Искусственный интеллект в высшем и среднем профессиональном образовании: преимущества и вызовы

Автор: Антошина Диана Левановна

Организация: Университет «Синергия»

Населенный пункт: г. Москва

Аннотация: в статье даётся определение ключевым понятиям — «искусственный интеллект» и «нейронные сети». Проведен анализ современных исследований применения искусственного интеллекта в сфере образования. Представлен обзор различных нейросетевых технологий с акцентом на их конкретные направления использования в образовательном процессе

Ключевые слова: искусственный интеллект, нейронные сети

Artificial Intelligence in Higher and Secondary Vocational Education: advantages and challenges

Antoshina Diana Levanovna

Autonomous Nonprofit Organization of Higher Education Moscow University Synergy,

City of Moscow

ms.dianaionova82@mail.ru

Abstract: the article provides definitions of the key concepts — artificial intelligence
and neural networks. It presents an analysis of current research on the application of artificial intelligence in the field of education. An overview of various neural network technologies is given, with an emphasis on their specific areas of use in the educational process

Keywords: artificial intelligence, neural networks

 

 

Введение

В современную эпоху технологии искусственного интеллекта (ИИ), включая нейронные сети, прочно вошли во множество сфер деятельности, значительно автоматизируя и улучшая процессы решения сложных задач. Возможности искусственного интеллекта в анализе больших данных, прогнозировании и распознавании образов делают его эффективным инструментом для повышения качества и продуктивности различных отраслей, включая образование. В соответствии с Указом Президента РФ от 10 октября 2019 года №490 «О развитии искусственного интеллекта в Российской Федерации» утверждена Национальная стратегия, направленная на ускоренное развитие ИИ-технологий до 2030 года, которая акцентирует внимание на научных исследованиях, расширении доступа к ресурсам и совершенствовании системы подготовки кадров [7].

Анализ современных научных исследований (Славутская Е.В., Славутский Л.А., Колдина М.И., Фирсов М.В. и др., 2022-2024) подтверждает, что интеграция искусственного интеллекта в систему профессионального образования — это не просто инновация, а объективная потребность цифровой эпохи [10]. Учёные выделяют ключевые направления внедрения ИИ: интеллектуальные поисковые системы, автоматизированный мониторинг учебных достижений, оптимизация расписания и элементы геймификации (Амиров Р.А., Билалова У.М.) [1]. В исследованиях Измайловой М.А. и Сибиряковой Ю.В. анализируется влияние искусственного интеллекта на систему образования, включая как положительные, так и отрицательные стороны. Измайлова М.А. выделяет такие преимущества, как возможность более гибкого и индивидуализированного обучения, но при этом обращает внимание на возникающие этические проблемы, которые требуют особого внимания [5]. В свою очередь, Сибирякова Ю.В. сосредотачивает внимание на социальных и педагогических трудностях, в частности на вопросе цифрового неравенства, которое приводит к нарушению принципа равных возможностей в образовании [9].

Таким образом, внедрение искусственного интеллекта в высшее и среднее профессиональное образование требует комплексного, взвешенного и методически обоснованного подхода для максимизации преимуществ и минимизации вызовов этого технологического процесса.

Основная часть

Понятие «искусственный интеллект» ввёл американский математик Джон Маккарти в середине 1950-х годов, определяя его как способность технических систем выполнять задачи, ранее доступные только человеку [2]. В соответствии с Национальной стратегией развития искусственного интеллекта до 2030 года, под искусственным интеллектом понимается совокупность технологий, способных воспроизводить человеческие когнитивные способности». К ним относятся, в частности, функции самообучения и нахождения решений без предопределенного алгоритма действий. Ключевым критерием таких систем является способность достигать в практических задачах результатов, сопоставимых по уровню с достижениями человека [1].

В науке различают два типа искусственного интеллекта [8]:

1. Слабый (узконаправленный) — специализированные алгоритмы для решения конкретных задач (например, распознавание образов, обработка языка), каждая задача требует отдельной модели.
2. Сильный (общий) — гипотетическая система с полным набором когнитивных возможностей и самосознанием, пока не реализована практически.

Одним из главных методов слабого искусственного интеллекта являются нейронные сети — алгоритмы, способные к самообучению и анализу больших данных, имитирующие принципы работы мозга, включая обучение на примерах и выявление сложных зависимостей. Их развитие началось в 1940–1950-х годах, а современные модели активно совершенствуются и специализированы для различных задач [11].

