Почему университеты больше не могут игнорировать нейросети
За последние несколько лет искусственный интеллект перестал быть экзотикой и превратился в повседневный инструмент для миллионов студентов. Согласно опросам, до 90% учащихся хотя бы раз использовали нейросети при подготовке заданий, а по данным системы «Антиплагиат», около четверти работ уже содержат следы генеративного ИИ. Эти цифры показывают: запретить технологию невозможно, но можно и нужно выстроить грамотную систему её использования.
Университеты оказались перед непростым выбором. С одной стороны, работодатели ждут от выпускников навыков работы с ИИ, а значит, вузы должны готовить студентов к реальным условиям труда. С другой — академическая честность и качество образования требуют контроля. В результате в России сформировался целый спектр подходов: от полного запрета до официального разрешения и разработки детальных регламентов.
Важно понимать, что речь идёт не только о списывании. Нейросети способны помогать в исследованиях, анализе данных, написании кода и даже в творческих проектах. Вопрос в том, как отделить полезное использование от недобросовестного и как научить студентов критически оценивать результаты работы ИИ. Именно эти задачи сегодня решают ведущие вузы страны.
От запретов к разрешениям: как меняется политика вузов
Ещё недавно большинство университетов предпочитали бороться с нейросетями, вводя строгие запреты и ужесточая проверки на плагиат. Однако постепенно подход меняется. В 2023 году Московский педагогический университет первым в столице разрешил студентам использовать нейросети при написании выпускных работ. Позже к нему присоединились МГТУ им. Баумана и НИЯУ МИФИ.
Особый интерес представляет пример МФТИ, где с сентября официально разрешили студентам-математикам применять нейросети в домашних заданиях. В рамках пилотного курса учащиеся должны не просто получать ответы от чат-ботов, а придумывать задачи, проверять каждый этап решения, находить логические ошибки и восстанавливать ход доказательств. Такой подход превращает ИИ из «решебника» в инструмент для развития критического мышления.
Высшая школа экономики пошла ещё дальше: в 2024 году вуз первым принял полноценное регулирование работы с чат-ботами. Проректор Дмитрий Коваленко подчёркивает, что работодатели ждут от выпускников навыков взаимодействия с ИИ, поэтому университет должен готовить студентов к этому. При этом большая часть вузов пока сохраняет консервативную позицию, что создаёт разрыв между практикой и формальными правилами.
Законодательные инициативы: что предлагает государство
Государство также включилось в процесс регулирования. Совет Федерации готовит законопроект, который ограничит использование ИИ в образовании. Согласно предложению, студентов обяжут указывать, какая часть работы была сгенерирована нейросетью, а доля таких материалов не должна превышать 30%. Это первая попытка законодательно закрепить правила игры в этой сфере.
Однако эксперты отмечают, что одних ограничений недостаточно. Владислав Никифоров из компании «Лань» указывает на отсутствие законодательных инициатив, которые позволили бы вузам легально закупать и использовать ИИ-инструменты за счёт бюджетных средств. По его мнению, университетам не хватает «воли», которая часто продиктована именно правовыми возможностями. В качестве примера он приводит электронные библиотеки, появление которых стало возможным благодаря указу президента.
Важно, что регулирование не должно быть только запретительным. Необходимо создавать условия для легального и безопасного использования ИИ, включая верифицированные источники информации. Речь идёт о том, чтобы нейросети давали ответы на основе проверенной учебной литературы, а студенты могли в несколько кликов перейти к первоисточникам и проанализировать их самостоятельно.
Этические дилеммы: где проходит граница допустимого
Внедрение ИИ в образование порождает множество этических вопросов. Мария Ситковская, CEO Universal University, считает, что главная задача — пересмотреть ценности и определить, какие навыки останутся востребованными, а какие станут рудиментарными. В её университете практики, требующие полной самостоятельности (например, крафтовое производство объектов искусства), регулируются специальными брифами, где объясняется, почему использование ИИ непродуктивно.
Наталья Рогаль, консультант по образовательным стратегиям, обращает внимание на другую проблему: студенты часто принимают ответы нейросетей за чистую монету, не имея фундаментальной базы. Это приводит к разочарованию и потере мотивации, когда «галлюцинирующий» ИИ выдаёт неверные данные. Она подчёркивает важность офлайн-общения с преподавателем, которое формирует дисциплину и ответственность.
