Искусственный интеллект обещает подарить время для творчества и размышлений, но способен ли он сохранить нашу привычку думать самостоятельно?

Вместе с Юрием Чеховичем — кандидатом физико-математических наук и основателем сервиса интеллектуальной проверки академических работ Domate — мы попытались разобраться, как частое использование генеративных инструментов влияет на способность студентов мыслить критически.

ИИ позволяет несравнимо быстрее справляться с привычными процессами — неоспоримый факт. Поиск информации, работа с источниками, подготовка текстов сегодня занимают в разы меньше времени, чем еще несколько лет назад. Причем изменения заметны не только студентам, но и преподавателям: образовательная среда в целом стала быстрее, плотнее и технологичнее. То, что раньше требовало многих часов усердной работы, теперь решается всего в несколько кликов.

Но вот в чем парадокс: сэкономленное время вовсе не обязательно будет использовано для размышлений или творчества. Никто не может гарантировать, что освободившиеся часы будут потрачены студентами на учебу, анализ или глубокую работу с материалом. И причина здесь довольно проста: мышление требует довольно много энергии, а человек по своей природе стремится к рациональной ее экономии. Если на задачу можно потратить меньше времени и усилий, именно так он и поступит. Поэтому вместо дополнительной интеллектуальной нагрузки студенты скорее выберут отдых, просмотр развлекательных виде, сериалов или еще какие-то занятия.

ИИ-ускорение или ИИ-тормоз?

Являются ли генеративные инструменты ускорителем для мышления или наоборот — вопрос без однозначного ответа. В одних случаях ИИ помогает запустить мыслительный процесс, например, когда студент не знает, с чего приступить к выполнению задания. Тогда алгоритм становится тем самым толчком, который позволяет сдвинуться с места, преодолеть «страх чистого листа».

Искусственный интеллект легко подбрасывает идеи для исследований, предлагает заголовки, варианты формулировок. Даже если ни одна из этих подсказок не войдет в финальную версию текста, все равно они сработают как катализатор: помогут взглянуть на тему под свежим углом, собрать отдельные мысли воедино и нащупать новый маршрут. При таком подходе ИИ действительно становится бустером — удобным и вдохновляющим инструментом для глубокого анализа и творчества.

Но есть и обратная сторона. Когда алгоритмам начинают доверять безоговорочно, глубина мышления постепенно теряется. Качество исследовательских работ и знаний в целом может снижаться просто потому, что человек перестает задавать себе лишние вопросы. Раньше действовала довольно устойчивая система ориентиров, где эту роль играла репутация научных журналов и признанных авторов — они работали как знак качества. Сегодня эта логика размывается. ИИ генерирует статьи, которые смотрятся безупречно: хороший язык и правильный тон, четкая структура, никаких очевидных ошибок. Все визуально говорит о надежности — и именно поэтому многим так сложно усомниться в прочитанном. Но важный нюанс кроется в том, что языковые модели не проверяют факты так, как это делает живой редактор — алгоритмы работают с вероятностями, отбирая максимально популярные формулировки. А значит, даже самый убедительный текст может содержать неточности и ошибки, причем довольно часто .

В итоге привычные маркеры достоверности перестают работать. Мы вынуждены учиться не доверять «на автомате» красиво написанному и логично выстроенному материалу. Критическое мышление больше не опция, а необходимость — и включать его сегодня нужно даже чаще, чем было до этого. Пожалуй, здесь и кроется основной вызов эпохи ИИ, особенно среди научных авторов и редакций.

ИИ-ловушки и способы их избежать

Одна из ловушек заключается в усердии при использовании генеративных инструментов. Проявляется она так: получив в целом удовлетворительный ответ, человек начинает бесконечно его «улучшать», не меняя диалога, что-то уточнять и дополнять. Но происходит обратный эффект: с каждой новой итерацией ответ ИИ становится менее точным и более размытым. Причина кроется в организации генеративных систем. У них есть границы на объем контекста, они не способны учитывать много информации в моменте. Поэтому по мере того как диалог растет, начальный запрос теряет четкость, первичные условия выпадают из фокуса, и текст начинает «плыть».

Гораздо надежнее использовать короткие циклы: задать запрос, оценить результат и, если он не устраивает, сформулировать новый уже в отдельном чате. Такой подход дает больше контроля и чаще приводит к точному результату, чем бесконечное редактирование одного и того же ответа .

Другая классическая ошибка — небольшие и абстрактные запросы. Мы привыкли к логике поисковых систем, где нужно лишь вбить в строку браузера пару слов. С ИИ это не работает. Чем четче и развернутее сформулирован запрос — с подробным контекстом, уточнениями и рамками — тем выше будет результат. Когда речь идет о текстах или аналитике, особенно важно не только задавать подробные вопросы, но и сохранять критику к полученному ответу.

Образовательная система требует перемен

Можно ли защитить студентов от превращения в пассивных потребителей готовых ИИ-ответов? Очевидно, что устного предложения думать самостоятельно слишком мало. В эпоху нейросетей образование требует системных изменений, которые не могут держаться только на энтузиазме отдельных преподавателей. Перестройка фундамента образования возможна лишь тогда, когда проблему признают на уровне вузов и министерств. Но внедрение новых практик упирается в реальность системы: учебные программы жестко структурированы, распределение часов регламентировано, а одна дисциплина часто ведется сразу несколькими преподавателями .

Поэтому перемены идут медленно. Массовое влияние ИИ на образование стало очевидным совсем недавно, а проверенных моделей работы с ним пока нет. Университеты не спешат экспериментировать: любые новые форматы нужно не только внедрить, но и доказать, что они действительно работают.

На сегодняшний день одним из рабочих форматов является «перевернутая аудитория»: студенты заранее изучают материалы, формулируют вопросы, в том числе с помощью ИИ, а занятия в аудитории становятся пространством активной работы, где есть место обсуждениям, устным ответам и решениям заданий без подсказок. Такой подход показывает глубину понимания темы и развивает мышление, а не навык воспроизведения готовых формулировок.

Предсказать скорость изменений в системе образования под влиянием ИИ непросто — эта система работает на длинных дистанциях. Для школы — годы, для высшего образования — как минимум один выпускной цикл. Поэтому быстрых и резких трансформаций ждать не стоит. Зато в отношении качества самого образования может вырасти минимальный уровень подготовки — нейросети снижают порог входа в предмет и помогают быстрее осваивать базовые навыки. Но что будет с теми, кто привык идти дальше и глубже, пока остается под вопросом.

Что в итоге?

Какими бы темпами технологии не захватывали университеты, они не заменят персональную мотивацию, любопытство и желание узнавать. В мире, где информации в избытке, особенно важно сохранить интерес к книгам, экспериментам и исследованиям. И пока именно личный интерес остается той базой, на которой рождается и растет мышление и осознанное использование умных инструментов.

Кандидат физико-математических наук, эксперт в области академической этики и машинного обучения, заведующий лабораторией № 42 в ИПУ РАН и основатель сервиса интеллектуальной проверки академических работ Domate