ПРИМЕНЕНИЕ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА
В ОБРАЗОВАНИИ
Выполнил:
Менажиев Рахим Замирханович
2024 г.
Оглавление
Введение ........................................................................................................................................................... 3
1.
Искусственный интеллект и его особенности ....................................................................................... 4
Искусственный интеллект ........................................................................................................................... 4
1.2. Технологии и сферы использования искусственного интеллекта.................................................... 5
1.3. Основные проблемы и риски искусственного интеллекта ............................................................. 10
2.
Искусственный интеллект в образовании ...........................................................................................11
2.1. Адаптивное обучение ......................................................................................................................... 12
2.2. Персонализированное обучение ........................................................................................................ 18
2.3. Автоматическое оценивание .............................................................................................................. 18
2.4. Интервальное обучение ...................................................................................................................... 19
2.5. Оценка преподавателя студентами ................................................................................................... 19
2.6. Умные кампусы ................................................................................................................................... 19
2.7. Контроль экзаменационного процесса ............................................................................................. 19
2.8. Анализ поведения учеников .............................................................................................................. 20
Список использованных источников ...................................................................................................22
2
Введение
Инновации искусственного интеллекта (ИИ) влияют на сферы, далёкие от
мира технологий. Даже консервативная образовательная отрасль в скором времени будет широко применять системы искусственного интеллекта. В этой работе мы рассмотрим разнообразные возможности использования ИИ в преподавании. [1]
В конце января 2021 года стало известно о введении в российской
начальной школе обучения основам искусственного интеллекта. Новая дисциплина в рамках уроков информатика появится 1 сентября, а первые учебные
материалы планируется подготовить к концу мая. Именно этим и обусловлена
актуальность данной работы. Кроме того, актуальность видится в том, что в
эпоху быстро проистекающей цифровизации практически всех сегментов человеческого бытия образование, которое всегда являлось базисом в процессах генерации и передачи знаний, не могло остаться в стороне от такого современного направления развития, как искусственный интеллект (ИИ). Это обусловлено
не только трендом на обновление учебного процесса, но и пониманием, что необходимым условием нового лидерства в глобальной конкуренции и, в условиях наблюдаемой в развитых странах 4-й промышленной революции, является
успешное создание и развитие отечественных программных платформ с интегрированным ИИ на основе нейронных сетей и больших данных (BigData).
Научный аспект работы состоит в том, чтобы знать, каким образом
можно применить системы искусственного интеллекта в системе современного
образования.
Объект исследования – искусственный интеллект.
Предмет исследования – использование искусственного интеллекта в
образовательном процессе.
Проблема исследования – недостаточное применение систем ИИ в образовательном процессе школы в связи с не информированностью школьников о
таких системах.
Целью нашего исследования является:
1.
изучение использования систем искусственного интеллекта в образовательном процессе;
2.
практическое применение возможностей систем искусственного
интеллекта в образовательном процессе;
Для достижения цели исследования и обоснования гипотезы нам необходимо решить ряд задач:
1.
Найти и обобщить необходимые сведения об искусственном интеллекте.
2.
Рассмотреть способы применения систем искусственного интеллекта в обучении школьников.
Гипотеза исследования:можно использовать системы искусственного
интеллекта для различных образовательных процессов.
3
Методы исследования – эмпирические (опрос (беседа), сравнение), экспериментально-теоретические (анализ, логический), теоретические (изучение и
обобщение, анализ и синтез).
1. Искусственный интеллект и его особенности
1.1. Понятие и принципы искусственного интеллекта
Искусственный интеллект (ИИ; англ. artificialintelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека (не следует путать с искусственным
сознанием, ИС); наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.
ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически
правдоподобными методами.
Существующие на сегодня интеллектуальные системы имеют достаточно
узкие области применения. Например, программы, способные обыграть человека в шахматы, не могут отвечать на вопросы и т. д.[2]
Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности
компьютеров. Таким образом, искусственный интеллект получает информацию
из самых разных источников и дисциплин. Это и информатика, математика,
лингвистика, психология, биология, машиностроение. На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.
Главные цели ИИ достаточно прозрачны:
Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать
прогнозы и строить гипотезы на основе массива данных.
Реализация интеллекта человека в машине – создание роботовпомощников, которые могут вести себя как люди: думать, учиться, понимать и
выполнять поставленные задачи.
4
Рис.1. Этапы развития ИИ
Прежде чем описываться технологические принципы, без которых
немыслимо развитие искусственного интеллекта, стоит познакомиться с этическими законами робототехники. Их в 1942 году вывел Айзек Азимов в своём
романе «Хоровод»:
робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы
человеку был причинен вред.
робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.
До выхода в свет романа Азимова, искусственный интеллект ассоциировался с образом Франкенштейна Мэри Шелли. Искусственно созданное подобие человека с разумом восстает против людей. Эту же страшилку перенесли и
в знаменитый блокбастер Голливуда «Терминатор».
Интересен факт, что в 1986 году Айзек Азимов дописал еще один пункт к
законам робототехники. Писатель предпочел назвать его «нулевым»:
0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества. [3]
1.2. Технологии и сферы использования искусственного интеллекта
Технологии искусственного интеллекта постепенно выходят на плато
продуктивности. Среди первых ласточек - сервисы распознавания речи, на базе
которых работают чат-боты. Также интерес у пользователей вызывают технологии автоматизированного машинного обучения и бизнес-приложения со
встроенными механизмами ИИ. Растет спрос на платформы искусственного
интеллекта, предоставляемые в виде услуги, и соответствующие облачные сервисы. Но некоторые применения, например — в автономных транспортных
средствах, будут реализованы лишь лет через 10.
Рис.2. Технологии ИИ
5
Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. Участие человека при таком подходе ограничивается загрузкой в «память» машины массива информации и постановкой целей.
Существует несколько методик МО:
Обучение с учителем – человек задает конкретную цель, хочет проверить гипотезу или подтвердить закономерность.
Обучение без учителя – результат интеллектуальной обработки
данных неизвестен – компьютер самостоятельно находит закономерности,
учится думать, как человек.
Глубокое обучение – это смешанный способ, главное отличие в обработке больших массивов данных и использование нейросетей.
Нейросеть– математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале –
это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами, суперкомпьютер – это сеть из множества обычных компьютеров.
Глубокое обучение относят в отдельный принцип ИИ, так как этот метод
используется для обнаружения закономерностей в огромных массивах информации. Для такой непосильной человеку работы, компьютер использует усовершенствованные методики.
Когнитивные вычисления – одно их направлений ИИ, которое изучает и
внедряет процессы естественного взаимодействия человека и компьютера,
наподобие взаимодействия между людьми. Цель технологии искусственного
интеллекта заключается в полной имитации человеческой деятельности высшего порядка – речь, образное и аналитическое мышление.
Компьютерное зрение – это направление ИИ используется для распознавания графических и видеоизображений. Сегодня машинный интеллект может
обрабатывать и анализировать графические данные, интерпретировать информацию в соответствии с окружающей обстановкой.
Синтезированная речь. Компьютеры уже могут понимать, анализировать
и воспроизводить человеческую речь. Мы уже можем управлять программами,
компьютерами и гаджетами с помощью речевых команд. Например, Siri или
Googleassistant, Алиса в Яндексе и другие.
Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и
устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом,
оборудование на ЧПУ и прочее.
Говоря о сферах использованияискусственного интеллекта, стоит отметить, что ИИ и его области применения претерпевают трансформацию. Определение Weak AI («слабый ИИ») используется, когда речь идет о реализации
6
узких задач в медицинской диагностике, электронных торговых платформах,
управлении роботами. Тогда как Strong AI («сильный ИИ») исследователи
определяют, как интеллект, перед которым ставятся глобальные задачи, как если бы их ставили перед человеком.
Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:
В образовании
Многие школы включают в образовательный курс информатики ознакомительные уроки по ИИ, а университеты широко применяют технологии больших данных. Некоторые программы контролируют поведение учащихся, оценивают тесты и эссе, распознают ошибки в произношении слов и предлагают
варианты исправления.
Также существуют онлайн-курсы по искусственному интеллекту. Например, у образовательного портала GeekBrains.
В бизнесе и торговле
В ближайшие пять лет у ведущих ретейлеров появятся мобильные приложения, которые будут работать с цифровыми помощниками, такими как Siri,
чтобы упростить процесс совершения покупок. ИИ позволяет зарабатывать
огромные суммы в интернете. Один из примеров — Amazon, который постоянно анализирует потребительское поведение и совершенствует алгоритмы.
В электроэнергетике
ИИ помогает прогнозировать генерацию и спрос на энергоресурсы, снижать потери, предотвращает кражи ресурсов. В электроэнергетике использование ИИ при анализе статистических данных помогает выбрать наиболее выгодного поставщика или автоматизировать обслуживание клиентов.
В производственной сфере
Согласно опросу McKinsey, проведенному среди 1300 руководителей,
20% предприятий уже применяют ИИ. Недавно компания «Моссельпром»
внедрила ИИ у себя на производстве в цеху упаковки. Используется способность ИИ к распознаванию изображения. Камера фиксирует все действия работника, сканируя штрих-код, нанесенный на одежду, и отправляет данные в
компьютер. Количество совершенных операций напрямую влияет на оплату
труда сотрудника.
В банковской сфере
Потребность в надежной обработке данных, развитие мобильных технологий, доступность информации и распространение программного обеспечения
с открытым исходным кодом делают ИИ востребованной технологией в банковском секторе. Все больше банков привлекают заемные средства с помощью
компаний-разработчиков мобильных приложений. Новые технологии улучшают обслуживание клиентов, и, как предсказывают аналитики, уже через пять
лет ИИ в банках будет принимать большинство решений самостоятельно.
На транспорте
7
Развитие технологий ИИ — драйвер транспортной отрасли. Мониторинг
состояния дорог, обнаружение пешеходов или объектов в неположенных местах, автономное вождение, облачные сервисы в автомобилестроении — лишь
немногие примеры применения ИИ на транспорте.
В логистике
Возможности ИИ позволяют компаниям более эффективно прогнозировать спрос и выстраивать цепи поставок с минимальными затратами. ИИ помогает сократить количество используемых транспортных средств, необходимых
для перевозки, оптимизировать время доставки, снизить эксплуатационные
расходы транспорта и складских помещений.
На рынке предметов и услуг роскоши
Люксовые бренды также обратились к цифровым технологиям, чтобы
анализировать потребности клиентов. Одна из задач, которая ставится перед
разработчиками в этом сегменте, — управление эмоциями клиентов и влияние
на них. Dior уже адаптирует ИИ для управления взаимодействием клиента и
бренда с помощью чат-ботов. Люксовые бренды будут конкурировать в будущем, и решающим будет уровень персонализации, которого они смогут достичь с помощью ИИ.
В государственном управлении
Государственные аппараты многих стран пока не готовы к вызовам, которые спрятаны в технологиях ИИ. Согласно прогнозам экспертов, многие из
существующих правительственных структур и процессов, которые развивались
в течение последних нескольких столетий, вероятно, станут неактуальными в
ближайшем будущем.
В судебной системе
Разработки в области искусственного интеллекта помогут кардинально
изменить судебную систему, сделать ее более справедливой и свободной от
коррупции. Одними из первых ИИ в судебной системе стал применять Китай.
