Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Нейросети и образование: как безопасно внедрять ИИ в университетах
Исследователь Андрей Терников из НИУ ВШЭ в Санкт-Петербурге предложил пошаговую схему безопасного внедрения больших языковых моделей в университетах. Она учитывает типичные причины сбоев и помогает выстроить работу так, чтобы снизить риски. Такой подход позволяет вузам заранее выявлять уязвимости и безопасно запускать искусственный интеллект в обучении.
За последние два года большие языковые модели заметно изменили то, как в вузах учатся и оценивают знания. Студенты и преподаватели теперь активно используют искусственный интеллект. По последним данным, около 87% студентов применяют искусственный интеллект в учебе. Исследователи отмечают, что мы вошли в «постплагиатную» эпоху — время, когда привычная схема «сам написал или списал» больше не работает, в связи с чем важно описать допустимую помощь от искусственного интеллекта и границы ответственности студента. При этом регламенты и инфраструктура не всегда успевают за практикой, особенно в дистанционном формате с его ограничениями онлайн-контроля и высокими требованиями к конфиденциальности.
С ростом интереса к технологии выросли и риски. Модели могут «галлюцинировать» и выдавать неточные ответы, а масштабирование использования ИИ-инструментов в университетской среде добавляет технических и организационных задач. Примечательно, что анализ университетских политик в США показывает дисбаланс: более 90% вузов уже выпустили рекомендации по использованию генеративного ИИ для преподавателей и студентов, но менее 20% — для исследователей, сотрудников и администраторов. Это указывает на разрыв между практиками «на витрине» и внутренними регламентами исследовательских учреждений. Нужна понятная системная политика с четкими рекомендациями для преподавателей, студентов и администраторов.
Доцент Санкт-Петербургской школы экономики и менеджмента НИУ ВШЭ Андрей Терников проанализировал причины сбоев LLM (больших языковых моделей) в вузах — ситуаций, когда модель дает неточные ответы, спотыкается на формулировках, опирается на сомнительные данные, а проверить результат и честно оценить ее работу трудно из-за расплывчатых политик применения технологии. Статья опубликована в журнале Computer.
Исследователь использовал диаграмму Исикавы — причинно-следственную схему анализа проблем, которую еще называют «рыбьей костью»: она помогает разложить одну сложную проблему на группы подпроблем. В исследовании выделены шесть ветвей факторов: «Материалы», «Методы», «Машины», «Среда», «Люди», «Измерения».
Для каждой ветви автор описал типичные сбои, их влияние на учебный процесс и управленческие практики, а также предложил меры профилактики и интеграционные стратегии для университетских команд — от администраторов и ИТ-подразделений до преподавателей. Подход охватывает весь цикл: университетские регламенты, инфраструктуру, обучение персонала и вовлечение студентов. При этом он не требует значительных ресурсов и может внедряться поэтапно.
«Так, проблемы с приватностью данных можно решить, внедрив надежные протоколы безопасности и методы анонимизации. Технические ограничения частично решаются за счет облачных сервисов или открытых решений, а трудности во взаимодействии людей с искусственным интеллектом — за счет внедрения понятных правил и обучения», — отмечает исследователь.
Практическая логика внедрения строится на основе четырех последовательных шагов. Сначала университет проводит быстрый аудит текущей точки: где и как искусственный интеллект уже используется, какие данные попадают в модели, какие курсы и формы контроля уязвимы, где отсутствуют правила. Затем вводятся минимальные стандарты — короткие положения в учебных программах о допустимой помощи ИИ, протоколы работы с персональными данными и базовые требования к журналированию. После этого запускаются ограниченные пилоты на типовых курсах: настраивается «песочница», проверяются рубрики, собирается обратная связь от преподавателей и студентов. Наконец, успешные практики масштабируются: закрепляются роли академических руководителей, ИТ-подразделений и наставников, проводятся плановые обзоры версий моделей и регулярное обновление правил с опорой на накопленные данные.
«Мы переводим разговор об искусственном интеллекте из общих слов в понятный план, определяя приоритеты, роли и точки контроля. Если им следовать, вузы снижают риски и получают понятный эффект для студентов и преподавателей. Подход поэтапный и управляемый, его можно адаптировать под разные программы и масштабы. Он помогает выстроить прозрачные правила, укрепить доверие к оцениванию и сформировать культуру ответственного использования искусственного интеллекта», — резюмирует Андрей Терников.
Telegram 
Дзен 
VK Ученые из Института космических исследований РАН и МФТИ раскрыли химический механизм, объясняющий появление молекул воды на поверхностях астероидов.
Пройдя перигелий 30 октября 2025 года — ближайшую к Солнцу точку на своей траектории, — 3I/ATLAS буквально взорвалась активностью: объект выбросил мощные потоки воды, монооксида углерода (СО), углекислого газа (СО₂) и органических молекул, превратившись в полноценную комету. Наблюдения с помощью космической обсерватории SPHEREx впервые позволили увидеть, как вещество из другой звездной системы начинает полностью испаряться под Солнцем, раскрывая свой изначальный химический состав.
Пластичность мозга — его способность перестраиваться под влиянием приходящей информации. Это свойство необходимо для обучения и адаптации. Пластичность особенно высока в детском и юношеском возрасте, она помогает быстро выучить иностранный язык и освоить сложные моторные навыки (например, фигурное катание). Ресурс пластичности есть и у пожилых людей — благодаря альтернативным нейронным сетям они восстанавливаются после травмы или инсульта. Как выясняется, высокая пластичность это не всегда хорошо. Нарушение тонкого баланса между пластичностью и стабильностью может вести к неприятным последствиям, таким как хроническая боль, тиннитус (звон в ушах) и фобии.
Астрономы недавно проанализировали базу данных о падающих на Землю объектах и пришли к выводу, что два из них прибыли из межзвездного пространства. Известна не только дата, но и место падения каждого из них.
На наземные растения, в основном деревья, приходится 80 процентов всей биомассы Земли, 450 миллиардов тонн сухого углерода и более двух триллионов тонн «живого веса». Поэтому идея сажать новые леса для связывания СО2 из атмосферы долго казалась логичной. Новые данные показали, что реальность заметно сложнее.
«Любить лишь можно только раз», — писал поэт Сергей Есенин, а герои культовых сериалов приходили к выводу, что «настоящая» влюбленность случается в жизни максимум дважды. Однако ни один из этих тезисов не подкреплен научными данными. Американские исследователи подошли к вопросу иначе: опросили более 10 тысяч человек и вывели среднее число сильных влюбленностей, возможных в течение жизни.
Астрономы недавно проанализировали базу данных о падающих на Землю объектах и пришли к выводу, что два из них прибыли из межзвездного пространства. Известна не только дата, но и место падения каждого из них.
Международная команда палеонтологов описала новый вид динозавра размером с крупную современную птицу. Он носил на голове плотный костяной нарост, который эти животные, возможно, использовали для внутривидовых разборок. Находка показывает, что даже мелкие хищники мелового периода могли решать конфликты не только когтями и зубами, но и ударами головой.
Образцы грунта, взятые астронавтами полвека назад, вложили еще один важный кирпич в здание научной картины мира: гипотеза о том, что Земля исходно была сухой, не стыкуется с фактами. Похоже, идею о невозможности сохранения большого количества воды на «теплых» планетах придется пересмотреть.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно