Искусственный интеллект в образовании: реальность и перспективы

 Развитие современных технологий, задачи экономического и технологического прогресса страны диктуют необходимость всем и каждому знать и уметь использовать в своей профессиональной деятельности так называемые «сквозные» цифровые технологии, к которым относятся искусственный интеллект, обработка и анализ больших данных, машинное обучение.  Для всех и каждого заметно как  искусственный интеллект (ИИ) определяет прогресс и успех деятельности в сфере интернет-торговли, рекламы, банкинга,  робототехники. В образовании, как отмечается, в одной из последних статей 2020 г., «ИИ остается спящим гигантом..».  Это касается прямого воздействия ИИ на преподавание и обучение: было обещано многое, но пока мало что достигнуто. Поэтому возникает сомнение:  нуждается ли педагогическое сообщество, учителя и преподаватели в программах профессионального развития в сфере ИИ? Не рано ли?

В настоящей программе на этот вопрос даются следующие ответы:

Учитель, преподаватель помимо прямых задач обучения и воспитания, должен быть для своих учащихся просветителем, проповедником и примером прогресса, в том числе технологического. ИИ широко используется в современной практике работы с информацией и коммуникациями, которые мы видим и используем ежедневно. Но мы редко замечаем системы ИИ, которые действуют при этом. Однако преподаватель должен знать «как это работает», сознательно использовать все возможности и уметь объяснить это своим ученикам.

Успехи в компьютерном зрении и машинном анализе естественного языка позволили уже сегодня создать множество приложений, которые учитель и преподаватель может использовать для поддержки и облегчения своего нелегкого труда: создание оригинального учебного материала, предварительного анализа письменных работ учащихся, использования приложений учащимися на занятиях, в самостоятельной работе для повышения мотивации, геймификации и т.п.

Несмотря на сказанное выше, уже сейчас есть отдельные и весьма успешные примеры применения ИИ, анализа больших данных для решения прямых и достаточно сложных образовательных задач, в том числе в нашей стране. Широкая педагогическая общественность должна иметь представление об этих решениях и возможностях и активно включаться в процессы исследований и разработок, связанных с использованием ИИ, хотя бы на уровне апробации, тестирования и поставки данных.   

Таким образом, в данной программе повышения квалификации  ИИ не рассматривается с точки зрения возможности/невозможности замены учителей и преподавателей за счет автоматизации, а  прежде всего как инструмент для расширения их возможностей. 

Программа направлена на формирование соответствующих компетенций:

профессиональной компетенции, направленной на повышение коммуникации и кооперации учителя и учащегося в цифровой среде. «Способность учителя/преподавателя  на примере своей предметной области и вне ее объяснить учащимся новые достижения и возможности, связанные с развитием  ИИ, МО, анализа больших данных, в том числе используя информационные системы и цифровые приложения на основе ИИ». 

профессиональной компетенции, направленной на саморазвитие слушателя в условиях существования учителя и учащегося в цифровой среде. «способность учителя/преподавателя  использовать информационные системы и приложения на основе ИИ для разработки и модернизации своих учебных материалов, использовать их при проведении занятий, организации самостоятельной работы учащихся и контроле результатов обучения, в том числе для целей мотивации учащихся за счет геймификации и иных приемов и способов обучения».

профессиональной компетенции, направленной на повышение креативного мышления слушателя.  «Способность активно включаться в процессы исследований и разработок, связанных с использованием ИИ, в том числе на уровне апробации, тестирования и поставки данных.  Системное представление учителя/преподавателя/администратора о существующей практике и реальных возможностях применения ИИ для решения прямых и достаточно сложных образовательных задач»

Структура программы выстроена на двух принципах:

последовательное рассмотрение систем ИИ от задач  распознавания через осмысление к задачам действия (см. Альманах ИИ  №1-5, МФТИ, 2019 -2020 гг.)

при рассмотрении примеров применения ИИ: от общих, наиболее известных  к  профессиональным, частным, близким слушателям. 

Результаты обучения формируются при прохождении слушателем учебных занятий в четырех разделах-модулях:

В первом модуле слушатели знакомятся с определениями ИИ, историей его развития, понятиями сильного и слабого ИИ.  Они уясняют соотношение таких понятий как  ИИ, машинное обучение, нейросети, глубокое обучение, большие данные. Слушатели получают представление о видах машинного обучения: обучение с учителем, обучение с поддержкой, обучение без учителя, методах  и алгоритмах машинного обучения (классификация, кластеризация, решающие деревья, принципах работы и типах нейронных сетей (перцептрон, многослойная, сверточная, рекурренттная сети). На всем протяжении обучения в онлайн-курсе слушателя сопровождает словарь-глоссарий с определениями более 50 базовых понятий ИИ. В заключение приводятся наиболее яркие достижениями и  примеры применения ИИ, а также говорится об ограничениях,  ошибках и опасности применения ИИ.

Второй модуль посвящен компьютерному  зрению и обработке изображений как одной из успешных и быстро развивающейся областей применения ИИ для распознавания информации.  В лекционном материале рассматривается история развития компьютерного зрения, основы работы нейросетей при распознавании объектов, последние достижения в этой области, а также в сфере синтеза изображений и обработки видео. Обсуждаются области применения, ближайшие прогнозы  и возникающие при этом проблемы и опасности. В практической части модуля рассматриваются достижения обработки изображений и видео на примере общедоступных веб-ресурсов: Autodraw, CaptionBot, Colorize, Deepart.io, Let’s Enhance, Remove.bg, ThisPersonDoesNotExist, сервисов определения сущностей (идентификация по картинке), дополненной реальности. Обсуждается их использование для целей подготовки и организации учебного процесса, в частности, подготовки оригинальных учебных материалов. Полученные знания закрепляются на лабораторных и практических работах. 