Можно предположить, что роботы-судьи со временем смогут оперировать
большими данными из хранилищ государственных служб. Машинный интеллект анализирует огромное количество данных, и он не испытывает эмоции,
как судья-человек. ИИ может оказать огромное влияние на обработку информации и сбор статистики, а также прогнозировать возможные правонарушения
исходя из анализа данных.
В спорте
Применение ИИ в спорте стало обычным явлением в последние годы.
Спортивные команды (бейсбол, футбол и т .д.) анализируют индивидуальные
данные о производительности игроков, учитывая разные факторы при подборе.
ИИ может предсказать будущий потенциал игроков, анализируя технику игры,
физическое состояние и другие данные, а также оценить их рыночную стоимость.
В здравоохранении
Эта сфера применения стремительно развивается. ИИ используется в диагностике заболеваний, клинических исследованиях, при разработке лекарств и
8
при создании медицинских страховок. Кроме того, сейчас наблюдается бум инвестирования в многочисленные медицинские приложения и устройства.
В развитии культуры
Алгоритмы ИИ начинают генерировать художественные произведения,
которые сложно отличить от созданных человеком. ИИ предлагает людям
творческих профессий множество инструментов для воплощения замыслов.
Именно сейчас меняется понимание роли художника в широком смысле, так
как ИИ дает массу новых методов, но и ставит перед человечеством много новых вопросов.
В живописи
Искусство издавна считалось исключительной сферой человеческого
творчества. Но оказалось, что машины могут сделать гораздо больше в творческой сфере, чем люди могут себе представить. В октябре 2018 года Christie’s
продал первую картину, созданную ИИ, за 432 500 долларов. Использовался
алгоритм генеративной состязательной сети, который анализировал 15 000
портретов, созданных между XV и XX веком.
В музыке
Разработано несколько музыкальных программ, которые используют ИИ
для создания музыки. Как и в других областях, ИИ в этом случае также имитирует умственную задачу. Заметной особенностью является способность алгоритма ИИ учиться на основе полученной информации, такой как технология
компьютерного сопровождения, которая способна слушать и следовать за человеком-исполнителем. ИИ также управляет так называемой интерактивной композиционной технологией, в которой компьютер сочиняет музыку в ответ на
выступление живого музыканта. В начале 2019 года WarnerMusic заключила
первый в истории контракт с исполнителем — алгоритмом Endel. По условиям
контракта, в течение года нейросетьEndel выпустит 20 уникальных альбомов.
В фотографии
ИИ быстро меняет наше представление о фотографии. Всего через пару
лет большинство достижений в этой сфере будут ориентированы на ИИ, а не на
оптику или сенсоры, как раньше. Прогресс в технологии фотографии впервые
не будет связан с физикой и создаст совершенно новый способ фотомышления.
Уже сейчас нейросеть распознает малейшие изменения при моделировании лиц
в фоторедакторах.
В процессе видеосъемки и монтажа
В 2015 году Facebook начала тестировать на сайте технологию DeepFace.
В 2017 Reddit-юзер DeepFakes придумал алгоритм, позволяющий создавать реалистичные видео с заменой лица, используя нейросети и машинное обучение.
В СМИ и литературе
В 2016 году ИИ Google, проанализировав 11 тысяч неизданных книг,
начал писать свои первые литературные произведения. Исследователи
Facebook AI Research в 2017 году придумали систему нейросетей, которая умеет писать стихи на любую тему. В ноябре 2015 года направление подготовки
автоматических текстов открыла российская компания «Яндекс».
9
В играх
В 2016 году ИИ обыграл человека в го (игра, в которой более 10 100 вариантов). В шахматах суперкомпьютер победил человека-игрока из-за возможности хранения в памяти когда-либо сыгранных людьми ходов и программирования новых на 10 шагов вперед. В покер сейчас играют боты, хотя раньше
считалось, что компьютер почти невозможно обучить играть в эту карточную
игру. С каждым годом разработчики все более совершенствуют алгоритмы.
В процессе распознавания лиц
Технология распознавания лиц применяется как для фото-, так и видеопотоков. Нейронные сети выстраивают векторный, или «цифровой», шаблон
лица, далее происходит сравнение этих шаблонов внутри системы. Она находит
опорные точки на лице, которые определяют индивидуальные характеристики.
Алгоритм вычисления характеристик различен для каждой из систем и является
главным секретом разработчиков. [5]
В военном деле
Применение ИИ является важным трендом в создании перспективных систем управления поля боя и вооружением. [11]
С помощью ИИ возможно обеспечить оптимальный и адаптивный к угрозам выбор комбинации сенсоров и средств поражения, скоординировать их
совместное функционирование, обнаруживать и идентифицировать угрозы,
оценивать намерения противника[11]. Существенную роль ИИ играет в реализации тактических систем дополненной реальности. Например, ИИ позволяет
обеспечить классификацию и семантическую сегментацию изображений, локализацию и идентификацию мобильных объектов для эффективного целеуказания.
1 марта 2021 года Комитет по безопасности применения искусственного
интеллекта (англ. NationalSecurityCommissionon AI)[12] направил Президенту
СШАи Конгрессу доклад, в котором рекомендуется отвергнуть всемирный запрет на применение автономных систем вооружения на основе ИИ. В докладе
говорится, что использование ИИ позволит «сократить время принятия решений» в тех случаях, когда человек не способен действовать достаточно быстро.
Комитет также высказал опасение, что Китай и Россия вряд ли станут соблюдать договор о запрете на применение ИИ в военном деле.
В работе специальных служб
Британские спецслужбы будут бороться с российскими фейковыми новостями при помощи искусственного интеллекта, который будет распознавать активность «фабрики троллей». По информации Центра правительственной связи
Великобритании, искусственный интеллект будет бороться с фейками, сверяя
данные с надежными источниками, выявляя манипуляции с изображениями и
видео и блокируя подозрительных ботов.
