Цифровые двойники горных предприятий, симуляторы аварий, обработка сейсмических, геофизических и геохимических данных с помощью генеративных нейросетей – всё это приметы сегодняшнего дня для предприятий минерально-сырьевого комплекса. Компьютерные новинки активно проникают и в сферу профессионального образования. Сегодня уже невозможно подготовить геолога, маркшейдера или буровика без ИТ-помощников, но у цифровой трансформации есть и обратная сторона: университеты рискуют выпустить из своих стен не инженеров-творцов, а всего лишь квалифицированных операторов.
Еще большие риски несет стихийное проникновение чат-ботов. Опрос VK Education показал, что сегодня уже около 85% студентов используют ИИ для повышения продуктивности в учебе. Мария Жехрова преподает иностранные языки студентам 1-2 курсов Санкт-Петербургского горного университета императрицы Екатерины II. Она на примере своей дисциплины ощутила отрицательный эффект так называемой когнитивной разгрузки, когда постоянный доступ студентов к готовым ответам переводит мозг в режим экономии энергии – информация проходит сквозь него, не формируя остаточных знаний. Пришлось искать эффективные инструменты контроля знаний. В результате совместно с заведующей кафедрой исторической и динамической геологии Ириной Таловиной была разработана универсальная методика, которая уже получила апробацию в процессе обучения будущих геологов.
«На занятиях по английскому я давала студентам простое грамматическое задание: в предложении с пропущенными глаголами поставить нужные слова в правильной форме. Студенты зачастую правильно отвечали, но не могли объяснить почему, например, они совместили в одном предложении прошедшее совершенное и простое прошедшее время. Затруднялись назвать ключевой маркер текста, который обосновывает правильный выбор. Это означает, что подсмотренный ответ не привел к пониманию принципа взаимодействия грамматических времён для описания конкретной ситуации.
Случай оказался типичен и в отношении профильных для нашего университета инженерных дисциплин. Мы исследовали различные варианты эффективного контроля остаточных знаний и предложили собственный диагностический комплекс – своего рода стресс-тест на цифровую зависимость.
Первый шаг – «Отключенный тест». Студент сначала решает задачу с использованием ИИ, затем через 2-3 занятия возвращается к ней, но уже с полным запретом на смартфоны, как в школе.
Затем переходим к этапу «Объяснение процесса»: здесь требуется раскрыть логику решения. Если при отсутствии цифровой поддержки качество и глубина объяснения заметно ухудшаются, то диагноз очевиден: цифровой помощник оказал студенту медвежью услугу.
Третий шаг – «Отсроченная диагностика» проводится через месяц после прохождения темы, и снова без доступа к цифровым инструментам. Если результаты снижаются более чем на 40% по сравнению с первичными, значит, знания не усвоены, а лишь были «арендованы» у ИИ.
Отдельный метод проверки полноты знаний, который может быть предложен к использованию на этапе объяснения процесса – «Аналоговое конструирование». Речь идет об описании решения через структурное сходство между явлениями, экстраполяцию закономерностей из одной области знаний на другую. Скажем, студенты могут решить горнотехническую задачу повышения устойчивости бортов карьера с помощью заимствованных у корневых систем растений систем анкерного крепления. Растения удерживаются на рыхлом грунте склона карьера за счет увеличения площади опоры (утолщение на корне), отсюда и концепт анкера с «надувной» или химически расширяемой «луковицей» с взамен механического замка», – рассказала Мария Жехрова.
Для описания последствий слепого доверия к алгоритмическим решениям авторы разработки используют собственный термин «подмена знаний». Это «когнитивное искажение мышления, которое характеризуется малым процентом или отсутствием остаточных знаний снижением навыков самостоятельного мышления, что в результате приводит к иллюзии компетенции и в конечном итоге к интеллектуальной деградации и потере творческого потенциала».
Четкая констатация проблемы позволила выйти не только на методику контроля остаточных знаний, но и на понимание принципов ответственного использования ИИ. Назовем их.
Аналоговый приоритет. Сначала – бумага, карандаш, физическая интуиция и поиск природных аналогов. ИИ подключается только для проверки.
Прозрачность алгоритмов или право на «белый ящик». Использование только тех ИИ-инструментов, которые раскрывают логику решения. Студент обязан деконструировать ответ машины и найти в нем физические законы.
Цифровой детокс. Радикальная, но необходимая мера: минимум 60% учебного времени и все контрольные работы – без доступа к технологиям. Мозгу нужна «тишина», чтобы восстановить нейронные связи и способность к самостоятельному мышлению.
Педагогический фильтр. Преподаватель берет на себя дополнительную функцию регулятора доступа студента к цифровым симуляторам. Тот должен защитить свое «аналоговое» решение и лишь потом воспользоваться электронными помощниками.
Коллеги предложили и свою классификацию цифровых инструментов по степени риска подмены знаний.
Высокий уровень риска – у генеративного ИИ, дающего прямые решения задач без включения самостоятельного мышления. Человеку остается лишь сформулировать промпт, то есть запрос в адрес ИИ.
К инструментам среднего уровня риска относятся симуляторы и цифровые двойники без обязательного этапа ручного расчета: студент управляет параметрами, но не понимает физику процесса.
Низкий уровень риска характеризует цифровые инструменты визуализации. Решение уже принято, а ИИ лишь обеспечивает наглядность и удобство использования. Например, 3D-визуализация уже рассчитанной крепи выработки.
Новая методология оценки остаточных знаний и принципы ответственного использования ИИ уже доказали свою эффективность в отношении студентов младших курсов, которые изучают общетехнические и общеобразовательные дисциплины в рамках единого для всех специальностей «ядра» образования. Разработчики планируют распространить свой опыт и на специальные дисциплины.
Переход на новую методику должен быть осознанным. Поэтому для студентов разработаны кейсы с типичными ошибками чат-ботов. Их разбор, как показала практика, хорошо мотивирует студентов в сторону критического отношения к информации от ИИ. Например, на вопрос «Можно ли найти окаменелости древних растений или животных в граните» чат-бот выдал утвердительный ответ. По его версии гранит « формировался в водной среде из осадочных пород, которые затем спрессовались». Зная физику процесса, хороший студент отвергнет такой ответ, поскольку гранит в действительности – магматическая порода, которая образуется при медленном остывании раскаленной до 700-900 градусов по Цельсию магмы глубоко под землей. При таких температурах любая органика мгновенно сгорела бы, не оставив даже пепла. Тем не менее, в интернете обсуждались фото с пятнами и узорами на граните, похожими по форме и цвету на фрагменты живых организмов. Специалисты оценили их как минеральные включения, но дискуссия оставила цифровой след и чат-бот ошибся.