Особый интерес представляет идея «кодекса» использования ИИ, предложенная Яной Лубниной. Она считает, что студенты должны не просто показывать результат, а демонстрировать промты и объяснять, как они пришли к решению. Промт показывает, насколько студент понимает проблематику, и может стать инструментом оценки, а не только способом получить готовый ответ.
Практические курсы: как вузы учат работать с ИИ
Помимо регулирования, университеты активно разрабатывают образовательные программы по ИИ. Университет ИТМО предлагает курс «Нейросети для каждого», который охватывает все аспекты работы с технологией: от основ промпт-инжиниринга до создания видео и автоматизации бизнес-процессов. Программа включает модули по генерации текстов, изображений, аудио и видео, а также работу с ИИ-инструментами для анализа данных.
Курс ИТМО построен на практических заданиях: студенты создают контент-планы, генерируют изображения, разрабатывают презентации и даже делают виртуальные фотосессии. Финальный проект предполагает создание полноценного продукта с помощью ИИ — например, маркетинговой кампании или автоматизированного рабочего процесса. Такой подход позволяет не просто «послушать про ИИ», а действительно научиться им пользоваться.
Важно отметить, что подобные курсы доступны не только студентам, но и всем желающим через программы дополнительного профессионального образования. По итогам обучения выдаётся удостоверение о повышении квалификации, которое даёт преимущество при трудоустройстве. Это отражает общий тренд: навыки работы с ИИ становятся обязательными для специалистов во многих отраслях.
Безопасное внедрение: пошаговая схема от исследователей ВШЭ
Исследователь Андрей Терников из НИУ ВШЭ в Санкт-Петербурге предложил научно обоснованную схему безопасного внедрения больших языковых моделей в университетах. Используя диаграмму Исикавы, он выделил шесть групп факторов, влияющих на успех: материалы, методы, машины, среда, люди и измерения. Для каждой группы описаны типичные сбои и меры профилактики.
Схема включает четыре последовательных шага. Сначала вуз проводит аудит текущей ситуации: где и как уже используется ИИ, какие данные попадают в модели, какие курсы уязвимы. Затем вводятся минимальные стандарты — положения о допустимой помощи ИИ, протоколы работы с персональными данными. После этого запускаются пилотные проекты на типовых курсах, где проверяются рубрики и собирается обратная связь. Наконец, успешные практики масштабируются на весь университет.
Особое внимание уделяется проблемам приватности данных. Терников рекомендует внедрять надёжные протоколы безопасности и методы анонимизации, а технические ограничения решать за счёт облачных сервисов или открытых решений. Важно, что подход не требует значительных ресурсов и может внедряться поэтапно, что делает его доступным для большинства вузов.
Риски и ограничения: галлюцинации, приватность и доверие
Несмотря на все преимущества, использование ИИ в образовании сопряжено с серьёзными рисками. Главный из них — «галлюцинации» моделей, когда нейросеть выдаёт уверенные, но ложные ответы. Это особенно опасно в академической среде, где точность фактов имеет решающее значение. Студенты, не обладающие достаточной экспертизой, могут принять такие ответы за истину.
Второй риск связан с конфиденциальностью данных. При использовании облачных ИИ-сервисов персональные данные студентов и преподавателей могут попадать третьим лицам. Университеты должны разрабатывать протоколы анонимизации и контролировать, какие данные загружаются в модели. Это особенно актуально для дистанционного формата обучения, где онлайн-контроль ограничен.
Наконец, существует проблема доверия к оцениванию. Если студенты используют ИИ, преподаватели не всегда могут определить, кто действительно выполнил работу. Анализ университетских политик в США показывает дисбаланс: более 90% вузов выпустили рекомендации для преподавателей и студентов, но менее 20% — для исследователей и администраторов. Это создаёт разрыв между формальными правилами и реальной практикой.
Будущее высшего образования: навыки, которые останутся
Внедрение ИИ неизбежно меняет представление о том, какие навыки должны получать студенты. Мария Ситковская подчёркивает, что необходимо определить, что будет делать исключительно человек, а что можно делегировать нейросетям. В Universal University делают ставку на развитие самостоятельного мышления, аналитических навыков и умения видеть проблемы — то, что ИИ пока не может заменить.
