«ИИ — убийца образования или его второе дыхание?» Честный разговор с преподавателем

Галина Череватенко

Инженер по разработке в Домклик

Меня зовут Галина, я бэкенд-разработчик в компании Домклик. Так вышло, что значительную часть карьеры я работала в сфере высшего образования и научных исследований, поэтому тема образования мне по-прежнему небезразлична.

Недавно я прошла курс повышения квалификации по микросервисной архитектуре. Это был мой первый опыт обучения с активным использованием искусственного интеллекта (ИИ). Впечатления остались неоднозначные. Возникли вопросы:

• Получила ли я те знания, которые могла бы получить без ИИ?

• Могла ли я вообще завершить этот курс без использования нейросети?

• Как вообще меняется образование в разработке программного обеспечения (ПО)?

При подготовке этой статьи я наткнулась на исследование PNAS (академический журнал Национальной академии наук США). В ходе эксперимента с участием почти 1 тыс. человек выяснилось, что студенты, использовавшие GPT-4 при решении задач, показали рост успеваемости на 48% в базовой версии и на 127% в версии с «педагогическими ограничениями». Однако когда доступ к ИИ отключили, первая группа написала экзамен на 17% хуже тех, кто вообще не пользовался нейросетями. То есть «улучшили выполнение» вовсе не означает «улучшили обучение». Пугающая статистика, как мне кажется. Подробнее об этом — в обзоре доклада на Хабре.

Вопросов и опасений накопилось много. Чтобы разобраться и не быть голословной, я пригласила к разговору преподавателя одного из ведущих вузов страны — Санкт-Петербургского политехнического университета Петра Великого, доцента Высшей школы программной инженерии. Встречайте — Игорь Никифоров. Он сочетает академический подход (является автором более 100 рецензируемых публикаций) с многолетним практическим опытом в таких компаниях, как EMC, Dell и OpenText. Игорь руководит корпоративной магистерской программой 09.04.04_04 «ИТ-инфраструктура предприятия», реализуемой совместно с ООО «Газпромнефть-ИТО». Он обучает студентов лучшим практикам промышленной разработки программного обеспечения, современным инструментам разработки ПО и методологиям, верифицированным на реальных проектах. Его педагогический подход основан на интеграции фундаментальной теории в инженерную культуру производства качественного кода.

В этой статье мы обсудим:

• Как трансформируется классическое и курсовое образование под натиском ИИ

• Как вузовские преподаватели сами используют нейросети и насколько сложнее стало контролировать студентов

• Что происходит с фундаментальными знаниями, когда код пишет машина

• Куда инвестировать время разработчику, чтобы не оказаться на обочине

• И нужно ли вообще высшее образование в IT в 2026 г.

Погнали!

«Тебе страшно?»

Галина: Игорь, начнём с эмоционального вопроса. Вокруг много разговоров о том, что ИИ захватывает мир и лишает людей работы. Многие впадают в панику или ступор. Но мне кажется, главная проблема не в технологиях, а в психологии: люди боятся, что уже слишком поздно начинать и нет времени разбираться. Как ты считаешь, с чем связан этот страх и есть ли в нём какой-то смысл?

Игорь: Страха перед ИИ нет ни у меня, ни у моих коллег. Я не слышал, чтобы кто-то боялся начинать использовать новые технологии. Есть немного другая особенность, связанная с консерватизмом и психологическим барьером в изучении нового.

Мне приходится работать с разными людьми. Одни очень быстро и инициативно изучают новые популярные вещи. У них и настроенные агенты, и собственные окружения, и инфраструктура для ИИ, а также есть время сидеть на различных ресурсах, самостоятельно изучать возможности систем и даже предлагать новые функции для тех или иных инструментов.

Другие, напротив, сильно загружены. На работе они становятся экспертами: к ним постоянно обращаются за консультациями, много организационной работы, отвлекающей от задач, требующих сосредоточенности. В быту тоже много дел. В итоге на саморазвитие и изучение новых инструментов остаётся очень мало времени.

В определённый момент человек начинает «немного опаздывать», но всё ещё может изучать новые вещи. Но если «опоздание» растягивается на 10—20 лет, то разрыв между тем, чем ты хорошо владеешь, и тем, что «новое» появляется сейчас, сильно увеличивается. Это порождает страх не освоить новое. У меня есть знакомые, которые не могут научиться использовать элементарные вещи, связанные с ИИ, считая это чем-то сложным. Хотя на базовом уровне «чата» работать с ИИ очень легко — это то же самое, что открыть браузер и воспользоваться поисковиком.

