Искусственный интеллект в высшем образовании: новые вершины или имитация знаний?
Студент-историк возвращается в общежитие после четырёх пар. Он спешно готовит еду, попутно читает необходимую для завтрашних семинаров монографию и отрывается от сковородки, чтобы сделать выписки. Затем ест, всё так же не отрываясь от чтения, моет посуду и садится за подготовку. Через пять часов упорной работы он выдыхает. Успел за один вечер подготовиться к трём семинарам — неплохо. За окном затихает движение, город ложится спать, и наш усердный студент идёт умываться. Завтра ему снова к 8:30 на учёбу.
Примерно так должен проходить день студента, если действительно следовать методическим рекомендациям к семинарам. Дисциплин много, расписание плотное. И всё же на занятиях у каждого перед собой — несколько листов конспекта, набранного мелким шрифтом. Вызвавшись отвечать, студент опускает взгляд на лист и монотонно, сбиваясь на сложных названиях, читает свой текст. Выслушав этот исчерпывающий ответ, преподаватель задаёт несколько простых вопросов. Отвечающий встречает их с каменным лицом, затем вновь смотрит в текст и быстро пробегает его глазами в поисках ответа.
Я сижу в недоумении: только что мы услышали подробную, многогранную характеристику диссидентского вопроса в Речи Посполитой. Судя по тексту, за ней стояли анализ источников и сопоставление фундаментальных монографий. Но на вопрос преподавателя «Какие конфессии в Речи Посполитой были основными?» у студента нет чёткого ответа.
Так что же это было — усталость и волнение или простая фикция? Ухватить нить моей мысли несложно: современные студенты получили «философский камень» высшего образования. Сегодня одной короткой фразы, введённой в окно ИИ-чатбота, бывает достаточно, чтобы получить крайне убедительный, а порой и действительно качественный результат. Нейросетевые конспекты могут получать высокие оценки, хотя их подготовка требует несопоставимо меньше времени и усилий. С точки зрения соотношения затрат и результата это настоящая революция. Однако не теряет ли образование смысл при таком использовании технологии? Подтверждает ли диплом квалификацию студента, который с помощью ИИ лишь имитировал обучение? Или мы становимся свидетелями чудовищной фикции, которая прямо сейчас ставит образование на колени?
Важно уточнить: я тоже пользуюсь ИИ, поэтому эти вопросы обращены не только к моим однокурсникам, но и ко мне самому. Мне важно понять эту технологию и провести границу между эффективной помощью и обходом собственного обучения.
Почему вопрос об угрозах нуждается в уточнении
Сама постановка вопроса о «рисках и угрозах» требует уточнения. Чему именно угрожает искусственный интеллект — существующей системе образования или личностному развитию студентов? Он мешает формированию понимания или способствует отмиранию нежизнеспособных форм учебной работы? Конечно, это крайности: влияние ИИ на образование стоит оценивать в совокупности. Технология может расширять возможности заинтересованных студентов, сокращать время на поиск и обобщение информации, помогать охватывать больше материала. Вместе с тем нейросети позволяют имитировать учебную деятельность: готовить конспекты, выполнять самостоятельные работы и даже создавать несложные проекты. Студенту остаётся лишь сдать полученный результат.
Не стоит относиться к ИИ с предвзятостью и пессимизмом. Я считаю естественным отказ от форм деятельности, которые перестают отвечать своему назначению. Вспомним книгопечатание: его появление изменило роль ручного переписывания текстов. Возможно, и сейчас мы наблюдаем изменение соотношения между воспроизведением готового знания и созданием нового.
Что именно мы хотим сохранить: форму задания — реферат, конспект, письменный ответ — или способности, ради которых оно давалось: читать, понимать, сопоставлять, аргументировать?
Между этими целями может возникнуть расхождение. Формально задание продолжает существовать, студент его выполняет, преподаватель выставляет оценку. Но деятельность, которая должна была развивать учащегося, при этом может вообще не состояться.
