Заменят ли нейросети разработчиков электронных курсов?

Главная тема разговор последних месяцев — искусственный интеллект, который придёт и уволит всех. Чего стоит бояться T&D и дизайнерам курсов корпоративного обучения?

Один день из жизни дизайнера курсов в ближайшем будущем

Дизайнер просыпается и просит запустить Алису утренний сценарий. Начинает звучать музыка, которую создала нейросеть, на кухне включается чайник, а в ванной — вода нужной температуры, загорается мягкий свет.

Потом наш дизайнер завтракает по индивидуальной диете, которую ему тоже подобрала нейросеть и читает новости, собранные роботом.

Пора работать и подготовить текст для учебного курса. Дизайнер обращается за идеями к Балабобе, Rytr или к ruGPT-3. На выходе — набор идей или даже готовый текст. Если нужно обучение на английском языке, то Deepl проверит ошибки и предложит поправить стилистику. С помощью Chat GPT можно собрать фактуру и ссылки, получить пояснения к терминам и так далее.

Теперь нужно подобрать изображения. Можно обратиться к Dream, Dall-e Mini, Midjourney. А если надо превратить набросок в иконку или иллюстрацию, есть Autodraw.

Количество сервисов постоянно растёт и в будущем, где живёт наш дизайнер, будет ещё больше проектов.

Теперь надо добавить видео. Есть сценарий и несколько видеофайлов по ним, так что с помощью Veed.io можно отредактировать ролик, сделать переходы и субтитры. А если времени немного, то можно «скормить» Synthesia пост из блога, а видео она сделает сама, даже с озвучкой. А если нужно повысить качество старого ролика, пусть поработает Pixop и увеличит его разрешение.

Если урок надо собрать в презентацию, решения тоже есть. Haiku Deck Zuru или Slidebean сами подберут картинки, расставят заголовки и выберут цветовое оформление. Если есть черновик презентации, то DeckRobot всё расставит по местам, выровняет и наведет красоту.

Времени мало? DesignerBot подготовит макет и шаблоны, подберет текст, иконки и картинки.

Если нужно какое-то особенное решение, можно зайти на сайт TheresAnAIForThat и узнать нет ли подходящей нейросети.

Получается, что за один день всего несколько инструментов позволят дизайнеру создать готовый учебный курс и даже не один.

Источник Unsplash

Нейросети в создании учебных курсов

В первую очередь алгоритмы помогают избежать рутинных операций: проверка орфографии, подбор изображений и ссылок. Им можно поручить написать короткие описания, сгенерировать черновик текста или сделать его рерайт.

Но есть и более сложные сценарии. Один из них приводит Андрей Комиссаров, директор направления «Развитие человека на основе данных», Университет 2035.

  • Подготовить вопросы, на которые должен ответить курс и задать их нейросети.
    На выходе будут готовые тексты.
  • Подобрать экспертов. С этим тоже поможет искусственный интеллект: он оценит глубину ответов, их релевантность и разнообразие. А заодно оценит, насколько спикер хорошо говорит.
  • Затем приглашённые эксперты перед камерой делятся кейсами и другой информацией.
  • Остаётся только смонтировать итоговый курс.

С таким подходом можно создавать узконаправленные персонифицированные  микрокурсы, причём в нескольких вариантах. Например, для тех, кто предпочитает читать и для тех, кто любит видео. Для бывших студентов и людей 40+.

Потом ИИ проведет аналитику и покажет, какой курс оказался наиболее эффективным. Получится А\Б тестирование, но с минимальными затратами по времени и финансам.

Источник Unsplash

Светлана Зуева, эксперт в области EdTech, отмечает, что нейросети встряхнули область обучения и вызвали полный спектр эмоций: от восторга до ненависти.

Новая технология позволит преподавателям сократить время на рутину, что в свою очередь даст им больше времени на тех же учеников или развитие, да и вообще им есть чем заняться, кроме как составлять 5 вариантов тестов. Я прогнозирую сильный выигрыш у бизнеса, скорость разработки обучающих продуктов там критичная и AI как раз сильно поможет в этом.

Также Светлана предупреждает, что нейросети работают в обе стороны: если T&D придумал вопрос с помощью ИИ, то ученики точно также могут найти на него ответ. А значит надо пересматривать систему проверки и оценивания. Это может заметно изменить подход к методическим разработкам.

Большие надежды специалисты возлагают на искусственный интеллект в сфере выстраивания индивидуальных траекторий обучения. Так, ИИ сможет анализировать огромное количество данных о сотруднике: должность и срок работы, предыдущий опыт обучения, стиль общения и так далее. Из этого набор и будет формироваться траектория.

