Развитие ИИ от идеи до нейронных сетей. Эволюция педагогической и ученической деятельности

Краткая история Искусственного интеллекта

Когда Айзек Азимов, в 1942 году сформулировал три закона робототехники в рассказе “Хоровод” он, наверное, и не думал, что с этой даты начнется отсчет понятия “Искусственный интеллект” (ИИ), а технология, описанная фантастом, прочно войдет в нашу жизнь. Бесспорно, современный ИИ, значительно уступает роботу Азимова и еще не умеет мыслить, как это умеет человек, однако существует ряд задач, которые он выполняет значительно лучше.

Прежде чем рассмотреть области, изменяющиеся под воздействием технологий ИИ, мы попробуем описать ее и сформулировать что это такое. Википедия предлагает следующее определение: ИИ – свойство искусственных интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека[^1]. В 1955 году группа энтузиастов взяла на себя смелость посвятить разработке ИИ два месяца лета и сформулировали предложение об исследовании от Дартмутского университета, в котором Джон Маккарти, Марвин Мански, Клод Шеннон и Натаниэль Рочестер, описывают, исследуемое ими как попытку имитировать свойства интеллекта: самообучение, использование естественного языка, решение задач и формулирование абстрактных концепций, а также непрерывное обучение в процессе этих действий[^2]. Попытка создать, летом 1956 года, искусственный интеллект не увенчалась успехом, однако в тот период удалось заложить принципы на основе которых осуществлялись многие исследования и разработки.

За два месяца, группа ученых заложила прочный фундамент для дальнейших исследований. В ходе деятельности обсуждались следующие темы: автоматические компьютеры, как должен быть запрограммирован компьютер, чтобы использовать язык, нейронные сети, теоретические соображения о сфере арифметической операции, самосовершенствование, абстракции, случайность и творчество[^2].

Сегодня исследования в области ИИ осуществили значительный скачок вперед. Пережили несколько этапов развития[^3]. Можно сделать предположение, что любое действие, от теории и метода, до техники, которые помогают машинам анализировать, симулировать, использовать принципы человеческого мышления, моделировать поведение, могут быть расценены как ИИ. А сама область исследования занимается вопросами изучения свойств человеческого поведения, реконструируя элементы свойств человеческой деятельности в интеллектуальной машине, с целью совершения деятельности, доступной ранее исключительно человеку. ИИ перешел границы одной дисциплины, компьютерной науки и стал междисциплинарным явлением, объединяющим в себе естественные, точные и социально-гуманитарные науки.

Интеллектуальная машина, уверенно занимает пространство в жизни человека, с каждым годом выполняет все больше функций, ранее доступных исключительно человеку. В 1997 году компьютерная программа Deep Blue смогла обыграть чемпиона мира по шахматам Гарри Каспаров. Однако эта победа еще не искусственного интеллекта. Человеческий мозг способен придумать неожиданные и эффективные ходы, а компьютер 1997 года решал задачу алгоритмизированным перебором комбинаций, грубой силой. Deep Blue перебирал до 200 миллионов комбинаций в секунду[^4], человеческий мозг не способен совершить подобное. Победа над Каспаровым – это не победа ИИ над человеком, а лишь демонстрация производственной мощности вычислительной системы.

Развитие нейронных сетей и принципов глубокого обучения

В 1949 году, Дональд Хебб описал метод, при помощи которого возможно создание настоящего ИИ. Его гипотеза называется обучение Хебба. Он предположил, что нейроны головного мозга, при взаимодействии, возбуждают друг друга, эффективность возбуждения усиливается со временем[^5]. Работа проделанная Хеббом вдохновила исследователей, работающих над ИИ. Родилась новая теория, искусственные нейронные сети (ИНН). В 20 веке, доступные человеку вычислительные мощности были недостаточными, что привело к затуханию интереса к технологии нейронных сетей. Однако в 2015 году, с появлением компьютерной программы AlphaGo, нейронные сети снова стали интересовать исследователей.

AlphaGo, разработанная Google, использует систему машинного обучения, известную как глубокое обучение. Программа смогла победить чемпиона мира, настольной игры Го. Го, гораздо сложнее шахмат, ввиду размера поля и вариативности позиций, метод перебора комбинаций невозможен[^6]. Google дал новый толчок развитию ИИ и ИНН. Сегодня алгоритмы обработки и анализа данных нейронными сетями применяются во многих областях от переработки информации, до медицины и образования.