В конечном счёте ИИ придёт в каждый дом. Вопрос времени.

Трансформация образования: курсы или вузы

Галина: Мой личный опыт показывает, что курсы пока не готовы к тому, что обучающиеся используют ИИ. Раньше контроль знаний осуществлялся посредством проверки решения задачи и анализа скринов, однако сейчас это легко генерируется искусственно. Можно выполнить задание от начала до конца, и курс это никак не проконтролирует. Вопрос: какую ценность представляет этот курс, если его так просто обмануть? Что происходит в университете? Как вы контролируете студентов и контролируете ли их понимание? 

Игорь: Трансформация образования происходит прямо сейчас. Если два-три года назад вузы только услышали про ИИ, не понимая, как с ним работать, то сегодня они столкнулись с его влиянием в полной мере. Причём вызовы уникальны для каждой специальности. Я могу говорить только о программной инженерии.

В программной инженерии есть следующие проблемы:

1. Студенты перестают изучать фундаментальные и базовые вещи. Написать программу, которая реализует какой-либо алгоритм, стало очень просто. Студенту не нужно задумываться над каждой строчкой кода — он за одну минуту получает черновик лабораторной работы. В итоге студенты делятся на два лагеря: одни изучают и разбираются, что сделал ИИ, вносят исправления и доводят программу до ума (таких меньшинство), а другие просто сдают лабораторную работу преподавателю (таких большинство).

2. Написание отчётов по лабораторным и курсовым работам тоже стало очень простой задачей. Качество отчётов существенно выросло, поскольку ИИ генерирует грамотный, логически понятный и структурированный текст.

3. При написании научных статей, дипломов и диссертаций студенты используют ИИ как профессиональный редактор текста. Но часть из них использует его не просто для редактуры, но и для «генерирования» смысла, выдавая эти «новшества» за свои.

Всё перечисленное (кроме выдачи чужого за своё) ускоряет работу и повышает качество. Однако есть серьёзный риск утратить способность самостоятельно мыслить, рассуждать, созидать и изобретать. Всегда должна быть «физкультура» для мозга — нужно заставлять себя думать. Но человек по своей природе ленив, поэтому заниматься этим может не каждый. ИИ способен сгенерировать программу, но он не заменит знание математики и физики, умение логически мыслить, которые развиваются за счёт собственного труда и стараний.

А что касается курсов… На курсах сдача лабораторных работ прокатывает, потому что цель, особенно на платных курсах, — прибыль. Обучающийся заплатил — отлично! А дальше — «хоть потоп». У курсов нет цели дать обучающемуся работу.

Учить стало сложнее, потому что преподавателю нужно выработать новые методики подачи материала, проверки на читерство и наличие реальных знаний. Роль педагога сместилась от классического источника знаний и экспертизы по предмету в сторону «конструктора знаний» и «методолога».

Галина: А что насчёт государственного образования? Оно тоже зациклено на деньгах или всё-таки есть разница?

Игорь: В государственных вузах всё ещё работают люди, которые хотят учить и впоследствии жить в интеллектуальной среде. Там действительно стараются вкладывать знания в головы студентов.

Сейчас в вузы активно приходят компании, желающие участвовать в образовательном процессе, чтобы получить различные налоговые преференции. И это хорошо, потому что индустриальные компании, которые в 1990-е и нулевые годы смотрели на вузы свысока, считая, что образование — это что-то совсем не нужное бизнесу, наконец сами включаются в процесс подготовки кадров и меняют своё мировоззрение.

Всё встаёт на свои места: вуз и индустрия начинают работать в связке. Вуз понимает вызовы индустрии, а индустрия понимает, что процесс обучения — это очень сложно.

Итог: активно развиваться будет тот, кто использует ИИ как инструмент, но при этом занимается «физкультурой» для мозга. Тот же, кто решение всех задач делегирует искусственному интеллекту, в долгосрочной перспективе проиграет.

Галина: Используешь ли ты модели в своей преподавательской работе?

