На связи Евгений Зинин — сооснователь SOHO.LMS, в прошлом продуктовый директор CRM-системы и таск-менеджера Мегаплан.
Мы обсудили контексты применения AI в жизни и разобрались, как и зачем использовать нейронки в обучении — как школам, так и самим ученикам.
Искусственный интеллект, LLM, ChatGPT — разбираемся в терминах
Если вы только знакомитесь с темой, может показаться, что всё перечисленное в заголовке — одно и тоже. Но это не совсем верно.
- Искусственный интеллект, он же Artificial Intelligence (AI) — наиболее высокоуровневое понятие. Оно включает в себя весь спектр подходов, позволяющих машинам думать, принимать решения, анализировать цифры и изображения. Словом, имитировать человеческое поведение, постепенно обучаясь делать это всё лучше и лучше.
- Large Language Models (LLM) или большие языковые модели. Популярная AI-технология, но не синоним искусственного интеллекта, а лишь его часть. LLM обучают на огромных объёмах текстовых данных — языковым моделям в буквальном смысле скармливают миллиарды статей и книг. Так нейросети осваивают естественные языки и становятся пригодными для решения задач, связанных с коммуникациями.
- ChatGPT — наиболее известный пример LLM. Модель разработана американской компанией OpenAI и на данный момент является наиболее продвинутой. В России есть свои LLM — сберовский GigaChat и YandexGPT.
Отставание русскоязычных моделей связано с недостатком данных (англоязычных текстов элементарно больше) и мощностей для обучения. А мощностей нужно страшно много, в США уже планируют подключать атомную энергетику для работы над GPT-5 и GPT-6. Наши же модели находятся на уровне GPT-3, по крайне мере на момент написания этой статьи в октябре 2024 года.
Как обучают LLM
Мы в SOHO.LMS используем именно LLM — а именно ChatGPT. Поэтому мы разберём нюансы обучения и работы именно языковых моделей. Активная разработка в этой области началась в 2017 году, после выхода статьи «Attention is All You Need».
Для обучения моделей используют общедоступные тексты, от книг до комментариев на форумах, в гигантских масштабах. Например, GPT-3 была обучена на наборе данных, который насчитывал порядка 300 миллиардов токенов (слов и других единиц текста). В GPT-4 их ещё больше. К счастью, для повышения качества моделей данные проходят модерацию — совсем неуместные вещи или явная ложь отбрасывается.
Так умеют ли нейросети думать?
Откуда берутся ответы?
Разочаруем: пока что нейросети не умеют думать в человеческом понимании этого термина. В процессе обучения LLM анализируют огромные объемы текстовых данных — и «запоминают» шаблоны и синтаксические закономерности в языках. Модель буквально изучает, какие слова и фразы наиболее вероятно следуют друг за другом в разных контекстах.
В итоге формируется своеобразная «предсказательная система», в рамках которой слово «солнце» становится наиболее вероятным продолжением фразы «сегодня на улице ярко светит». Потому что люди использовали эту фразу миллиарды раз. LLM генерирует ответ в чатике с вами «шаг за шагом», пересчитывая своё предсказание с каждым новым словом.
Таким образом ИИ получает действительно живой ответ — можно сказать, что вам отвечает «коллективный разум», который принимает во внимание в миллионы раз больше параметров, чем может держать в памяти один человек, даже самый гениальный.
Суть «школы мысли» LLM важно учесть в работе. С математическими заданиями и естественными науками ChatGPT справляется хорошо — даже делает научные открытия. Но гуманитариям стоит внимательно проверять факты, особенно в тех дисциплинах, где правильный ответ зависит от того, какая концепция является общепринятой в учебной программе на данный момент.
3 контекста применения AI в SOHO.LMS
На нашей платформе нейронки доступны всем — учителям, ученикам и мастерам школ. И для каждой целевой аудитории есть свой золотой контекст применения. А самое главное, всё работает внутри платформы: мы интегрировали ChatGPT в SOHO.LMS и для работы вам не понадобится VPN или подписка в сервисе от OpenAI.
Для учеников
Любой ученик может пообщаться с «нейрорепетитором» — задать ему вопрос по теме или попросить проверить домашнее задание. Скептики могут тут спросить: а как же ценность живого общения? Разве может ChatGPT, особенно с учётом того, что мы знаем о его предсказательном характере, заменить обратную связь от репетитора?
