20 октября на конференции СберУниверситета «Больше чем обучение» пройдет сессия, посвященная генеративным моделям. Эксперты обсудят, почему сегодня искусственный интеллект входит в нашу жизнь, как генеративные модели будут развиваться в будущем, и как можно использовать их в образовании.

Дмитрий Зубцов

Руководитель академии технологий, данных и кибербезопасности СберУниверситета. Модератор сессии «Главный вопрос жизни и вселенной: какое будущее у генеративных моделей?» конференции «Больше чем обучение» СберУниверситета.

Что такое генеративные модели?

Генеративные модели — это алгоритмы и искусственные интеллектуальные системы, способные создавать новые тексты, изображения, видео, звук и другой медиаконтент. В основе их работы лежат сложные модели машинного обучения (Machine Learning) и глубокого обучения (Deep Learning).

Генерацию задают с помощью промпта — текстового запроса, который подробно описывает желаемый результат. Сегодня наиболее успешны и популярны модели, создающие изображения и текст.

Потенциал генеративных моделей в образовании

Генеративный искусственный интеллект еще не начали широко применять в сфере образования в России. Но со временем ситуация изменится: использование генеративных моделей на образовательных платформах возможно и даже полезно. В 2023 году СберУниверситетом и платформой Geek Brains было проведено исследование о том, как преподаватели и студенты в России относятся к применению генеративного ИИ в учебе — интересно, что студенты восприняли идею в два раза более скептично, чем преподаватели.

На сегодняшний день ИИ только начинают использовать в учебном процессе в России, а преподаватели и студенты выступают скорее как наблюдатели, а не активные пользователи. Только 13% и 10% учителей и студентов соответственно опробовали инструменты генеративного интеллекта. В то же время недавние международные исследования показывают, что уже 50% подростков в мире используют генеративный искусственный интеллект в повседневной жизни.

Так, генеративные модели могут сэкономить время для подготовки к занятиям:

  • С помощью ChatGPT или GigaChat преподаватели могут подготовить конспект урока, указав основные темы, а генеративная модель добавит деталей.

  • Инструмент саммаризатор делает короткую выдержку из статьи или книги и позволяет быстрее знакомиться с содержанием текстов.

  • Изображения, созданные с помощью генеративных моделей, помогут с подготовкой презентационных материалов. На поиск или рисование нужного изображения иногда уходит много времени, а с помощью ИИ можно получить именно ту картинку, которая нужна докладчику.

  • Подготовка вопросов и заданий через генеративные модели ускорит процесс создания тестов и поможет разнообразить вопросы, чтобы качественнее оценить знания школьников, студентов и слушателей программ.

  • При запуске новых программ и курсов генеративные модели помогут составить общий план и детализацию, которая обычно занимает много времени и бывает камнем преткновения между идеей нового курса или программы и ее реализацией.

Конечно, наличие таких инструментов не исключает того факта, что для лучшего понимания статьи стоит читать целиком, а ИИ-конспекты не застрахованы от ошибок. Генеративные модели пока не дают идеальные результаты, но в качестве «пробы пера» их результаты удовлетворительны.

Как только технология генерации видео станет достаточно качественной, с ее помощью можно будет создавать учебные ролики без дорогостоящего продакшена. Любой преподаватель сможет бесплатно реализовать свои идеи и превратить их в контент; сгенерировать можно даже звук для видео.

Генерация программного кода с помощью ChatGPT или GigaChat позволяет не только создавать учебные задания для обучения программированию, но и самостоятельно учиться через запросы к генеративным моделям. Они подробно объяснят, что делает тот или иной код, или проверят уже готовый код.

По тому же принципу текстовые генеративные модели можно использовать для обучения иностранным языкам: по запросу ИИ может рассказать правила грамматики, показать примеры их применения и проверить ответы ученика. С помощью генерации голоса можно создавать учебные тренажеры, которые будут озвучивать текст. Возможно, ИИ-озвучка будет упускать интонации, но произносить слова с правильным произношением и с заданным акцентом.

Возможности, приведенные выше, — только некоторые примеры использования генеративных моделей в учебном процессе.

Обратная сторона медали

При этом не стоит забывать и о возможных рисках внедрения ИИ в учебу. Российские преподаватели высказывали опасения о том, как генеративные модели могут повлиять на квалификацию студентов и слушателей. Использование ИИ предполагает риск получить неточную или неправильную информацию, и в этом случае без преподавателей не обойтись: ни студент, ни генеративный искусственный интеллект не застрахованы от того, чтобы пропустить эти ошибки.

Также стоит помнить, что большинство моделей обучались на английском языке. Когда пользователь отправляет запрос на русском, программа сначала выполняет машинный перевод текста и только потом — запрос. Понятно, что при автоматическом переводе смысл запроса иногда теряется, и результат выходит искаженным. Поэтому для улучшения качества результата формулируйте запрос либо на английском языке, либо в виде коротких предложений на русском, которые машина переведет без ошибок.

Еще одна проблема генеративных моделей — предвзятость. Так, при создании изображений, по запросу «Нарисуй мне флаг» можно получить флаг США, а при запросе «Нарисуй мне Винни-Пуха» — только диснеевский образ. Чтобы исправить это, российские разработчики обучают сервисы типа GigaChat и Kandinsky выдавать результат, ориентированный на российских пользователей.

Специалисты отмечают, что существующие сегодня технологии достигли своего определенного потолка; при этом для генеративных моделей «переобучение» так же губительно, как и «недообучение». При доработке моделей становится очевидна нечеткость выполнения запросов, и разработчики вынуждены возвращать модель на предыдущий уровень. Суть проблемы переобучения состоит в том, что модель перестает быть гибкой, и ее сложно доработать так, чтобы она давала более правильные ответы. Большое количество данных, на которых училась модель, сформировало у нее определенную схему ответов. Поэтому, чтобы довести правильность ответа на запрос до 95–98%, встает вопрос менять технологию работы ядра модели.

Что будет дальше

Начинается новая эпоха, в которой искусственный интеллект и генеративные модели становятся частью нашей жизни. Поэтому необходимо учиться пользоваться ими, используя принципы prompt engineering, понимать их сильные и слабые стороны, учитывать ограничения. В результате скоро мы начнем думать по-другому, учитывая генеративные модели в работе и учебе. ИИ станет очередным привычным инструментом — как мобильный телефон, который 25 лет назад был только средством для звонков, а теперь используется как незаменимый мини-компьютер.

«Искусственный интеллект — это новый инструмент, открывающий новые возможности. Наша главная задача — научиться им пользоваться и думать по-новому, учитывая этот инструмент» — Лео Рафаэль Райф, президент Массачусетского Института Технологий, MIT.