В рамках инициативы MIT Open Learning по открытому образованию и искусственному интеллекту прошел вебинар, посвященный «разумному» (judicious) использованию технологий в профессиональном обучении. Ведущие эксперты обсудили, как генеративный ИИ может ускорить локализацию учебных материалов для неанглоязычных регионов и почему прямое взаимодействие студента с чат-ботом часто оказывается менее эффективным и более затратным, чем системная интеграция ИИ в образовательные ресурсы.
🇰🇿 Локализация образования: кейс Казахстана и «концептуальное двуязычие» 8:54
Доктор Айгерим «Айя» Шилибекова представила результаты своего исследования, посвященного адаптации принципов универсального дизайна обучения (UDL) для казахскоязычных педагогов . Проект вырос из гуманитарной необходимости: в 2019 году Казахстан провел операцию «Жусан» по репатриации граждан из зон конфликтов в Сирии, среди которых было более 400 детей . Учителя в регионах столкнулись с необходимостью инклюзивного обучения этих детей, но не имели доступа к качественным ресурсам на родном языке.
Шилибекова выделила ключевые сложности при работе с ИИ в неанглоязычном контексте:
- Культурная неадекватность машинного перевода: Прямой перевод термина «Universal Design for Learning» на казахский часто выдавал ассоциации с «универсальным магазином» или «магазином шаговой доступности» .
- Западные предубеждения: Глобальная литература по педагогике пропитана западными предпосылками о доступе к технологиям, которые не всегда применимы в сельских районах Казахстана .
- Необходимость человеческого контроля: ИИ использовался для ускорения локализации (через ChatGPT, Dall-E и специализированный Kazakh GPT), но финальные решения по терминологии принимались после консультаций с филологами .
В итоге Шилибекова применила стратегию «концептуального билингвизма» . Она сохранила англоязычную аббревиатуру UDL в скобках рядом с казахским переводом, чтобы преподаватели могли узнавать этот термин в глобальном научном контексте и эффективно использовать англоязычные ИИ-инструменты в будущем . Результат пилотного курса оказался впечатляющим: уровень завершения обучения составил 95% среди 25 участников .
🧠 Концепция «разумного» использования ИИ (Judicious Use) 21:24
Доктора Ройс Киммонс и Торри Траст предложили разделять «неразумное» и «разумное» использование ИИ в образовании. По их мнению, простое предоставление студенту доступа к чат-боту (non-judicious use) несет в себе множество рисков .
Критикуемый экспертами подход подразумевает:
- Высокие требования к ИИ-грамотности пользователя .
- Огромные энергетические и финансовые затраты при массовом использовании.
- Отсутствие контроля качества (галлюцинации и предвзятость ИИ напрямую транслируются ученику) .
В противовес этому, «разумное использование» (judicious use) предполагает трехэтапный процесс :
- Идентификация: Автор курса определяет, какие элементы (глоссарии, аннотации, аудиоверсии) можно улучшить с помощью ИИ .
- Генерация и хранение: ИИ выполняет задачу один раз, результат сохраняется в конечном виде (например, как статический HTML или аудиофайл) .
- Масштабирование: Проверенный человеком результат распространяется среди неограниченного числа студентов бесплатно и с минимальными затратами ресурсов .
По утверждению Киммонса, такой подход делает возврат на инвестиции (ROI) «стремящимся к бесконечности», так как стоимость одной генерации распределяется на тысячи пользователей .
🌍 Экологическая и социальная цена технологий 21:51
Торри Траст обратила внимание на скрытые издержки индустрии ИИ, которые часто игнорируются при обсуждении образовательных инноваций . Она привела данные из отчета Google по устойчивому развитию за 2024 год, согласно которым выбросы парниковых газов компании выросли на 13% за год и на 48% с 2019 года из-за энергопотребления дата-центров .
Основные экологические факты, упомянутые в дискуссии:
- Потребление воды: В 2024 году использование воды дата-центрами Google выросло на 17%, составив 6,1 млрд галлонов (эквивалент 9000 олимпийских бассейнов) .
- Энергозатраты: Создание 1–2 изображений с помощью ИИ требует столько же электричества, сколько полная зарядка смартфона .
- Локальное влияние: Дата-центры часто забирают ресурсы (воду и электричество) из жилых сетей городов, где они расположены .
Киммонс добавил, что использование ИИ для поиска информации («что такое абдукция?») в 10 раз более энергозатратно, чем поиск в Google, и в 100 раз дороже, чем использование встроенного словаря в операционной системе .
🛠 Технологический выбор и «Человек в контуре» 33:53
Все участники сошлись во мнении, что наличие человека в процессе (human-in-the-loop) — единственная гарантия качества образования. Торри Траст привела личный пример: ИИ-аннотация для её 700-страничной книги никогда не была точной с первого раза, но служила отличным черновиком, экономящим время .
Рекомендации экспертов по технической реализации:
- Локальные модели: Клинт Лалонд предложил использовать локально хостируемые модели (например, через LM Studio) для снижения экологического следа и повышения приватности .
- Эффективность моделей: Киммонс отметил, что для простых задач, таких как создание глоссария, не нужно использовать гигантские модели вроде GPT-4. На платформе EdTech Books они успешно применяют Llama 3.2 с 3 миллиардами параметров, которая работает быстрее и дешевле .
- Дискретные промпты: Для проверки работ студентов Киммонс советует не загружать в ИИ весь массив данных сразу, а подавать их частями (по одному критерию оценки за раз), чтобы избежать эффекта «черного ящика» и легче находить ошибки .
❓ Ответы на вопросы: динамический контент и аудит 48:21
В ходе Q&A сессии Ройс Киммонс пояснил, как работать с динамическим (постоянно меняющимся) контентом. Вместо того чтобы генерировать PDF или перевод при каждом обращении пользователя, система должна создавать «снимки» (snapshots) только при значительных правках текста . Это позволяет избежать перегрузки серверов и лишних трат энергии.
Обсуждая вопрос о предвзятости ИИ, эксперты подчеркнули, что алгоритмы часто навязывают западные академические нормы письма и логику аргументации . Айгерим Шилибекова призвала институты не просто использовать инструменты, а критически оценивать, обучались ли эти модели на данных, учитывающих интересы конкретного региона .
Вебинар завершился выводом о том, что ИИ в открытом образовании должен быть мостом, а не препятствием. Главным приоритетом остается ИИ-грамотность (AI literacy), которая позволит педагогам осознанно выбирать инструменты, понимая их социальную и экологическую цену .