Заменить, конечно, не может. Но вот какое дело: ученики задают нейросетям довольно простые вопросы. И это помогает детям приходить к «живым учителям» с уже более глубоким пониманием темы и более сложными вопросами.
Тоже самое и с проверкой домашних заданий от ChatGPT. Обычно на «первом прогоне» вылезают банальные ошибки или нейросеть подсвечивает, что решение в целом описано не очень понятно постороннему взгляду. Ребёнок эти пустяковые ошибки исправляет — а дальше репетитор уже может дать комментарии по существу.
То есть с ChatGPT ученик быстрее продвигается к сути вещей, а учитель может инвестировать сэкономленное время в объяснение более сложных концепций. В итоге растёт общий уровень преподавания. Мы используем этот подход даже со взрослыми на нашей программе SOHO.MBA.
Стоит отметить, что для учеников история с ИИ предельно прозрачная — не скрываем, что диалог ведётся с нейронкой, а не реальным человеком. Чтобы пообщаться с ботом, можно написать: «Помоги мне подступиться к задаче или напиши решение».
Для учителей
Для школ мы внедрили генерацию шаблонных заданий и возможность моментально оцифровать бумажные записи. Работает даже с формулами и буквально за секунды: выбираешь фото, загружаешь на сайт — получаешь уравнение в формате LaTex.
Ну и само собой, всё сказанное про функционал для учеников работает и в обратную сторону — учитель может попросить нейронку проверить домашние задания и вернуть ребёнку сырую работу.
Естественно, учитель остаётся основным лицом, принимающим решения, а ChatGPT лишь помогает обрабатывать запросы и предоставляет дополнительные материалы.
Есть и более глубокий уровень использования нейросети — преподаватель может подключить GPT в качестве консультанта-методолога или попросить сгенерировать дополнительные пояснения и примеры к своему комментарию по работе ребёнка. То есть учитель задаёт нейросети свой уникальный контекст и она его учитывает для формирования ответа.
Мы видим, что использование нейросетей уже ускорило взаимодействие на платформе и добавило процессам персонализации. С нейронкой можно учесть конкретные потребности ученика и сгенерировать для него специфическое задание.
Для мастеров и консультантов
Встроенную в SOHO.LMS нейросеть можно использовать и для более эффективной организации учебного процесса.
Есть вещи в бизнесе, которые нужно каждый раз делать правильно. И AI может это обеспечить. Человек же слишком зависит от своего настроения и иногда ошибается.
Например, можно заскриптовать общение с потенциальными клиентами. Конечно, нейросеть не сможет продать, для этого всё ещё нужен человек. Но AI может распознать шаблонный вопрос пользователя — и выдать ему заранее подготовленный мастером школы шаблонный ответ. Также нейросеть может определить важный коммерческий запрос — и отдать его консультанту на обработку в первую очередь.
В этом деле важная скорость — пока клиент тёплый, с ним нужно разговаривать. Нейросеть в процессах можно настроить так, что моменты не требующие вмешательства человека она будет отрабатывать сама. В «момент Х» будет вызывать консультанта. И это очень важный момент, поскольку даже пара минут промедления могут стоить вам заказа. Человек может отвлечься на звонок или кипящий чайник — и всё, он забыл о вас, момент упущен.
Что касается обучения нейросети техникам продаж и полной замены консультантов, тут мы пока и сами настроены скептично. Хороших решений на рынке ещё нет — пока что нейросети не умеют работать с нюансами человеческих эмоций.
Нейросети — новый интернет.
И их нужно использовать
Хотим мы того или нет, но мир не стоит на месте. Вспомним, как появился интернет или распространились цифровые камеры. Сейчас это норма жизни, а когда-то консервативные предприниматели в эти технологии не поверили и проиграли.
Успешные предприниматели должны успевать меняться. Если не успеешь за окружением — на твоё место придёт другой, который твою долю просто съест.
В каком-то смысле преподавателям повезло — в силу особенностей профессии им проще учиться новому, чем многим «обычным людям». А значит эту суперсилу нужно использовать. Мы же даём для этого все возможности и будем развивать нейронаправление и дальше.