Основой работы нейросетей является машинное обучение, которое с 2010-х годов существенно прогрессировало. Машинное обучение использует большие объемы примеров для минимизации ошибок предсказаний и повышения точности результатов [4].

С конца 2010-х годов важным достижением стали генеративные языковые модели (например, GPT), которые открыли новые возможности для автоматического создания и адаптации контента, в том числе в образовании.

Нейронные сети активно используются в разных направлениях образовательного процесса, что повышает качество и доступность обучения. Ключевые области применения нейросетевых технологий выделены М.Е. Моховиковым и И.А. Сусловым и включают [6]:

• адаптивное обучение. Персонализация контента и траекторий обучения с учётом уровня знаний и потребностей каждого студента. Интеллектуальные системы отслеживают прогресс и дают обратную связь;
• анализ больших данных. Обработка информации о достижениях, привычках и поведении учащихся для выявления закономерностей и оптимизации учебного процесса;
• прогнозирование учебных результатов. Предсказание успехов студентов по историческим данным, что помогает в принятии управленческих решений;
• распознавание речи и текста. Использование для проверки орфографии, записи лекций, перевода и иных образовательных сервисов;
• виртуальные помощники. Помогают студентам находить информацию, выполнять задания и решать учебные проблемы;
• роботизированное обучение. Интерактивные роботы и дроны, адаптирующиеся под учащихся и обеспечивающие обратную связь в реальном времени;
• оценка знаний и автоматическое тестирование. Быстрая и точная оценка результатов, выявление слабых мест с предложением персонализированных рекомендаций;
• генерация контента. Создание новых учебных материалов (текстов, изображений, видео), что делает обучение более интересным и разнообразным.

По типам нейросетей в образовательной сфере применяются [3]:

• рекуррентные сети — для обработки текстовой информации, анализа соцсетей, создания текста и выявления популярных курсов;
• автокодировщики — для сжатия и восстановления аудио- и видеоматериалов, что помогает оптимизировать ресурсы;
• сверточные сети — для работы с изображениями и видео, анализа учебных фотографий, рисунков и схем;
• трансформеры — специализированы на естественном языке, используются для чат-ботов и генерации обучающего текста;
• генеративно-состязательные сети (GAN) — создают новые данные, применимы для виртуальных образовательных сред и звуковых эффектов.

Разнообразие существующих нейросетей позволяет выбирать оптимальные инструменты для решения конкретных образовательных задач, что повышает эффективность обучения и способствует подготовке специалистов, готовых к требованиям цифровой эпохи. В таблице 1 представлены конкретные примеры применения нейросетей в системе высшего и среднего профессионального образования.

Таблица 1

Возможности применения нейросетей в высшем и среднем профессиональном образовании

Направление применения

Конкретные задачи

Примеры нейросетей

 