В той области где необходимо взаимодействовать с большим объемом неоднородной информации, нейронные сети решают проблемы поиска источника информации, в условиях неполных и сомнительных данных. Помогают принять решение когда данные неполные или противоречивые. Нейронная сеть хорошо справляется с переработкой подобной информации. Сеть способна повторить или полностью заместить мышление человека, автоматически определяя и решая проблемы, в частности те, которые невозможно было решить обычным способом.

Нейронная сеть прекрасно справляется с классификацией объектов через описание, определение и интерпретации различной информации, путем переработки данных характеризующих объект или феномен. Подобная классификация наиболее частое применение нейронной сети для распознавания и транскрибации речи, сличения отпечатков пальцев, поиска и сличение людей по фотографии, распознавании рукописного почерка и т.д[^7].

Искусственная нейронная сеть и алгоритмы глубокого обучения сегодня являются основной для многих систем и приложений, носящих в своих названиях искусственный интеллект. Все активней используются в качестве алгоритма распознавания изображений, речи и даже вождении беспилотных автомашин[^8]. Алгоритм генерации и работы с текстом, Generative Pre-trained Transformer (ChatGPT), ведет интеллектуальную беседу с человеком, помогает в написании и переписывании текстов, проверки орфографии и пунктуации, а также помогает в генерации идей.

Влияние нейронных сети на образование

В сфере образования использование ИИ и алгоритмов глубокого обучения, может помочь учащимся в обучении, а педагогам в создании среды, адаптирующейся под потребности ученика, подготовке материалов и анализе результатов. Правительство РФ выделило проект “Искусственный интеллект” внутри национальной программы “Цифровая экономика Российской Федерации”[^9]. В современно мире технологии ИИ прочно вошли в обучение, так например в Канадской медицинской ИИ используется в курсе радиологии[^10]. Интеграция образования и искусственного интеллекта приносит с собой значительные изменения, на первый план выходит не столько отдельный человек и его ценности, а взаимодействие группы людей и интеллектуальной машины в образовательной среде. Объектом педагогики сегодня является не только человек, но и машина тоже.

Педагог использует машину как вспомогательное средство обучения, а также для понимания процесса обучения. Изучения внешних факторов влияющих на педагогический процесс и создания оптимальных условий для учащихся. Сплав ИИ и обучения привел к появлению интеллектуальных платформ, позволяющих учащемуся учиться по индивидуальной траектории, автоматических систем оценки результатов. Автоматизация подобного уровня освобождает учителей от многих рутинных действий, открывая простор для создания новой формы обучения, в которой происходит взаимодействие человека и компьютера. Мы можем предположить, что цель подобного взаимодействия является создание обучающей среды нового качества, с персонифицированным путем обучением и динамично актуализируемыми материалами.

Далее мы рассмотрим влияния технологии ChatGPT на образование и представим аргументы в пользу использования нейронных сетей в обучении, а также попробуем смоделировать ситуации при которых интеллектуальная машина дополняет обучения, а не вредит. Алгоритм ChatGPT, стал доступным публике в ноябре 2022 года, проблема влияния на образования еще не исследована в полной мере и находится на начальной стадии, однако в этой статье мы взяли на себя смелость рассмотреть педагогические возможности, открываемые новой технологией.

На наш взгляд ChatGPT является ценным ресурсом для высшего и среднего образования. Нейронная сеть, работающая с текстом, имеет потенциал значительно улучшить качество написанного текста (статей и эссе), помочь в создании новых текстов, обобщить информацию и в целом повысить качество работы. Уже сегодня сеть замечает грамматические, стилистические ошибки и предлагает варианты улучшения, что делает текст более понимаемым. У студентов появилась возможность натренировать навык исследовательской работы, нейронная сеть способна составить список источников и дополнительной информации на определенную тему. Представить изучаемую проблему под неожиданным углом, указать направление дальнейшего исследования, позволяя тем самым лучше понять и оценить тему. Учащимся средней школы нейронная сеть, благодаря способности генерации текста, открывает возможности для общения на изучаемом языке, без необходимости искать традиционного партнера по коммуникации.