1.3. Основные проблемы и риски искусственного интеллекта
Как вы понимаете, возможности искусственного интеллекта на данной
стадии развития не безграничны. Перечислим главные трудности.
10
Обучение машин возможно только на основе массива данных. Это означает, что любые неточности в информации сильно сказываются на конечном
результате.
Интеллектуальные системы ограничены конкретным видом деятельности. То есть умная система, настроенная на выявление мошенничества в сфере
налогообложения, не сможет выявлять махинации в банковской сфере. Мы
имеем дело с узкоспециализированными программами, которым ещё далеко до
многозадачности человека.
Интеллектуальные машины не являются автономными. Для обеспечения
их «жизнедеятельности» необходима целая команда специалистов, а также
большие ресурсы. [3]
Риски, связанные с новыми технологиями, всегда существуют. Вопрос —
в чем они заключаются.
Может оказаться, что искусственные нейросети, достигнув определенного порога, выйдут на «плато» эффективности и не будут развиваться дальше.
Или не оправдают надежд, если окажется, что ИИ в принципе не способен
справиться с тем или иным классом задач, например, творческого характера.
Это может обернуться потерями трудозатрат и финансовых вложений.
Если же под риском понимать техногенные катастрофы или восстание
машин — пока это нам вряд ли грозит. Говоря простыми словами, современные
нейросети не способны обратиться против создателей как нейроны в мозге,
управляющие движением руки, не способны осознать себя как личность и
нанести удары по собственному телу.
Тем не менее, мы должны помнить, что ИИ — наша разработка. Мы их
проектируем, создаем, обучаем, вкладываем «мысли». Значит, и ответственность за их поведение — на нас.
2. Искусственный интеллект в образовании
Как уже упоминалось выше, в конце января 2021 года стало известно о
введении в российской начальной школе обучения основам искусственного интеллекта. Новая дисциплина в рамках уроков информатика появится 1 сентября, а первые учебные материалы планируется подготовить к концу мая. Целесообразным является методическое обеспечение реализации в общеобразовательных организациях учебных курсов, направленных на изучение основ систем искусственного интеллекта, основанное на современных методологических подходах к организации учебной деятельности, — сообщили в Министерстве просвещения РФ[7]
В минстерстве уверены в высоком спросе в будущем на инженеров в области искусственного интеллекта, имеющих навыки создания алгоритмов машинного обучения в программировании, физике, биологии и других отраслях.
В связи с этим возникает актуальный вопрос с подготовкой кадров и предпрофессиональным обучением, которое, как считают в Министерстве просвещения, логично начинать в младших классах.[7]
11
Министерство приводит данные аналитиков Gartner, согласно которым
благодаря активному внедрению искусственного интеллекта в различные отрасли экономики к 2025 году количество созданных рабочих мест превысит
число ликвидированных на два миллиона. К 2022-му использовать искусственный интеллект будет каждый пятый работник из числа занятых нешаблонными
задачами, ожидают исследователи. Перед Министерством просвещения стоит
задача полностью осовременить образовательные программы в школах. Новому поколению придется жить в мире, который будет неразрывно связан с искусственным интеллектом. [7]
Возможности ИИ начинают активно использовать не только в развитых,
но и в развивающихся странах. Так, в 2016 году правительство Китая запустило
план, согласно которому страна должна стать крупнейшим полюсом развития
ИИ в мире к 2030 году. Китай определил свою национальную стратегию ИИ
для образования как часть технологического развития по данному плану. В Латинской Америке в последние годы несколько инициатив также активно продвигают компьютеризацию сферы образования.[8]
Как же ИИ будет интегрироваться в образовательный процесс?
2.1. Адаптивное обучение
Адаптивное обучение определяется как концепция (обучающая модель),
за действующая новые технологии для улучшения уровня знаний, обучающегося с учетом его индивидуальных особенностей (эмоциональное состояние, пол,
способность воспринимать различные типы информации, уровень учебных
навыков).
Это самая многообещающая возможность применения ИИ в образовании.
ИИ поможет отслеживать индивидуальный прогресс каждого студента.
Усвоил тему — пора писать контрольную работу, знания оставляют желать лучшего — система оповещает учителя о трудностях в понимании материала.
ИИ также может использоваться в интеллектуальных системах обучения.
Процесс обучения должен «подстраиваться» под обучающегося, определять объем его знаний и выстраивать индивидуальную траекторию обучения.
Как показал анализ литературы, такую модель обучения выбрали в зарубежной
системе образования с государственной поддержкой и закреплением в законодательной базе. К адаптивным платформам можно отнести: 2U, Wiley, Canvas,
LoudCloud, Blackboard, Knewton, RealizeIT, Adaptcourseware, Anewspring, Geekie, SmartSparrow.
В Бразилии популярность набирает умная система GeekieЭто разработанная программная платформа на основе ИИ, позволяющая подготовиться к выпускным экзаменам в школе. Она включает в себя материалы (видео уроки, тесты, практические задания), разработанные преподавателями. Лабораторный
практикум предоставляется в виде цифровых уроков, содержащих текст, картинки, видеоматериалы. Программа оценивает каждый шаг, каждое действие
подопечных и передает их учителю. В самом начале ученики проходят корот12
кий тест и определяют конечную цель обучения, а программа подбирает соответствующий контент (планы курса, материал) для обучения.
Если ученик что-то не понял или пропустил урок, то есть возможность
вернуться и повторить теорию. При должном уровне знаний по теме материал
варьируется по уровню трудности. Каждый ученик сам выбирает темп обучения. Программа постоянно собирает данные (преподаватели имеют возможность быстро вносить коррективы в курс) и учится на них (в случае подбора
дальнейшего материала). Применение данной платформы в образовании позволило улучшить цифры успешной сдачи выпускных и вступительных экзаменов.