1	2	3
Адаптивное обучение и персонализация	Анализ успеваемости студентов Формирование индивидуальных траекторий Прогнозирование учебных результатов	СберКласс — это цифровая платформа от экосистемы «Сбер», которая создает персонализированные учебные маршруты, планирует занятия и отслеживает успехи учащихся с учетом их индивидуальных потребностей Учи.ру представляет собой образовательный онлайн-сервис, в котором встроенный искусственный интеллект анализирует поведение школьников и формирует для них задания, соответствующие их уровню подготовки Plario — цифровой репетитор, предназначенный для школьников и студентов вузов, изучающих математику с разным уровнем знаний. После прохождения стартового теста ИИ оценивает уровень ученика и выстраивает индивидуальную программу, автоматически создавая и проверяя упражнения. Учитель подключается только для объяснения сложных тем Duolingo — языковое приложение, где алгоритмы адаптируют материалы под уровень, стиль обучения и прогресс каждого пользователя
Проверка и оценка работ	Автоматическая проверка работ Выявление заимствований Анализ уникальности текстов	ReText.AI — это сервис для перефразирования текстов, который использует нейросети и продвинутый синонимайзер. Платформа помогает создавать оригинальный и качественный контент, проверяет тексты на генерацию искусственным интеллектом, а также поддерживает онлайн-редактирование, проверку и исправление материалов Яндекс.Учебник — образовательный ресурс с интегрированным ИИ-помощником, который помогает проверять домашние задания, разрабатывать планы уроков, а также создавать учебные материалы и тесты
Создание образовательного контента	Генерация учебных материалов Разработка интерактивных заданий Создание презентаций	Kandinsky — это нейросеть для создания изображений, которая помогает подготовить наглядные материалы для уроков StudyAI — платформа, предназначенная для автоматического создания презентаций DeepTalk — современная образовательная платформа, обеспечивающая интерактивное обучение через интеграцию ИИ-тьютора с учебными материалами. Сервис «Цифровой двойник преподавателя» от CDO Global позволяет создавать виртуального педагога, который общается с учениками в режиме реального времени с помощью текстовых и голосовых вопросов и ответов Synergy AI Chat — цифровая платформа для интеграции, которая помогает создавать визуальный контент для предварительной разработки заданий.
Виртуальные лаборатории и симуляторы	Проведение лабораторных работ Отработка практических навыков Моделирование процессов	Varvara — это диалоговый тренажёр, представляющий собой ряд симуляций, где учащийся выполняет определённые действия, взаимодействуя с ботами-собеседниками. В основе продукта лежат алгоритмы искусственного интеллекта, которые адаптируют поведение собеседников и учебные сценарии в зависимости от уровня и реакций пользователя, что обеспечивает более реалистичное и эффективное обучение VR Concept — платформа, применяемая преимущественно инженерами различных направлений — проектировщиками, техниками и конструкторами. С её помощью на этапе проектирования можно визуализировать и редактировать 3D-модели будущих объектов. Благодаря интеграции искусственного интеллекта, платформа автоматически оптимизирует конструкции, выявляет возможные ошибки и предлагает улучшения, ускоряя процесс разработки и повышая качество итогового продукта EV Toolbox — это конструктор и среда для создания VR и AR контента, ориентированная на разработку тренажёров и симуляторов виртуальной реальности. AR-технологии в основном используются для визуализации сложных систем и создания интерактивных моделей

Все представленные нейросети способствуют улучшению образовательного процесса, позволяя адаптировать учебные материалы под индивидуальные потребности учащихся.

Также необходимо подчеркнуть, что при внедрении нейросетей в образовательную сферу важно соблюдать этические стандарты, включая защиту персональных данных и предотвращение алгоритмической дискриминации, которая может нарушать принципы равных возможностей в обучении. Для снижения этих рисков и успешного внедрения технологий требуется создание полноценной нормативно-методической базы, регулирующей их использование.

В то же время, при применении нейросетей в профессиональном образовании следует помнить, что преподаватель сохраняет ведущую и незаменимую роль. Личное взаимодействие, поддержка и мотивация остаются ключевыми элементами учебного процесса. Нейросети выступают как цифровые ассистенты, способствующие повышению качества и эффективности обучения. При этом роль студентов не должна ограничиваться пассивным использованием автоматизированных систем — их активность и вовлечённость сохраняются и развиваются, а нейросети лишь дополняют образовательный процесс, помогая формировать необходимые профессиональные навыки. Среди таких важнейших компетенций стоит выделить цифровую грамотность, которая выходит далеко за рамки простого освоения новых технологий.

Заключение

Проведенный анализ демонстрирует, что интеграция технологий искусственного интеллекта и нейронных сетей в высшее и среднее профессиональное образование представляет собой закономерный и многоаспектный процесс, обусловленный запросами цифровой эпохи. Эти технологии трансформируют традиционную образовательную парадигму, предлагая решения для персонализации обучения, автоматизации рутинных операций и создания инновационного контента.

Ключевыми преимуществами внедрения искусственного интеллекта являются:

1. Повышение качества и доступности образования за счет адаптивных систем, учитывающих индивидуальные особенности и темп обучения каждого студента.
2. Оптимизация труда преподавателя, освобождающая его от рутинных задач (проверка работ, составление типовых заданий) для концентрации на творческой, методической и воспитательной деятельности.
3. Расширение дидактических возможностей через использование симуляторов, виртуальных лабораторий и интерактивных помощников, что особенно актуально для формирования практических профессиональных компетенций.

Однако реализация этого потенциала сопряжена с серьезными вызовами:

1. Этические и нормативные риски, включая угрозы конфиденциальности данных, алгоритмическую предвзятость и проблемы академической честности (плагиат, генерация недостоверного контента).
2. Педагогические риски, такие как потенциальное снижение критического мышления и самостоятельности обучающихся, а также ослабление межличностных коммуникаций в системе «педагог-студент».
3. Необходимость развития цифровой грамотности нового уровня, которая должна охватывать не только навык использования инструментов искусственного интеллекта, но и понимание их принципов работы, критическую оценку результатов и этически ответственное применение.