Ещё один сценарий выглядит пока фантастично: учебная нейросеть связывается с фитнес-трекером, забирает данные о состоянии организма и выбирает наиболее продуктивное время для обучения.

Источник Unsplash

Почему нейросети никому не угрожают (пока)

Нейросети сложно обучать

Набор программного кода начинает выдавать результат только после хорошей тренировки. Для начала нужно собрать датасет, то есть набор данных, по которым будут обучать систему. Потом данные нужно разметить, то есть объяснить нейросети, что здесь изображено.

Например, чтобы нейросеть могла находить рыжих котов на фото, нужны тысячи изображений котов и кошек разного размера и оттенков. Но система всё равно будет ошибаться.

Так, дорожные камеры могут выписать штраф за непристёгнутый ремень владельцу машины с правым рулём. Она обучена определять положение водителя в определенном месте и там же детектировать ремень. И если не видит водителя, то считает, что и ремня нет.

Другая проблема, когда нейросеть учится на текстах из интернета. В этом случае она может научиться огромному количеству оскорблений по расе, полу и религиозной принадлежности. Такой случай произошёл с ChatGPT. Разработчикам из Open AI пришлось создать другую нейросеть, которая смогла бы вычистить подобные высказывания. Дело отдали кенийской компании Sama, которая скоро отказалась от контракта, поскольку работа оказалась слишком травмирующей для сотрудников.

Так что пока нейросети не могут хорошо справляться с задачами, которые требуют сложного обучения. Но вот расставлять картинки и подбирать цвета они справятся отлично, ведь вводных данных там намного меньше.

Источник Unsplash

Нейросети не умеют думать

Несмотря на всю сложность под капотом, само устройство нейросетей довольно примитивно — набор уравнений, решения которых передаются по цепочке и превращаются в готовое решение. Просто уравнений очень много, что и создаёт иллюзию мышления.

На деле система выдаёт ответ, который собран из множества кусочков чужих решений, но не оценивает результат. Она может сделать отличную подборку материалов, но результат выдаст без проверки. Например, вставит в текст фейк или непроверенную информацию. Ещё нейросети очень сложно, а порой невозможно подобрать аналогию или пример, учесть контекст.

Показательный пример такого неумения думать приводят Маркус Бернардт и Кларк Куинн:

Если дать чат-боту книгу «Путеводитель автостопом по галактике», то это будет его единственное знание. И для него это будут факты. И дальше он будет только отражать этот вымышленный мир с вогонами и прочими пришельцами.

Хорошо иллюстрирует эту ситуацию создание изображений. В социальные сети и телеграм-каналы часто попадают конечные результаты. Художники долго подбирают запросы и описания, выбирают один вариант из предложенных и «докручивают» его, а потом дополнительно обрабатывают в графических редакторах. Художник Евгений Мацкевич на примерах показывает, как проходит подготовка и отбор изображений.

Из телеграм-канала Джимми Нейрон 🚀 

Изображения, которые отдают алгоритмы часто полны ошибок и странных вещей: избыток или недостаток пальцев, пустой взгляд и перекошенные лица, причудливые причёски и просто лишние элементы.

То есть нейросеть знает на что опираться, что делать, но не может проверить сама себя на ошибки. Для этого нужен человек.

Разработчикам учебных курсов пока нечего опасаться, но есть чему радоваться — использование искусственного интеллекта может здорово помочь в работе.

Чему учиться T&D

Несмотря на всю мощь нейросетей, они не могут вытеснить человека. Это мощный инструмент, но, как и молоток, он не может действовать самостоятельно. Так что у T&D и дизайнеров курсов останется много работы, но она будет чуть другой:

  • Готовить датасеты из проверенных и верифицированных источников, в том числе прошлых курсов и внутренней документации компании.
  • Редактировать и проверять готовые курсы, делать их более «очеловеченными» и стройными, подбирать примеры и кейсы.
  • Проводить аналитику эффективности обучения и потребностей сотрудников с опорой на большие данные.

Возможно, с ростом доступности нейросетей, в корпоративном обучении произойдёт революция, схожая с ситуацией 2020 года, когда электронное обучение стало главным и профессиональному сообществу пришлось перестраиваться.


Фотография расширила возможности живописи. Музыкальные программы дают творческий простор тем, кто не умеет играть на инструментах. Искусственный интеллект в обучении сделает то же самое с программами будущего.