Данная технология рассматривается как часть процесса (помощник учителя), а
не процесс в целом. Наибольшее распространение идея адаптирования процесса обучения получила в США. Там существует несколько платформ, онлайнсервисов, использующихся в разных звеньях системы образования.
Образовательный сервис (платформа) Knewton занимается персонализацией обучения с 2008 года. Knewton – это платформа, на базе которой разрабатываются программы и приложения с адаптивной функцией. Примером такой
работы стал проект MyLab&Masteringseries.
Аналитическая система позволяет ответить на такие вопросы, как:
что известно студенту;
почему он ошибся в задании;
какие темы для него важны;
прогноз успешности на данном этапе.
Алгоритмами платформы Knewton пользуются крупные университеты
не только США, но и Европы.
Другим примером реализации адаптивного обучения в США является
DreamBox.
LearningMath – адаптивная онлайн-математическая программа для школы. Технология IntelligentAdaptiveLearning отслеживает действие каждого учащегося и оценивает стратегии, используемые для решения проблем. Затем программа корректирует материал урока и уровень сложности, количество подсказок, темы и темп изучения.
В Австралии используется открытая платформа для обучения
SmartSparrow, позволяющая создавать интерактивные и адаптивные учебные
курсы. Данная платформа представляет собой веб-пакет и основывается на
подходе «малых данных», в котором используются алгоритмы, анализирующие
только самые последние ответы (выборы) ученика для определения следующего вопроса. У преподавателя есть возможность наладить обратную связь с учеником в виде своевременных подсказок (видео, графики или дополнительный
материал) при затруднении ответа на вопрос, варьирования количества попыток запроса или времени бездействия.
Платформа адаптивного цифрового обучения Aero рассчитана на студентов колледжей. В Aero определяются цели курса, темы задания и тесты. Программа собирает огромное количество данных, в том числе не только ответы на
вопросы, но и информацию о том, как часто студенты просматривали задания
13
(теорию), где и что выбирали. Выполнение одного и того же задания для разных студентов отличается благодаря его адаптивности (персонализации контента). Программа способна определить, когда и с какой темы необходимо повторить материал. У преподавателя есть возможность индивидуализировать
обучение в группе, планировать лекции на основе знаний студентов. В результате у преподавателя есть возможность спрогнозировать успешность сдачи
студентом экзамена или освоение материала.
В России в 2015 году была предпринята попытка создать адаптивную
платформу Stepik, которая подбирала бы образовательный материал в зависимости от уровня знаний пользователя и советовала наиболее важный для данного этапа обучения.
На сегодняшний день данная образовательная платформа существует как
конструктор бесплатных открытых онлайн-курсов и уроков с адаптивными рекомендациями, она позволяет создавать интерактивные обучающие уроки с обратной связью и автоматической проверкой.
Рассмотрев существующие платформы, по нашему мнению, можно выделить следующие достоинства и недостатки описанных зарубежных адаптивных
платформ.
Недостатки:
в большинстве рассмотренных платформ при первоначальном запуске и
тестировании отсутствует учет психологического типа ученика, а это могло бы
позволить более точно адаптировать манеру представления теоретического и
практического материала;
нет единой модели построения адаптивной платформы обучения с учетом
общих требований (не везде есть возможность прогнозирования успешности
учебной деятельности и т.д.).
Преимущества:
сбор информации о действиях для дальнейшей адаптации модели обучения;
учет времени, затраченного на изучение темы, практики;
возможность прогнозирования успешности деятельности.
Предложенная С.В. Тарховым формализованная модель адаптивного
обучения должна быть расширена возможностью продолжения обучения с момента остановки обучения. Такой подход имеет ряд преимуществ: во-первых,
обучающийся не начинает изучение материала с начала темы или раздела, что
экономит время; во-вторых, в базе данных модели обучаемого хранятся его
предыдущие действия, что дает возможность в дальнейшем использовать их
для анализа.
Таким образом, можно констатировать, что все существующие модели и
платформы адаптивного образования не лишены недостатков. Автор предлагает теоретико-множественное описание первостепенной разработки адаптивной
14
интеллектуальной платформы – I={Z, U, M, T, N, D}, которое должно учитывать следующие моменты:
Z – множество знаний, умений и навыков, цель обучения (уровень изучения дисциплины), требования к знаниям;
U – модель обучаемого, которая должна состоять из психологических характеристик (психологический тип должен определяться на первоначальном
этапе работы с платформой), начального уровня знаний;
M – теоретический и практический материал, тесты;
T – множество вариантов построения образовательной траектории, которая должна учитывать и такие параметры, как: а) время, затраченное на изучение темы, выполнение практического задания; б) количество предоставляемых
подсказок;
N – множество вариантов организации топологии нейросети для анализа
и прогнозирования;
D – база хранения личных данных, теоретического и практического материалов.
Система образования постоянно предоставляет большой объем данных,
которые необязательно структурированы или связаны. Способность их обработки дает огромные возможности по изменению процесса обучения. Современную цифровую обработку большого количества данных связывают с терминами BigData, DataMining, LearningAnalytics. Каждый из этих терминов
представляет собой технологию, метод или инструмент, позволяющий работать
с данными.
BigData работает со структурированными и неструктурированными данными, представляющими огромный массив информации (базу данных). К основным задачам, решаемым BigData, относят: 1) сбор данных; 2) хранение данных; 3) работу с данными.
Таким образом, BigData представляет собой технологию в области программного и аппаратного обеспечения, занимающуюся анализом, организацией
и управлением данными.
