каждый запрос, за каждый токен нужно платить.
Сколько пользователи сделают запросов? Какой будет их средний размер (тут еще нужно разделять размер запроса и размер ответа)? Ну… можно посмотреть на прошлый опыт и «поводить вилами по воде».
С локальными вычислениями все проще: методист считает, что интеграция с ИИ будет полезна — методист делает интеграцию с ИИ.
4. Работа без интернета
Это скорее бонус, а не общая боль всего e-learning. Если у вас есть специалисты, которые работают где-то, где с интернетом проблемы, — облака им могут только сниться. Локальная модель снимет проблему плохого интернета.
5. Новые возможности персонализации
Звучит как тема для отдельного поста. Если коротко: для персонализации нужны данные. А где их брать? Ваша личная модель может (а скорее, будет) знать о вас все и сама поможет подстроить контент под вас.
6. Рождение новых инструментов
Почему в конструкторе курсов, который вы используете, нет блока* «ИИ-проверка ответа на открытый вопрос»?
*Да, я знаю, что за последний год появились новые игроки, которые сделали такой функционал киллер-фичей своего продукта. Чаще всего это формат LMS+конструктор.
Казалось бы, элементарная функция, которая пишется за вечер (ну, может, немного утрирую, конечно). Но вендоры её не делают. Почему? (Фраза: «Могли бы уже 1000 раз сделать» в данном случае не является гиперболой).
По причинам №1 и №3. Совершенно непонятно, как вы затянете себе все это великолепие в контур и в каком формате будете оплачивать.
С локальными моделями таких ограничений нет, что «развязывает руки» разработчикам. Везде, где ИИ может быть полезен, — он будет.
Итог: ИИ в e-learning перестает быть стратегическим ИТ-проектом, а превратится в обычный методический инструмент. А значит, скорость внедрения вырастет не в разы, а на порядок.
Алексей Миляев и команда сообщества Digital Learning
