Кирилл Баранников: «Сейчас формируется спрос на тех, кто способен выйти за рамки»

Прогресс в области искусственного интеллекта (ИИ) сравним с предыдущими промышленными революциями. Скорость развития ИИ стимулирует появление IT-специалистов иного толка, которые могут создавать принципиально новые технологии. Чтобы такие специалисты появлялись, университетам предстоит пересмотреть подход к образованию и сделать упор на подготовку профессионалов, способных создавать инновации и мыслить за пределами привычных рамок.

Руководитель направления стратегического развития высшего образования в «Яндекс Образовании» Кирилл Баранников в интервью «Ведомости&» рассказал о внедрении ИИ-ассистентов в университетах, проблемах «образовательной трубы» и о том, зачем и как обучать ИИ-специалистов разных профилей.

– Начинающие разработчики сегодня ориентируются не только на зарплату и сопутствующие бонусы, а все чаще выбирают проекты с интересными и разноплановыми задачами. В этом смысле ИИ – одна из самых привлекательных областей, к тому же внутри нее есть много сфер для профессионального развития. В бакалавриате студенты изучают фундамент, на котором строятся технологии, в магистратуре выбирают более специализированные программы.

Популярность технологий, связанных с проектированием и обучением нейросетей, в ближайшее время будет только расти. При этом их применение будет находить самые разные области – от речевых систем до компьютерного зрения. Все большее значение для индустрии набирает Physical AI – гибридная технология, в основе которой лежат робототехника и ИИ.

– Недавно вышло интервью Андрея Карпатого, известного мирового исследователя в области ИИ, который говорит о более вдумчивых оценках повсеместной замены разработчиков исключительно ИИ-ассистентами. Я с такой позицией согласен: для решения сложных задач в бизнесе нужно не только использование конкретных инструментов и приемов, но и глубокое понимание основ механики устройства нейросетей, алгоритмическое мышление, фундаментальные знания.

Чтобы отрасль развивалась, необходимо качественно изменить подход к подготовке IT-специалистов, которые будут создавать новые технологии. Раньше исследователей и разработчиков готовили отдельно, но стало понятно, что эти сферы необходимо объединить. Это в разы облегчит и ускорит процесс создания новых технологий.

В процессе обучения IT-специалистов сегодня критически важна проектная деятельность. Причем не с вымышленными учебными задачами, а на реальных задачах из бизнеса. Невозможно из начинающего джун-разработчика дорасти до мидла, если ты не выполнил с десяток индустриальных кейсов.

– История знает несколько промышленных революций: изобретение парового двигателя, электричества и компьютерных технологий. Появление ИИ многие считают следующей промышленной революцией. Страны борются за место лидера в области создания и развития ИИ. И чтобы успешно конкурировать в этом поле, нужны специалисты, которые разбираются в технологии и способны ее перепридумывать.

ИИ-технологии развиваются очень быстро, и ключевая задача сегодня – не только в масштабировании готовых решений и создании продуктов на их базе, но и в поиске кардинально новых точек роста. Для этого нужны визионеры – ИИ- и IT-специалисты, способные не просто написать 1000 строк кода, а придумать то, что принципиально изменит сам технологический подход. Как три года назад произошло с генеративными моделями. Таких людей не нужны тысячи, но от этого спрос на них не меньше.

– Я бы поднял планку выше и спросил: а мировая умеет? Вопрос открыт. Традиционная университетская система образования ориентирована на подготовку специалистов, которые умеют решать сложные задачи, но действуют в условиях имеющихся рамок. Иногда разработчиков понимают как людей, которые знают много фреймов, подходов и инструментов и используют их по понятному алгоритму в зависимости от цели.

Сейчас же растет спрос на специалистов, способных мыслить за привычными рамками. И это вызов для мировой системы образования, ответить на который в одиночку университеты не смогут. Базовые технологии, как правило, разрабатываются бигтехами – это их зона целеполагания и их прихода. Но и бигтехи не могут в одиночку решить вопрос подготовки нового поколения инженеров. Потому что именно в университетах концентрируются фундаментальная математика и физика, без которой не получится прорыва.

– Первая сложность связана с жестко регламентированными образовательными программами. Есть даже такой термин – «образовательная труба», обозначающий необходимость двигаться по заранее определенному треку. Вузовские программы часто создаются и живут как монолит, и у студентов мало возможностей варьировать свой образовательный маршрут. Но вариативность и гибкость обучения крайне важны в контексте такой быстро меняющейся технологии, как ИИ.

Второй момент – включение в программу обучения актуальных знаний с «фронтира» и последних наработок индустрии. Пока образовательная программа реализуется, на рынке может появиться с десяток новых поколений технологий, поэтому риск морально устареть очень велик. Это и вызов, и возможности для коллаборации университетов и бигтехов.

Третья проблема особенно актуальна для бизнеса. Помимо базовых профессиональных знаний хорошо подготовленный специалист должен обладать набором универсальных навыков, без которых невозможна эффективная работа. Речь о креативности, навыках командной работы и умении взаимодействовать с ИИ-ассистентами. Такая задача в массовом университете, к сожалению, не всегда в центре внимания. К тому же есть студенты, аспиранты, исследователи с предпринимательским мышлением, желанием создавать и развивать свои стартапы – им тоже важно содействовать и помогать реализовать идеи быстро. Поэтому мы в «Яндексе» недавно запустили акселератор для студентов, у которых есть высокотехнологичные разработки.

– Довольно часто компании приходят в университеты в режиме точечной поддержки: провести лекцию, поддержать инвестициями. «Яндексу» такого подхода недостаточно. Наша цель – получить в долгосрочной перспективе сообщество специалистов нового толка, а не разово прочитать лекцию. Для этого необходимо плотное системное сотрудничество. Например, совместное проектирование образовательных программ.