Как подтверждают исследования, абсолютное большинство будущих педагогов отвергает возможность полной замены преподавателя искусственным интеллектом, подчеркивая незаменимость человеческого фактора в мотивации, воспитании и развитии гибких навыков.

Таким образом, успешная интеграция искусственного интеллекта в профессиональное образование требует взвешенного, системного подхода. Стратегической целью должно стать создание гибридной образовательной экосистемы, где технологии выступают в роли мощных ассистентов, усиливая, но не подменяя, роль педагога. Для этого необходимы:

1. Развитие комплексной нормативно-методической базы, регулирующей этическое и безопасное применение искусственного интеллекта.
2. Целенаправленная подготовка педагогических кадров, способных эффективно и критически использовать новые инструменты.
3. Формирование у обучающихся продвинутой цифровой культуры, ключевым элементом которой является компетенция осознанного взаимодействия с искусственным интеллектом (промпт-инжиниринг).

Только при соблюдении этих условий искусственный интеллект сможет реализовать свой потенциал как катализатор позитивных изменений, способствующих повышению эффективности, персонализации и доступности профессионального образования в России.

Список источников

1. Амиров, Р. А. Перспективы внедрения технологий искусственного интеллекта в сфере высшего образования / Р. А. Амиров, У. М. Билалова // Управленческое консультирование. – 2020. – № 3 (135). – С. 80-88.
2. Башмакова, Е. А. Использование нейронных сетей в экономике / Е. А. Башмакова, Т. Г. Долгова // Актуальные проблемы авиации и космонавтики. – 2023. – № 1. – С. 470-471.
3. Гордич, А. А. Использование нейросетей в образовании / А. А. Гордич, Ю. В. Минченков // Бизнес. Образование. Экономика. – 2024. – С. 253-257.
4. Зеленова, Ю. И. Творчество нейросетей: риски и возможности для современных дизайнеров / Ю. И. Зеленова, С. В. Манаева // Бюллетень науки и практики. – 2023. – Т. 9, № 6. – С. 474-481.
5. Измайлова, М. А. Возможности и угрозы искусственного интеллекта в образовании / М. А. Измайлова // Психология обучения. – 2020. – № 3. – С. 84-94.
6. Моховиков, М. Е. Основные тенденции применения нейронных сетей в сфере образования / М. Е. Моховиков, И. А. Суслова // Новые информационные технологии в образовании и науке: материалы XII Международной научно-практической конференции (Екатеринбург, 25.02.2019-01.03.2019). – Екатеринбург, 2019. – С. 364–371.
7. О развитии искусственного интеллекта в Российской Федерации: Указ Президента РФ от 10.10.2019 г. № 490. – URL: https://www.garant.ru/products/ipo/prime/doc/72738946/ (дата обращения: 20.11.2025).
8. Романова, И. Н. Искусственный интеллект в системе отправления правосудия / И. Н. Романова, Е. А. Степаненкова // Устойчивое развитие: исследования, инновации, трансформация: материалы XVIII Международного конгресса с элементами научной школы для молодых ученых: в 2 т. / отв. ред. выпуска: А. В. Семёнов, П. Н. Кравченко. – М., 2022. – Т. 1. – С. 469-478.
9. Сибирякова, Ю. В. Использование технологий искусственного интеллекта в сфере образования: риски и перспективные направления / Ю. В. Сибирякова // Экспертные институты в XXI веке: принципы, технологии, культура: сборник научных трудов / науч. ред. Т. И. Грабельных. – Иркутск: Иркутский государственный университет, 2022. –
   С. 211-214.
10. Славутская, Е. В. Анализ погрешностей методов машинного обучения как основа формирования навыков их использования / Е. В. Славутская, Л. А. Славутский // Вестник Мининского университета. – 2024. – Т. 12, № 2. – С. 1-17.
11. Филатова, О. Н. Применение нейросетей в профессиональном образовании /
    О. Н. Филатова, М. Н. Булаева, А. В. Гущин // Проблемы современного педагогического образования. – 2022. – № 77-3. – С. 243-245.