DataMining представляет собой технологию работы с несколько структурированными данными. Основная направленность заключается в поиске скрытых (нетривиальных) взаимосвязей ограниченного большого объема данных,
прогнозировании, классификации, визуализации.
LearningAnalytics является технологией по сбору, анализу огромного массива данных учебной деятельности с целью оптимизации обучения. «Система
должна учитывать уникальные проблемы анализируемых деталей и влияние на
них любых аспектов и изменений» [2].
Как видим из представленных выше определений технологий обработки,
данных, любая современная интеллектуальная адаптивная платформа будет
строиться на их основе.
Наибольшую популярность в зарубежном образовании получила американская платформа Knewton. Можно встретить мнение авторов, что данная
15
платформа не использует технологии DataMining или BigData, однако это не
так: она требует применения соответствующей технологии обработки данных.
В России не существует пока единой целой платформы, позволяющей
выстраивать адаптивную траекторию обучения. Однако ряд авторов применяет
методы ИАД для достижения отдельных целей. К таковым можно отнести комплекс «ИнтеграС» для прогнозирования отказа оборудования; АОС «Безопасность» – обучающую систему для персонала, обслуживающего железную дорогу. В диссертационных, грантовых и аналитических исследованиях авторы используют технологии анализа данных для проверки уровня трудности тестовых
заданий реальному или прогнозируют успешность промежуточного контроля
успеваемости студента. Различные алгоритмы искусственных нейронных сетей
реализованы в готовых программных продуктах. С помощью программы SPSS
(на основе нейронных сетей) можно осуществлять прогноз и поиск скрытых закономерностей по представляемым данным (влияние определенных данных на
весь массив).
Российская образовательная платформа Стэпик выступает в роли виртуального учителя по подбору материала для успешного освоения курса.
Несмотря на очевидные преимущества применения ИИ для обработки
большого объема данных, необходимо с особой осторожностью относиться к
адаптации процесса обучения на его основе. Во-первых, формальная интерпретация данных без дополнительного качественного анализа недостаточна для
каких-либо принципиальных выводов. Во-вторых, для предсказательной аналитики (прогнозирования успешности) определения вероятности успеха студента
в высшем образовании должно применяться множество моделей, так как применение одной очень контекстно. Нет единой модели, которая будет работать
по всем направлениям. В-третьих, при работе с большим объемом данных
должны быть использованы единые стандарты спецификации данных, а также
уделено внимание проблеме конфиденциальности данных.
На сегодняшний день обучающиеся сталкиваются с огромным потоком
информации. Личностные качества каждого индивидуальны, а соответственно,
и степень усвоения материала разная. Вместе с этим на процесс обучения могут
влиять внешние факторы (пропуск занятий по болезни, упущение материала).
Ряд обучающихся способен решить эти проблемы, занимаясь с репетитором, но
не каждому это по карману. Создание и применение интеллектуальной адаптивной платформы позволит решить проблемы, связанные с индивидуализацией процесса образования.
За рубежом этому уделяется огромное внимание не только на уровне экспериментальных школ, но и на уровне государства. Среди зарубежных интеллектуальных адаптивных платформ известны LoudCloud, Blackboard, Knewton,
RealizeIT, Geekie, SmartSparrow и другие.
В России полностью интеллектуальной адаптивной платформы не существует, однако есть отдельные попытки ее реализации: Стэпик, комплекс «Интегра-С», АОС «Безопасность».
16
Интеллектуальная составляющая данных систем основывается на технологиях:
Big Data, Data Mining, Learning Analytics. Их применение в образовании
создает свои положительные аспекты:
для обучающихся (использовать виртуального преподавателя для
подбора материала, определять темп обучения (нагрузку), выбирать индивидуальную траекторию обучения, виртуально моделировать ситуацию, готовиться
к ЕГЭ);
для преподавателя (аргументировать те или иные нововведения
(выводы), выстраивать индивидуальную последовательность учебного плана и
связанные с ним учебные навыки для каждого учащегося, искать скрытые закономерности, эффективнее использовать элементы групповой работы, грамотно выстраивать занятия, осуществлять прогноз успешности обучения и
своевременное внесение изменения).
Однако, несмотря на столько положительных сторон интеллектуального
адаптивного обучения, ряд авторов выделяет отрицательные или сомнительные
стороны:
из процесса обучения нельзя полностью исключить преподавателя;
при большом количестве переменных-показателей не существует
единой модели развития событий;
при ошибочном построении траектории обучения непонятно, кто
будет нести ответственность;
вопрос стандарта сбора и предоставления личной информации обучающихся до сих пор открыт.
Не следует забывать о психологической, гендерной, эмоциональной составляющей при индивидуализации обучения.
Таким образом, преподаватель может использовать элементы интеллектуальной адаптивности процесса обучения, однако само обучение не должно
становиться полностью адаптивным. Наиболее подходящей будет смешанная
модель.[10]
Рис.3. Схема «объект изучения»
Схема:
Область предмета изучения. Содержит информацию об изучаемом предмете и прохождении курса обучения. Система предоставления данных пользователю должна в реальном времени изменять программу обучения под пользователя, адаптируясь к его требованиям.
17
Область объекта обучения. Данная область содержит все данные об обучающем и изменяется со временем: прогресс изучения предмета, качество
усвоения, поведение, уровень знаний. Область ОО содержит не только общую
информацию о студенте, но также отслеживает действия студента в процессе
обучения в рамках адаптивного обучения. В область ОО содержится информация двух типов: конкретный уровень знаний обучаемого (понимание предмета
или отдельных его разделов, ошибки, которые объект совершил в процессе
изучения, прогресс обучаемого в изучении предмета) и общая информация об
обучаемом (включает цели обучения, когнитивные способности обучаемого,
например, способность рассуждать, выстраивать ассоциации, его мотивация,
начальные знания и опыт, предпочтения)
Область групп. Включает работу с группой, развитие социальных навыков. [9]
2.2. Персонализированное обучение
Персонализированное обучение — широкий спектр образовательных
программ, в которых методика и темп обучения зависят от потребностей каждого ученика, его особых интересов и предпочтений.