Наталья Рогаль добавляет, что фундаментальная база знаний рождается в офлайн-общении, когда преподаватель передаёт опыт напрямую. Она считает, что ИИ нужно интегрировать в образование с первого класса, но делать это грамотно, чтобы дети не теряли мотивацию из-за «галлюцинирующего» фундамента. Параллельные треки, альтернативные способы мышления и креативность становятся важнее механического запоминания.
В будущем, вероятно, появятся гибридные форматы обучения, где ИИ будет выполнять рутинные задачи, а преподаватели сосредоточатся на развитии критического мышления и творческих способностей. Уже сейчас работодатели ценят навыки взаимодействия с ИИ, но при этом ищут сотрудников, способных ставить правильные вопросы и проверять ответы. Университеты, которые смогут выстроить баланс между технологиями и человеческим развитием, станут лидерами нового образовательного ландшафта.
Вопросы и ответы
Можно ли использовать нейросети при написании диплома в российских вузах?
Правила зависят от конкретного университета. В 2023 году Московский педагогический университет первым разрешил использование ИИ в выпускных работах, позже к нему присоединились МГТУ им. Баумана и НИЯУ МИФИ. В Высшей школе экономики действует полноценное регулирование, а в МФТИ разрешено использовать нейросети в рамках пилотного курса для математиков. Однако большинство вузов пока не имеют официальных регламентов, поэтому перед использованием ИИ лучше уточнить правила в своём учебном заведении. За сгенерированный диплом без указания этого факта могут отчислить даже за месяц до защиты.
Какие риски связаны с использованием ИИ в учебных работах?
Главные риски — «галлюцинации» нейросетей, когда модель выдаёт ложные факты с полной уверенностью, и проблемы с конфиденциальностью данных. Кроме того, недобросовестное использование ИИ без указания этого может быть расценено как плагиат и привести к отчислению. Также существует риск потери критического мышления, если студент слепо доверяет ответам ИИ. Чтобы минимизировать риски, важно проверять информацию по первоисточникам и соблюдать правила вуза.
Как научиться правильно формулировать запросы к нейросетям?
Существуют специальные курсы, например, «Нейросети для каждого» в Университете ИТМО, где обучают промпт-инжинирингу. Основные принципы: чёткость, контекст и цель. Используйте структуру запроса — постановка задачи, вводные данные, желаемый результат. Продвинутые техники включают ролевые подсказки (попросите ИИ вести себя как эксперт), методологии CO-STAR и TIDD-EC, а также итеративный промптинг — постепенное улучшение запроса на основе ответов. Практика и анализ ошибок помогут быстрее освоить этот навык.
Что такое «галлюцинации» нейросетей и как с ними бороться?
«Галлюцинации» — это ситуации, когда нейросеть выдаёт уверенные, но ложные ответы, опираясь на сомнительные данные. Это происходит из-за ограничений обучающих данных и алгоритмов. Чтобы бороться с ними, важно перекрёстно проверять информацию по надёжным источникам, использовать верифицированные базы знаний и задавать уточняющие вопросы модели. В университетах рекомендуется внедрять протоколы журналирования и рубрики для оценки ответов ИИ, как предлагает исследователь ВШЭ Андрей Терников.
Какие навыки работы с ИИ нужны современному студенту?
Базовый набор включает умение формулировать промпты, работать с инструментами для генерации текста, изображений, аудио и видео, а также анализировать и проверять результаты. Полезно освоить автоматизацию рутинных задач с помощью ИИ-платформ и создание простых чат-ботов. Работодатели ценят навыки взаимодействия с ИИ, но при этом ожидают от выпускников критического мышления и способности ставить правильные вопросы. Курсы вроде программы ИТМО помогают системно освоить эти компетенции.
Как университеты планируют регулировать использование ИИ?
Совет Федерации готовит законопроект, который обяжет студентов указывать долю сгенерированного текста (не более 30%). Вузы также разрабатывают собственные регламенты: например, ВШЭ приняла полноценное регулирование в 2024 году, а МФТИ вводит кодекс, требующий показывать промты. Исследователи предлагают поэтапную схему внедрения: аудит, минимальные стандарты, пилоты и масштабирование. Важно, чтобы правила были понятны и преподавателям, и студентам, и администраторам.