Следовательно, угрозой следует считать не исчезновение привычной процедуры, а возможную утрату её образовательного содержания. Этот подход позволяет обсуждать искусственный интеллект без двух крайностей: без убеждения, что технология автоматически решит проблемы обучения, и без требования сохранить прежние порядки любой ценой.
Делегирование интеллектуальной работы
Чтобы точнее очертить проблему, стоит разобраться, что меняется при использовании языковых моделей.
Речь идёт о делегировании интеллектуальной деятельности. Человек передаёт внешней системе определённые операции: поиск сведений, предварительный анализ, сопоставление вариантов, подготовку текста, формулирование выводов.
В этом нет ничего совершенно нового. Мы давно используем внешние средства, чтобы уменьшить нагрузку на память и внимание: записываем мысли, обращаемся к справочникам, используем калькуляторы и поисковые системы.
В когнитивной науке существует понятие «когнитивная разгрузка» — перенос части познавательной работы на внешние средства. Исследователи Эван Риско и Сэм Гилберт рассматривали механизмы и последствия такого переноса ещё до массового распространения современных генеративных моделей. Поэтому было бы неверно отождествлять любое делегирование с интеллектуальной деградацией [1].
Однако языковым моделям можно передать не только отдельную вспомогательную операцию, но и практически всю последовательность подготовки работы: поручить сформулировать проблему, предложить план, подобрать аргументы и написать заключение.
Человек при этом может активно участвовать в работе: проверять, уточнять, отвергать неудачные варианты. Но он также может ограничиться первым запросом и принять полученный ответ.
Внешне результаты этих двух способов работы могут быть похожи: в обоих случаях появляется связный текст. Однако образовательные последствия способны существенно различаться.
Поэтому вопрос заключается не только в том, использовал ли студент искусственный интеллект. Необходимо выяснить, какую деятельность он выполнил сам, какую передал системе и что в результате освоил.
Для чего человеку высшее образование?
Одной из центральных целей образования я считаю формирование собственного горизонта понимания. Под ним я имею в виду связную систему знаний, опыта, понятий и способов суждения, благодаря которой человек способен осмыслять новые ситуации.
Эту мысль можно пояснить через понятие контекста: один и тот же вопрос воспринимается по-разному в зависимости от того, что человек уже знает, с какими проблемами сталкивался и какие связи способен увидеть.
Но образование не просто увеличивает количество доступных сведений. Оно меняет организацию знания. Человек начинает различать то, что раньше воспринимал как одинаковое, замечать проблемы, которые прежде оставались невидимыми, и задавать вопросы, которые раньше ему не приходили в голову.
Исторический документ, например, можно прочитать как сообщение о событии. Но подготовленный исследователь задастся также вопросами о происхождении документа, обстоятельствах его создания, интересах автора и границах достоверности свидетельства. Он заметит не только то, что сказано, но и то, чего нельзя установить по данному источнику.
Различие здесь состоит не просто в объёме памяти. Это различие способов понимания.
Такая постановка имеет параллель в философской герменевтике Ганса-Георга Гадамера. Понимание рассматривается в ней как процесс, который опирается на исторически сформированный горизонт человека и одновременно способен его преобразовывать. Образование в этой перспективе не исчерпывается накоплением информации: оно связано с формированием самого понимающего человека [2].
При этом я не предлагаю считать личный опыт окончательным критерием истины. Напротив, образование должно помогать обнаруживать ограниченность собственного опыта. Иначе человек будет лишь подгонять новое под привычные представления.
Развитие горизонта понимания предполагает и его пересмотр. Человек способен не только объяснять происходящее с помощью известного, но и замечать, когда известного недостаточно.
Именно поэтому предметные знания сохраняют значение даже при наличии искусственного интеллекта. Они нужны не только для того, чтобы отвечать без помощи системы. Они позволяют понимать её ответы, замечать сомнительные переходы и устанавливать, какие утверждения требуют проверки.
Что показывают эксперименты
У опасения, что результат способен подменить обучение, есть и экспериментальные основания. Два исследования показывают разные стороны этой проблемы.
Первое опубликовано в 2024 году в журнале PLOS ONE. Исследователи Университета Рединга проверили, способны ли сгенерированные искусственным интеллектом ответы пройти через действующую систему университетского оценивания.
В исследовании использовались экзаменационные работы по психологии. Проверяющие не знали, какие ответы были подготовлены с помощью системы. В результате 94% сгенерированных ответов не были распознаны как искусственные. Более того, в среднем они получили более высокие оценки, чем ответы студентов [4].
Этот результат не означает, что любой экзамен теперь бессмыслен. Исследование относится к определённому университету, дисциплине и процедуре проверки. Но оно показывает, что качественный письменный ответ может быть принят за свидетельство знаний, даже если за ним не стоит соответствующая работа учащегося.
Второе исследование опубликовано в PNAS в 2025 году и посвящено школьной математике. Оно охватывало почти тысячу учащихся. Исследователи сопоставляли обучение без ИИ, с обычным ИИ-помощником и с помощником, специально настроенным на педагогическую поддержку [5].
Пока обычный помощник был доступен, учащиеся лучше справлялись с тренировочными заданиями. Однако после отключения системы на самостоятельной проверке результаты этой группы оказались примерно на 17% ниже, чем у контрольной. В группе, работавшей с помощником с педагогическими ограничениями, такого отрицательного эффекта практически не было [5].
Смысл эксперимента не в том, что искусственный интеллект обязательно вредит обучению. Напротив, различие между вариантами помощи показывает, насколько важна организация взаимодействия с системой.
Но исследование позволяет увидеть принципиальное различие: успешное выполнение задания с помощью инструмента ещё не означает, что человек лучше освоил самостоятельное решение аналогичных задач.
Здесь необходимо соблюдать осторожность. Речь идёт о школьной математике и конкретном эксперименте. Нельзя прямо переносить полученные цифры на студентов-историков или утверждать, что уже доказана долговременная потеря квалификации выпускников.
Вместе эти исследования обозначают два разных риска. Первый — система оценивания может не отличить освоение от его внешней имитации. Второй — помощь, повышающая текущий результат, при определённых условиях способна мешать формированию самостоятельного навыка.
Как возникает имитация освоения
Но вернёмся в университет.
Студент получает тему, генерирует текст, распечатывает его и зачитывает на занятии. Формально всё выполнено: сообщение подготовлено, материал представлен, ответ оценён.
Сам по себе такой эпизод ещё не позволяет установить, что студент ничего не понял. Возможно, он заранее разобрался в теме, проверил содержание и использовал систему только для оформления. Но если он не может объяснить основные положения, раскрыть употреблённые понятия или обосновать вывод, возникает расхождение между представленным материалом и его собственной подготовкой.
Поэтому речь не обязательно идёт о сфабрикованных сведениях. Текст может содержать верную информацию. Имитироваться может именно освоение.
Это различие важно: проблема существует даже тогда, когда система не допустила ни одной фактической ошибки.
Обычно оценивание опирается на предположение, что между качеством работы и способностями её автора есть достаточно устойчивая связь. Если человек написал содержательный текст, мы предполагаем, что он хотя бы в определённой мере владеет материалом. Массовая доступность генерации делает такой вывод менее надёжным.
При этом ответственность нельзя возлагать только на студента. Если задание позволяет получить оценку без понимания, а процедура проверки не выявляет его отсутствия, перед нами также проблема организации обучения.
Мне не хотелось бы превращать это наблюдение в обвинение однокурсникам или всему поколению. Вопрос не в том, чтобы отказаться от ИИ, а в том, можем ли мы отличить помощь в обучении от возможности успешно его изображать.
От учебной работы к профессиональной квалификации
Наиболее серьёзное последствие — не отдельная незаслуженная оценка, а постепенное накопление пробелов в профессиональной подготовке.
В отношении опытного специалиста обычно обсуждают риск утраты ранее приобретённых навыков. Но для студента точнее говорить о другом: необходимые способности могут изначально не сформироваться.