ИИ адаптирует образовательный процесс к индивидуальной скорости
обучения каждого студента и предлагает задания возрастающей сложности.
Такой подход позволяет каждому выбрать комфортный режим: можно
учиться как в быстром, так и медленном темпе.
Персонализированное обучение может существенно помочь в обучении
лиц с ограниченными возможностями здоровья (ОВЗ) для обеспечения инклюзивного доступа к образованию.
Искусственный интеллект предоставляет различным группам общества
(например, инвалидам, беженцам, тем, кто не посещает школы или живет в
изолированных общинах) доступ к соответствующим возможностям обучения.
Например, робототехника телеприсутствия позволяет учащимся с особыми потребностями посещать занятия из дома или из больницы, а также поддерживать
непрерывность обучения в чрезвычайных ситуациях или кризисах. Таким образом, данная технология способна поддерживать инклюзивность и повсеместный доступ к образованию. Одним из важнейших плюсов использования ИИ
является возможность совместного обучения в ситуациях, когда учащиеся физически не находятся в одном и том же месте, а также возможность персонализировать обучение различными способами. [8]
2.3. Автоматическое оценивание
Система автоматического оценивания на основе искусственного интеллекта использует компьютерные программы, имитирующие поведение учителей при проверке домашних заданий.
Она может оценить знания студента, проанализировать ответы, предоставить индивидуальную обратную связь и создать обучающий план с учётом индивидуальных особенностей.
18
2.4. Интервальное обучение
Эта образовательная методика с использованием технологий позволяет
эффективно закреплять пройденный материал.
Польские инженеры создали приложение, которое отслеживает, что
именно и когда изучает студент. При помощи ИИ приложение определяет, когда студент может забыть новую информацию и рекомендует её повторить.
Получить устойчивые знания можно через несколько подходов.
2.5. Оценка преподавателя студентами
Учебные заведения обращают внимание на отношение учеников к учителям и проводят анкетирование. Несмотря на то, что бумажные опросники теперь заменили на цифровые, сам процесс обратной связи мало изменился. Однако его пора пересмотреть, потому что студенческие отзывы — важный источник информации.
Искусственный интеллект предлагает несколько интересных возможностей для оптимизации этого процесса:
Чат-боты могут собирать информацию, используя диалоговый интерфейс, имитирующий настоящее интервью. Такой процесс не потребует от
студента особых усилий.
Беседы можно адаптировать под характер студента и видоизменять
в зависимости от его ответов.
Чат-боты могут фильтровать грубые комментарии и личные
оскорбления, которые иногда встречаются в формах обратной связи.
2.6. Умные кампусы
Умный кампус отвечает на любые запросы студентов, которые — связаны с учёбой и жизнью в студенческом городке: как найти лекционную аудиторию, зарегистрироваться на выбранный курс, получить задания, найти свободное место на парковке или связаться с профессором.
Smart-кампус уже есть в западноавстралийском университете (UWA). Он
работает на Watson, суперкомпьютерной системе, созданной в IBM.
2.7. Контроль экзаменационного процесса
Дистанционное обучение — флагман современного образования. А дистанционные экзамены — его обязательная составляющая. Однако при администрировании такого экзамена возникает серьёзная проблема: как избежать
списывания.
Контролирующие системы на основе искусственного интеллекта могут
установить, сдаёт ли человек тест самостоятельно, и исключить обман.
Мы видим три основных причины, по которым его нужно интенсивно
внедрять в образовательный процесс:
ИИ помогает сделать процесс обучения более эффективным и
удобным для студента и преподавателя. Крупные российские онлайн-школы
уже создают и используют программы на основе ИИ.В школе английского языка SkyEng искусственный интеллект — полноценный участник образовательного процесса, который обеспечивает адаптивное и персонализированное обучение и проверку заданий в режиме реального времени. ИИ анализирует каж19
дое занятие, прогресс ученика и работу учителя и меняет траекторию обучения,
в зависимости от результатов.
ИИ повышает вовлечённость через геймификацию. Большинство
онлайн-игр и обучающих тренажёров работают на искусственном интеллекте.Сервис для изучения иностранных языков Lingualeo организован таким образом, что всё обучение проходит в игровой форме вы путешествуете с львёнком по джунглям и учите язык.
ИИ позволяет максимально автоматизировать бизнес. Сегодня некоторые образовательные ресурсы обходятся без участия человека: чат-боты
отвечают на вопросы, роботы проводят уроки. И эта тенденция с каждым годом
усиливается, благодаря развитию искусственного интеллекта и машинного
обучения.[7]
2.8. Анализ поведения учеников
Камеры с ИИ помогают анализировать поведение учеников. Эти системы
способны распознавать и оценивать, как ученики реагируют на разные темы и
задания. Эта система должна помочь учителям определять сильные и слабые
стороны учеников.
Также ИИ может анализировать эмоциональное и физическое состояние
ученика в текущий момент, причины прогулов, профессиональные навыки учителей.
И нет сомнений, что он сможет делать это лучше людей. Недавно этому появилось очередное подтверждение: нейросеть от китайской компании Baidu может
теперь распознавать человеческий язык лучше, чем сам человек. Это стало известно в рамках состязания по распознаванию языка GLUE, которое состоит из
девяти различных тестов. Средний человек обычно набирает по методике
GLUE 87 баллов из 100. ERNIE, нейросеть от Baidu, смогла получить 90 баллов. [7]
20
3. Искусственный интеллект в помощь школьнику
Использовать системы ИИ в образовании невозможно не зная о них.