У педагога открывается возможность уделить больше внимания на развитие умения учащегося презентовать и защитить свою точки зрения. Научить оценивать информацию, источники и выискивать неточности. Развивать навыки создания новых, неожиданных идей. Научить ученика видеть шире и понимать связь элементов изучаемой области. Студент в свою очередь может применить навык обратного исследования[^11]. Это относительно новая идея, заключающая в изучении созданного нейронной сетью. Поиск подтверждения представленных фактов и источников информации подтверждающих данные. Это позволит студентам выработать навык формулирования вопросов, поиска ключевых слов, оценивать и сравнивать результаты и источники. Студент в конечном счете научиться формулировать собственную точку зрения на изучаемую проблему.

Нам кажется, что избежать сближения человека и интеллектуальной машины невозможно и ее следует не запрещать, а использовать для улучшения качества финального результата. Совместный поиск информации человеком и машины, идей, редактирование текста, открывает возможность для получения результат гораздо более высокого качества. Конечный продукт деятельности машины и человека будет качественно отличаться, от работы сделанной по раздельности. Созданный нейронной сетью текст лишен оригинальности и академической актуальности, не говоря, что подобная работа, сданная учащимся нарушает все возможные академические требования. В то время как написание сложной научной работы человеком, требует значительного ресурса на поиск и переработку актуальных источников, машина это может сделать за несколько минут, при условии корректных запросов, в ходе обратного исследования. ChatGPT и прочие нейронные сети работающие с текстом, позволяют эффективно (наиболее быстро) найти идеи по изучаемой теме. Предоставляет возможность человеку убедиться в оригинальности своих идей или предложит использовать чей-то готовый результат в собственном исследовании.

Нейронный сети, работающие с текстом (ChatGPT), дают серьезный толчок в развитии творческого подхода к созданию чего бы то ни было, научная работы или художественный текст и с каждым новым этапов развитии технологии, результат полученный человеком и человеком, действующим совместно с интеллектуальной машиной будет значительно отличаться, в пользу последнего. Однако при этом потребуется уделять больше внимания критической оценки информации и навыку презентации своих идей.

BIO

Related:

• [[Didactic feature Artificial Intelligence provides to English teachers]]

Reference:

[^1]: 1. Искусственный интеллект // Википедия. 2023.
[^2]: 1. McCarthy J. [и др.]. A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE.
[^3]: 1. Haenlein M., Kaplan A. A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence // California Management Review. 2019. № 4 (61). C. 5–14.
[^4]: 1. Campbell M., Hoane A. J., Hsu F. Deep Blue // Artificial Intelligence. 2002. № 1 (134). C. 57–83.
[^5]: 1. Kuriscak E. [и др.]. Biological context of Hebb learning in artificial neural networks, a review // Neurocomputing. 2015. (152). C. 27–35.
[^6]: 1. Silver D. [и др.]. Mastering the game of Go with deep neural networks and tree search // Nature. 2016. № 7587 (529). C. 484–489.
[^7]: 1. Wu Y., Feng J. Development and Application of Artificial Neural Network // Wireless Personal Communications. 2018. № 2 (102). C. 1645–1656.
[^8]: 1. Нейронные сети для беспилотного болида: опыт Bauman Racing Team в Yandex Cloud [Электронный ресурс]. URL: <a href="https://cloud.yandex.ru/cases/baumanracing">https://cloud.yandex.ru/cases/baumanracing</a> (дата обращения: 30.03.2023).
[^9]: 1. «Искусственный интеллект» : // Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации [Электронный ресурс]. URL: <a href="https://digital.gov.ru/ru/activity/directions/1046/">https://digital.gov.ru/ru/activity/directions/1046/</a> (дата обращения: 30.03.2023).
[^10]: 1. Gong B. [и др.]. Influence of Artificial Intelligence on Canadian Medical Students’ Preference for Radiology Specialty: ANational Survey Study // Academic Radiology. 2019. № 4 (26). C. 566–577.
[^11]: 1. Halaweh M. ChatGPT in education: Strategies for responsible implementation // Contemporary Educational Technology. 2023. № 2 (15). C. ep421.