Если человек ещё не научился анализировать источник, но регулярно передаёт эту работу системе, он не обязательно теряет навык. Возможно, он просто не приобретает его в необходимой степени.
Отсюда возникает вопрос: кто будет проверять систему? Можно сказать, что специалисту достаточно контролировать ИИ. Но проверка сложного результата сама является профессиональной деятельностью. Чтобы обнаружить ошибку в историческом объяснении, необходимо знать контекст, понимать возможности источников и отличать доказательство от правдоподобного предположения.
Для историка недостаточно получить красивую интерпретацию. Нужно понимать, на каких свидетельствах она основана, какие альтернативы существуют и где заканчивается достоверное знание.
Это не значит, что каждый должен всегда работать без инструментов. Но необходима собственная профессиональная основа, чтобы использование системы не сводилось к доверию убедительной форме ответа.
Я не утверждаю, что нынешние выпускники уже массово лишены квалификации. Для такого вывода потребовались бы специальные долговременные исследования.
Мой тезис условный: если университет продолжит оценивать преимущественно результаты, которые можно получить без освоения соответствующей деятельности, и не будет проверять сформированные способности, возникает риск систематического выпуска специалистов с формально подтверждённой квалификацией, но без необходимой профессиональной основы.
Заключение
Таким образом, для меня основная угроза искусственного интеллекта в образовании состоит не в том, что машина выполняет интеллектуальные операции. Существеннее возможный разрыв между качеством получаемого результата и развитием самого человека.
ИИ может помогать расширять горизонт понимания: объяснять трудное, предлагать альтернативы, задавать вопросы, помогать замечать ошибки. Но он также позволяет обходить деятельность, благодаря которой этот горизонт должен формироваться.
Поэтому недостаточно сохранить прежние задания и потребовать, чтобы студенты выполняли их добросовестно. Необходимо согласовать цель образования, способы работы и оценивание. Если целью является понимание, проверять следует не только наличие документа, но и способность объяснить основания изложенных в нём выводов, ответить на возражение и применить знание в новой ситуации.
Это не программа полного запрета ИИ и не требование вернуться к прежнему порядку. Скорее, признание того, что привычные формы контроля уже не всегда подтверждают наличие тех знаний и способностей, ради которых они создавались.
Вопрос «мыслит ли машина?» остаётся философски важным. Но применительно к образованию рядом с ним необходимо поставить другой: что происходит с нашим собственным мышлением, пока машина готовит за нас убедительный ответ?
Именно этот вопрос я считаю центральным для обсуждения рисков: не как сохранить все прежние способы работы, а как сохранить и развить способность человека понимать то, что он делает с помощью новых средств.
Использованная литература
1. Risko E. F., Gilbert S. J. Cognitive Offloading // Trends in Cognitive Sciences. 2016. Vol. 20, no. 9. P. 676–688. DOI: 10.1016/j.tics.2016.07.002.
2. Гадамер Х.-Г. Истина и метод: Основы философской герменевтики / пер. с нем.; общ. ред. и вступ. ст. Б. Н. Бессонова. М.: Прогресс, 1988. 704 с.
3. Ferdman A. AI deskilling is a structural problem // AI & SOCIETY. 2026. Vol. 41. P. 3001–3013. Впервые опубликовано онлайн 5 ноября 2025 г. DOI: 10.1007/s00146-025-02686-z.
4. Scarfe P., Watcham K., Clarke A., Roesch E. A real-world test of artificial intelligence infiltration of a university examinations system: A “Turing Test” case study // PLOS ONE. 2024. Vol. 19, no. 6. Article e0305354. DOI: 10.1371/journal.pone.0305354.
5. Bastani H., Bastani O., Sungu A., Ge H., Kabakcı Ö., Mariman R. Generative AI without guardrails can harm learning: Evidence from high school mathematics // Proceedings of the National Academy of Sciences. 2025. Vol. 122, no. 26. Article e2422633122. DOI: 10.1073/pnas.2422633122.