Сделав выборку полезных сервисов, которая будет приведена ниже,в ходе выполнения работы был проведен опрос в форме беседы с целью узнать
уровень информированности школьников о возможностях ИИ вообще и в образовательном процессе, в частности. В опросе участвовало 160 человек 7,8,10 и
11 классов.
Список вопросов беседы:
1. Знаете ли вы о системах ИИ?
2. Какое применение систем ИИ вы знаете?
3. Возможно ли применение систем ИИ в образовании?
4. Хотели ли бы вы использовать системы ИИ в обучении?
5. Слышали ли вы хоть об одной из приведенных ниже систем? (Canvas,
Skyeng, чат-боты,Google AutoDraw, Beautiful.ai,DeepCode, Yva, CaptionBot)
6. Использовали ли вы хотя бы одну из приведенных выше систем ИИ?
7. Считаете ли вы нужным вводить системы ИИ в образовательный процесс?
8. Были бы полезны сведения. Которые вы узнали о системах ИИ?
В ходе опроса были получены данные представленные ниже в виде диаграмм.
Заключение
Все поставленные цели достигнуты, а задачи выполнены. В ходе работы
были рассмотрены основные аспекты применения искусственного интеллекта,
в целом и применения данных систем в образовательном процессе, в частности.
Исследование показало, что уже в настоящий момент системы ИИ широко внедряются в образовательный процесс и дают возможность более гибко
выстроить его, адаптируясь под каждого учащегося индивидуально, что может
применяться для обучения детей с ОВЗ, так как не всегда возможно подстроить
общеобразовательную программу в реальном времени под особенности учащегося. Внедрение систем ИИ является перспективным и в рамках самообучения
или обучения смешанного типа, поскольку позволяет более гибко формировать
учебный график и моментально оценивать результаты обучения, что актуально
в работе с одаренными детьми и работы в дистанционном формате.
Анализ опроса показал, что уже сейчас школьники готовы использовать
системы ИИ в своем образовательном процессе и считают полезной полученную информацию о возможностях ИИ, которую им предоставили. Часть
школьников так или иначе сталкивалась с системами ИИ, слышала о них и даже использовала, оставшись довольной полученными результатами.
21
Считаю, что будет полезным и в дальнейшем информировать школьников о подобных системах, а также внедрять их в образовательный процесс, как
минимум, на уроках информатики.
Список использованных источников
1. Полысалов Г.Ю. Искусственный интеллект в образовании. [Электронный
ресурс].-URL: https://scienceforum.ru/2020/article/2018019876 (Режим доступа:
10.03.22)
2. Искусственный
интеллект.
[Электронный
ресурс].URL:
https://ru.wikipedia.org/wiki/Искусственный_интеллект
(Режим
доступа:
10.03.22)
3. Что такое искусственный интеллект и как он работает. [Электронный ресурс].- URL: https://www.calltouch.ru/glossary/iskusstvennyy-intellekt/ (Режим
доступа: 10.03.22)
4. 5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем
будущем.
[Электронный
ресурс].URL:
https://www.cnews.ru/articles/2019-11-12_chto_ozhidat_ot_razvitiya_tehnologij
(Режим доступа: 10.03.22)
5. Что такое искусственный интеллект (ИИ): определение понятия простыми
словами.
[Электронный
ресурс].URL:
https://theoryandpractice.ru/posts/17550-chto-takoe-iskusstvennyy-intellekt-iiopredelenie-ponyatiya-prostymi-slovami (Режим доступа: 10.03.22)
6. Искусственный интеллект в образовании: семь вариантов применения.
[Электронный
ресурс].URL:https://the-accel.ru/iskusstvennyiy-intellekt-vobrazovanii-sem-variantov-primeneniya/ (Режим доступа: 10.03.22)
7. Искусственный интеллект в образовании/[Электронный ресурс].- URL:
https://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_в_образовании (Режим доступа: 10.03.22)
8. Искусственный интеллект в образовании: проблемы и возможности для
устойчивого
развития.
[Электронный
ресурс].URL:
https://roscongress.org/materials/iskusstvennyy-intellekt-v-obrazovanii-problemy-ivozmozhnosti-dlya-ustoychivogorazvitiya/#:~:text=Технологии%20искусственного%20интеллекта%20использую
тся%20для,доступ%20к%20соответствующим%20возможностям%20обучения
(Режим доступа: 10.03.22)
9. Кириллов, П. А. Искусственный интелект для образования. Адаптивная
система обучения / П. А. Кириллов. — Текст : непосредственный // Молодой
ученый. — 2020. — № 27 (317). — С. 39-43. — URL:
https://moluch.ru/archive/317/72235/ (дата обращения: 10.03.22).
10. Добрица В.П. Горюшкин Е.И. Применение интеллектуальной адаптивной
платформы в образовании [Электронный ресурс]/.-Текст : URL:
22
https://cyberleninka.ru/article/n/primenenie-intellektualnoy-adaptivnoy-platformy-vobrazovanii/viewer (дата обращения: 10.03.2022).
11.
Гарин И. И. Искусственный интеллект/И.И. Гарин//2021.-URL:
http://www.litsovet.ru/index.php/material.read?material_id=610767(дата обращения: 10.03.2022).
12. Антипова С.А., Тляшев О.М. Искусственный интеллект в сфере
национальной безопасности: стратегическое противостояние КНР и США/
С.А, Антипова, О.М. Тляшев// Научная электронная библиотека «КиберЛенинка», 2021.- URL:https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-vsfere-natsionalnoy-bezopasnosti-strategicheskoe-protivostoyanie-knr-issha/viewer(дата обращения: 10.03.2022).
23