Игорь: Я их использую каждый день. Вот основные задачи:

• Поиск синонимов и перефразирование

• Перевод текстов с русского языка на английский, и наоборот

• Редактура текстов, писем, новостей для публикации в каналах, документации для проектов и продуктов

• Генерация расширенного содержания текста (черновой промпт → чистовой текст)

• Реализация собственных ИИ-агентов на базе LLM в рамках заказных НИОКР

В основном использование ИИ — это быстрый поиск информации и редакторская работа над текстом.

Как распознать использование ИИ и когда это необходимо

Галина: Всегда ли просто выявить использование ИИ? Как делать это в потоке и как контролировать понимание?

Игорь: Я не ставлю перед собой целью необходимость выявления ИИ как такового. Для меня важнее содержательная часть и качество текста.

ИИ удобен для редактуры, но он оставляет после себя очень много маркеров, свидетельствующих о его использовании. Квалифицированный специалист напишет лучше, чем машина. Поэтому, чтобы работа прошла моё ревью, студент должен устранить недочёты ИИ.

К маркерам ИИ в текстах я отношу:

• Очень длинные и размытые фразы, в которых отсутствует конкретика

• Двусмысленность в тексте

• Слишком красивые литературные обороты: обилие эпитетов, метафор и противопоставлений (у технарей обычно другой стиль изложения)

• Фразы вроде «эффективность существенно повысилась» без подкрепления конкретными цифрами

Если говорить про код, то это:

• Изобилие комментариев, поскольку хороший код не требует комментариев

• Длинные методы

• Отсутствие обработки ошибок и некорректных значений входных параметров

• Отсутствие логирования

Тот, кто сам использует ИИ, всегда увидит текст и программу, сгенерированные нейросетью.

На крайний случай есть ИИ-детекторы. Например, система «Антиплагиат» позволяет определить, сгенерирован текст с использованием ИИ или нет. Существуют и сервисы, которые искусственно делают ошибки в текстах, делая их более человечными, но на выходе получается очень некачественный текст .

Галина: В одной из статей ты упоминал, что студент, выполняя задачу с помощью ИИ, обманывает сам себя. Много ли студентов, по твоему мнению, осознают это и готовы бить себя по рукам?

Игорь: У нас всегда неплохой набор студентов. Средний балл поступающих высокий, то есть идут люди, которые хотят учиться и получить знания.

Я бы сказал, что 60% — осознанные студенты, которые учатся и стараются, а 40% — слабые игроки, не понимающие, что сейчас ИИ облегчает им работу, но потом им будет очень сложно.

Галина: Что скажешь про уже состоявшихся разработчиков? Стоит ли им ограничивать себя и до какого-то момента не запускать агента, а стараться сделать самому?

Игорь: Ни в коем случае нельзя запрещать себе использовать ИИ и агентов. Нужно уметь работать с нейросетями. Искусственный интеллект не заменит человека, но человек, умеющий пользоваться им и выполнять ту же работу быстрее, заменит того, кто не умеет им пользоваться. Это простая конкуренция и причина, почему следует внедрять эти инструменты в повседневную жизнь.

Наверное, уже со старших классов школы важно объяснять ученикам, что такое ИИ: что он даёт, что скрывает, а что выпячивает. Человек должен понимать преимущества и риски новой технологии. Для этого надо вырабатывать новые методики преподавания — свои для каждой дисциплины.

Если дать безопасный совет, то я бы сказал так:

• Используем ИИ везде, где он повышает эффективность

• Параллельно осваиваем «базу» и «фундаментальные дисциплины» настолько глубоко, насколько позволяет интеллект

Второй пункт обязателен для контроля качества и понимания результатов работы ИИ: человек отвечает за качество, и он должен точно знать, что именно было сгенерировано.

Галина: А как быть со студентами? Стоит ли запрещать использование ИИ до третьего курса? Видеорегистрация, код на листочках? И нужно ли это, если профессия из написания кода переходит к менеджменту агентов?

Игорь: Да, код на листочках — отличный способ проверки фундаментальных знаний.

Вспомните калькуляторы. Почему бы второклассникам не выдать их? Пусть складывают и умножают. Но это приведёт к тому, что в 11 классе лишь двое из 30 смогут умножить числа в столбик. То же самое и здесь: нужно заставлять студента изучать фундаментальные дисциплины.

