Возвращение в аудитории: зачем в эпоху ИИ нужно широкое гуманитарное образование

Быстрый прогресс крупных языковых моделей (LLM) за последние два года заставил некоторых говорить о том, что ИИ в скором времени сделает высшее образование, особенно в области гуманитарных наук, ненужным. Согласно этой точке зрения, молодым людям лучше пропустить университет и учиться прямо на рабочем месте. Профессор экономики Йельского университета, главный редактор American Economic Review Пинелопи Куджану Голдберг категорически с этим не согласна.

Обучение на практике ценно и всегда было таковым. Но оно работает лучше всего, когда люди хорошо понимают, какие профессии и навыки будут востребованы. Если есть одна вещь, в которой мы можем быть уверены, так это в том, что будущее рынка труда весьма неопределенно. Советовать молодым людям отказаться от высшего образования в пользу раннего выхода на рынок труда – в лучшем случае ошибочно.

Джеффри Хинтон, один из признанных пионеров современного искусственного интеллекта, однажды сравнил прогресс в своей области с навигацией в «тумане»: вы можете видеть то, что находится непосредственно перед вами, но не то, что будет дальше.

Соответственно, главная задача педагогов — подготовить студентов к эффективной работе в условиях туманности. Решение заключается не в том, чтобы обучать их конкретным задачам, которые могут быстро устареть, а в том, чтобы сделать студентов максимально адаптивными. Попытки подготовить людей к выполнению фиксированного набора задач, когда эти задачи постоянно меняются, — это проигрышная стратегия. Нам нужны опытные водители, которые могут ориентироваться на незнакомых дорогах и преодолевать неожиданные препятствия.

С этой точки зрения образование, и особенно высшее образование, играет более важную роль, чем когда-либо. Поскольку мы не знаем, какие конкретные навыки будут востребованы в будущем, необходимо вернуться к основам. Классическое широкое гуманитарное образование делает акцент на том, как думать, а не на том, что делать. Оно учит студентов рассуждать, внимательно читать, ясно писать и оценивать доказательства. Эти навыки будут гораздо более востребованы, чем узкие технические компетенции.

Это не означает игнорирование технологий. Напротив, студенты должны научиться работать с ИИ. Но цель должна заключаться в том, чтобы сделать их критически мыслящими пользователями и знающими судьями инструментов ИИ, а не пассивными потребителями. По-прежнему важно преподавать основы математики, логики и рассуждения, знакомить студентов с фундаментальными текстами и учить их, как строятся и проверяются аргументы. Именно эти навыки позволяют людям опережать быстро развивающиеся технологии.

Этот принцип поднимает два практических вопроса: чему мы должны учить и как мы должны учить? Первый вопрос сложен и неизбежно вызовет дискуссию. Хотя может быть достигнуто широкое согласие о важности основных концепций, детали будут меняться со временем. Мы можем воспользоваться нашим опытом с предыдущими технологиями. Появление калькуляторов и компьютеров не устранило необходимости преподавания арифметики. Учащиеся по-прежнему изучают, как работают вычисления, но трудоемкие ручные вычисления теперь делегируются машинам. Точно так же орфография и грамматика остаются важными, но программное обеспечение в значительной степени заменило необходимость в бесконечных упражнениях.

ИИ требует аналогичной адаптации во многих областях. LLM теперь очень хорошо выполняют такие задачи, как резюмирование текста или выделение основных идей — давние основные элементы образования. То же самое все чаще верно для программирования, решения количественных задач и даже составления текстов. Хотя эти виды деятельности не должны исчезнуть из учебной программы, цель должна измениться.

Студентам важно понимать, как устроена логика процесса, а не запоминать последовательность действий.

Успешными будут те студенты, которые смогут эффективно использовать инструменты ИИ для достижения четко определенных целей. То же самое и с хорошим управлением: успех зависит от выстраивания приоритетов, структурирования проблем и разумного использования доступных ресурсов. Это концептуальные навыки, а не узкие технические.

Второй, педагогический вопрос касается того, как закрепляется и оценивается обучение.

ИИ позволяет студентам лучше, чем когда бы то ни было уклоняться от самостоятельного выполнения работ. Даже высокомотивированные студенты иногда будут испытывать соблазн пойти по пути наименьшего сопротивления, особенно под давлением времени. Поэтому нам нужны серьезные изменения в системе оценки. Домашние эссе, наборы задач и экзамены без контроля становятся все менее эффективными. Их необходимо заменить очными тестами и экзаменами, устными оценками и задачами, решаемыми в режиме реального времени — неважно, на бумаге или на доске.

Такие изменения имеют далеко идущие последствия. Они требуют возвращения посещаемости, меньшего числа студентов в группах и более личного взаимодействия между студентами и преподавателями.

Во многих отношениях это будет означать возвращение к старым моделям обучения, отказ от некоторых масштабов и стандартизации, появившившихся благодаря прежним технологиям. Это может даже положить начало новому золотому веку классического гуманитарного образования.

Но эта модель также вызывает серьезные опасения. Она возлагает большую ответственность на преподавателей, которые должны быть готовы применять стандарты и принимать сложные решения. Учебные заведения должны поддерживать их в этом. В то же время оценка, основанная на личном взаимодействии, вызывает обоснованные опасения по поводу предвзятости. У стандартизированных экзаменов есть свои недостатки, но по крайней мере их предвзятость очевидна и поддается выявлению. Субъективная оценка — через устные экзамены и личное общение — может быть менее прозрачной.

Возможно, самая серьезная проблема касается неравенства. Обучение в небольших классах с высокой степенью персонализации является дорогостоящим. Элитарные учебные заведения могут себе это позволить, но крупные государственные университеты будут испытывать трудности. Так же, как дистанционное обучение во время пандемии усугубило разрыв в образовании, переход к интенсивному очному обучению с помощью ИИ может поставить в невыгодное положение тех, кто в наибольшей степени полагается на государственное образование.

Некоторые утверждают, что ИИ сам по себе снизит потребность в формальном образовании, предоставляя информацию и индивидуальные рекомендации по запросу. Но предполагается, что пользователи знают, что спрашивать и как интерпретировать ответы.

Наиболее мотивированные или одаренные люди могут преуспеть в такой среде, но они сделали бы это в любом случае. Формальное образование имеет наибольшее значение для широких слоев среднего класса.

Если ИИ должен приносить пользу обществу, нам понадобятся не меньшие, а большие инвестиции в образование. ИИ заменит рабочие места, но также создаст новые.

Образование должно быть одним из секторов, которые будут расширяться. По мере того, как ИИ станет широко доступным, качество образования будет зависеть не столько от доступа, сколько от ожиданий и обеспечения соблюдения требований. Меньшие классы, больше преподавателей и больше личное взаимодействие — все это дорого, но рост производительности, обещанный ИИ, делает такие инвестиции как возможными, так и целесообразными.

Copyright: @Project Syndicate, 2026