В третьем модуле рассматриваются достижения ИИ в анализе естественного языка и рассматриваются инструменты, основанные на семантическом анализе текстов. В этой теме раскрываются возможности ИИ на уровне не только распознавания, но и осмысления информации. В теоретической части приводятся основные технологии машинной обработки естественного языка (Natural Language Processing, NLP). Дается  понятие о современных языковых моделях, статистической обработке текстов, корпусной лингвистике. Подробно рассматривается модель «Семантические векторы». Приводятся достижения в семантическом поиске информации, машинном переводе, генерации текстов,  распознавании и синтезе речи. В практической части модуля рассматриваются веб-сервисы с использованием искусственного интеллекта такие как: Headliner voices, Promt.One, Яндекс и Google-переводчики, Semantris, Talk to Books, семантические поисковики Яндекс (Королев) и Google. Обсуждается их использование для целей подготовки и организации учебного процесса. Полученные знания закрепляются на лабораторных и практических работах.  На практических (семинарских) занятиях и лабораторных работах обсуждаются возможности речевых помощников и чат-ботов, использование разработчиками предобученных NLP-моделей, проводится анализ учебных текстов на предмет выделения именованных сущностей, поиск определений, ответов на вопросы.

Заключительный модуль «Искусственный интеллект и анализ данных в обучении, педагогических исследованиях и решении практических задач образования. Предиктивная аналитика» посвящен применению ИИ на уровне действия - самостоятельной реализации различных сценариев.  В теоретической части более подробно, чем в 1-м модуле рассматриваются методы сбора, обработки и анализа больших данных и соответствующие инструментальные среды, используемые для этого. Полученные знания закрепляются в лабораторной работе. Даются понятия, методы, модели и примеры успешного применения предиктивной аналитики, работы рекомендательных систем.  Дается обзор применения ИИ непосредственно в образовании: прогнозировании, анализе и оценке результата учебного процесса, разработке и применении интеллектуальных систем обучения, персонализации обучения и применении адаптивных подходов. Дается понятие цифрового следа учащегося, описывается модель прогноза вероятности окончания курса в LMS Moodle. В лабораторной работе слушатели на элементарном уровне знакомятся с базовым инструментарием анализа больших данных и построения предиктивных и иных моделей ИИ на примере пакета Анаконда. На семинарских занятиях обсуждаются реальные кейсы: предиктивные модели встроенные в LMS, анализ учебных текстов в динамике для  диагностики развития обучающегося, использование чат-ботов как помощников преподавателя,  модель определения уровня одаренности ребенка по цифровым следам в соцсетях, прогнозные модели для московских школ как часть проекта «Умный город»,  проект Цифровой Аристотель и т.п.  Проводится дискуссия «может ли ИИ заменить учителя», в которой затрагиваются вопросы футурологических прогнозов, развития нейротехнологий, концепции цифрового тьютора и др. 

В каждом разделе, кроме первого, вводного, предусмотрены практические занятия, организованные в виде практических работ (ПР) и лабораторных работ (ЛР). Лабораторные работы подразумевают наличие нескольких этапов выполнения, результаты которые фиксируются наряду с общим итогом-продуктом ЛР. Практические работы подразумевают самостоятельное выполнение заданий, фиксируемое в результате, либо совместное обсуждение какого-либо вопроса.

В модуле «Компьютерное зрение и обработка изображений»  слушателю предлагается выполнить:

ЛР Обработка изображения, фото (учебного характера)

ПР  Определение сущностей по фотографиям.   

В модуле «Анализ естественного языка и инструменты, основанные на семантическом анализе текстов»  слушателю предлагается выполнить:

ЛР  Сравнительные возможности современных машинных переводчиков

ЛР  Сравнительные возможности «умных» поисковых систем

ЛР  Корпуса текстов. Частотный анализ терминов в Google Ngram Viewer, НКРЯ.

ЛР Анализ текстов: выделение именованных сущностей, поиск определений, ответы на вопросы и др.

ЛР Голосовой ввод и синтез речи   

В модуле «Искусственный интеллект и анализа данных в обучении, педагогических исследованиях и решении практических задач образования. Предиктивная аналитика»  слушателю предлагается выполнить:

ПР Семинар-обсуждение «Задачи для применения предиктивной аналитики в образовательном учреждении».

ПР Семинар-дискуссия «Может ли ИИ заменить учителя»

ЛР Установка и знакомство с пакетом Anaconda

ЛР Подготовка образовательного датасета. 

На входе каждый слушатель заполняет тест-анкету, вопросы которой  определяют степень цифровой грамотности и владения инструментарием электронного и дистанционного обучения.

Слушателю по окончании каждого раздела предлагается пройти  тестирование по темам раздела, которое позволяет оценить усвоение знаниевого содержания модуля.

Курс заканчивается итоговым тестом.                                                                                                                                                           

Высшее или среднее профессиональное образование. Желателен опыт профессиональной деятельности в образовании. Компетенции цифровой грамотности. Желательно получение дополнительного образования в сфере применения информационных технологий в образовании, электронного обучения, дистанционных образовательных технологий

Высшее или среднее профессиональное образование. Желателен опыт профессиональной деятельности в образовании. Компетенции цифровой грамотности. Желательно получение дополнительного образования в сфере применения информационных технологий в образовании, электронного обучения, дистанционных образовательных технологий