– Конечно. Пример – бакалаврская программа AI360 (программа создана «Яндексом», «Сбером» и ведущими вузами России: ИТМО, НИУ ВШЭ, МФТИ, СПбГУ и Университетом «Иннополис». – «Ведомости&»). Ее особенность – в ее тесной связи с индустрией. Мы постоянно на связи с университетами, совместно перестраиваем и обновляем содержимое программ.

Кроме того, мы хотим участвовать в изменении процессов в вузах. Например, в университетах есть выпускные квалификационные работы. С появлением генеративных технологий формат таких работ оказался под вопросом. Совместно с рядом вузов мы работаем над тем, как применять ИИ в структуре диплома. В частности, учим студентов создавать и описывать матрицы промптов (запросов для ИИ. – «Ведомости&»), которые затем они смогут использовать для решения тех или иных образовательных задач.

Мы также экспериментируем с образовательными форматами. Уже второй год мы проводим студкемпы – двухнедельные интенсивы по IT-направлениям, которые проходят на базе разных университетов. Это попытка построить распределенную программу обучения, в которой студент может набирать модули по ИИ-тематике и получать дополнительную квалификацию.

– Конечно. Например, студенты программы AI360 участвуют в регулярных проектных школах, где работают над реальными задачами и защищают свои решения перед экспертным советом, состоящим из топовых экспертов «Яндекса» и «Сбера».

Поставить задачу – это только половина дела. Не менее важно, как и с кем учащийся будет ее решать. Чтобы проект приносил не только практическую, но и образовательную пользу, мы интегрируем экспертов компании в университеты: они ведут курсы, выступают менторами и сопровождают студентов. Например, в одной из недавних проектных школ участвовали коллеги из исследовательских команд «Яндекса».

Другой пример – олимпиада по ИИ AIDAO*. Участникам предстояло решать реальные продуктовые задачи, над которыми ежедневно работают команды «Яндекс Такси». Например, студенты должны были создать ML-решение, способное анализировать готовность автомобиля к выходу на маршрут по набору фотографий.

– Очевидно, что в связке «преподаватель – ученик» появится третий участник – ИИ-помощник, как для преподавателя, так и для студента. Благодаря этому формируется новая модель обучения, в которой часть образовательного опыта студент получает вместе с ИИ-тьютором, а работа с преподавателями и менторами сфокусирована на проектной деятельности.

– Чтобы произошли качественные изменения, надо преодолеть два барьера. Первый – технологический. Сегодня технологии имеют очень высокий потенциал, однако еще больший потенциал впереди. На создание идеального тьюторского сопровождения может понадобиться год или два. Второй барьер организационный. Технологии развиваются намного быстрее, чем люди интегрируют их в повседневную практику. Поэтому массового внедрения мы можем ждать еще как минимум лет 5–7.

– Может быть много разных сценариев. Например, наравне или в структуре привычных лекций может появиться ИИ-аватар выдающегося ученого или исторического деятеля, созданный на базе его трудов. Студент сможет обсудить с ним вопросы по содержанию курса. Другой пример – это диалоговые ассистенты, которые будут работать как тьюторы или модераторы и смогут поддерживать студента в онлайн-режиме.

– Раньше очень популярным форматом обучения было эссе, но сегодня многие университеты и бигтехи от него отказываются. Например, есть стартап PackBack, который действует в некоторых университетах США. Модель устроена таким образом, что студенты пишут не эссе, а вопросы и вместе с ИИ-ассистентом анализируют и раскрывают тему в ходе проектной или семинарской работы.

Есть хороший кейс у Coursera. Пользователь задает ряд параметров и тематик, которым хочет обучаться, а система на их основе собирает персонализированный курс из всего контента, который есть на платформе. Это модель университета как конструктора, а не «образовательной трубы».

– Да. Например, ВШЭ и ИТМО активно развивают ИИ-компетенции преподавателей и студентов, встраивая соответствующие модули внутрь образовательных программ.

– Я считаю, что в будущем все профессии будут работать в модели «человек плюс ИИ-ассистент». Мы уже сейчас пытаемся развивать интердисциплинарные программы для направлений не из области IT. Таких экспериментов на данный момент два. Вместе с РАНХиГС мы учим обработке больших данных (data science) и основам работы с ИИ управленцев, а с МГПУ – педагогов и специалистов образовательной сферы.

Мне кажется, что в будущем спрос на такие программы будет только расти. Еще 5–6 лет назад никто не мог подумать, что ИИ станет помогать в работе врачей. Но сегодня в целом ряде стран появляются стандарты, которые предусматривают владение различными ИИ-инструментами в медицине: для распознавания рентгеновских снимков, принятия решений по анализам и персонализации коммуникации с пациентами.

– Проникновение ИИ в образование не означает, что все другие формы и модели исчезнут – наоборот, появится разнообразие. Модели обучения, где ИИ-ассистент не будет задействован, тоже должны быть. Могут быть сценарии так называемой цифровой аскезы, когда мы хотим развивать глубокое мышление, можно работать в очень маленькой группе по принципу сократовской школы: учитель и два ученика. Эта модель часто применялась при обучении в сфере искусств, но она применима и к разработчикам.

С внедрением ИИ-ассистента преподаватель превращается из транслятора знаний в архитектора образовательного опыта. Он будет и ментором, и проектировщиком, человеком, который отвечает на сложные вопросы учащегося. У человека есть индивидуальный опыт, который дает возможность принимать статистически непредсказуемые решения. В этом плане верю, что продуктивно не противопоставлять человека и ИИ, а искать точку синергии. Возможно, следующим шагом будет сверхинтеллект, о котором много говорят сейчас, – гибридная система человека и сверхсильного ИИ. &

* 18+