Тот, кто нацелен на подготовку сильных специалистов, будет заставлять писать код на листочках. А тот, кто хочет просто заработать на образовании, закроет на это глаза и не будет перетруждать себя. Другой вопрос в том, что студента нужно учить пользоваться ИИ и агентами, объясняя, как они устроены.

Профессия инженера-программиста не исчезнет, изменятся лишь инструменты. Раньше код писали в NotePad, потом появились IDE с подсветкой синтаксиса и другими функциональными возможностями, и скорость разработки увеличилась. Теперь появились агенты, которые встраиваются в IDE и работают независимо — этому нужно учить студента!

Галина: Игорь, хочу поделиться наблюдением, которое меня насторожило. На курсе по микросервисам я заметила, что ревью моих домашних заданий было крайне сухим. У меня возникло ощущение, что работы проверяли тоже с помощью ИИ.

Я сама использую нейросети для решения задач, но всегда стараюсь вникнуть в логику, проверить код и понять, что именно было сгенерировано. Однако обратной связи от преподавателя — эксперта в своей области — я не получила. Вместо этого приходилось довольствоваться автоматическим ответом, который не давал уверенности в правильности решения и не указывал на потенциальные архитектурные ошибки.

Возникает вопрос: если и студент, и проверяющий используют ИИ, не превращается ли это в замкнутый цикл, где нейросеть фактически обучает саму себя? Где в этой цепочке место преподавателю как носителю экспертизы? Если я не могу получить содержательную оценку от человека, способного не только заметить формальные ошибки, но и предложить альтернативные подходы, то какова ценность такого образования? Может быть, в этом случае сам процесс преподавания становится имитацией, а не передачей знаний?

Игорь: Очень точное наблюдение. Это фундаментальная проблема современного образования: когда обе стороны процесса (студент и проверяющий) делегируют свои функции ИИ, возникает риск образования замкнутого цикла, в котором человеческое участие сведено к минимуму. Но исключать человека из этого уравнения всё же нельзя.

Человек в этой цепочке выполняет роль «дирижёра» и «конструктора знаний»: он задаёт контекст, формулирует критерии оценки и интерпретирует результаты. Качественное ревью — это не только поиск синтаксических и семантических ошибок. Это анализ архитектурных решений, понимание логики, лежащей в основе кода, и способность дать содержательную обратную связь, которая стимулирует рост. Искусственный интеллект пока не способен на это в полной мере.

Именно поэтому я бы сказал так: «Человек использует ИИ, чтобы сделать его ещё мощнее и удобнее, но при этом сохраняет за собой контроль над содержательной стороной процесса».

Если курс заменяет живое общение с экспертом автоматической проверкой, то это не образование в классическом смысле, а лишь тренажёр с ограниченной ценностью. Студент лишается главного: возможности задать вопрос, услышать альтернативное мнение и понять, где рассуждения были неверны, а где он проявил нестандартное мышление.

Поэтому скептицизм абсолютно оправдан. Отсутствие человеческого участия в процессе проверки и обратной связи снижает образовательную ценность курса, превращая его в формальность. Настоящее обучение всегда требует диалога, а не просто передачи информации, даже если она генерируется самой современной нейросетью.

Важно помнить: какой бы контент ни выдавала модель (решение или комментарии проверки), ответственность за принимаемые решения и их последствия всегда несёт только человек. 

Галина: Получается, нужно постоянно общаться со студентами. Но в условиях больших потоков это звучит утопично. Как вы справляетесь?

Игорь: Всё верно, в больших потоках и группах уделить время каждому студенту физически невозможно. Иногда на то, чтобы что-то объяснить одному студенту, требуется 15—30 минут.

В качестве примера приведу дисциплину «Введение в язык программирования Go»: 230 студентов, восемь групп. Если такой поток ведёт только один преподаватель, то у него физически не получится уделить внимание каждому. Это система массового обслуживания.

Как мы решаем эту проблему? У нас есть команда, состоящая из меня и шести моих выпускников, трудоустроенных в университетскую лабораторию. У каждого из нас по одной (или максимум две) группе студентов. Это позволяет повысить качество общения с ними и выделить на одного человека больше времени.

К этому добавляем автоматизацию проверки лабораторных работ: стандартные тесты, линтеры, чекеры — и всё это автоматизировано в Git CI. Только после того, как у студента появляется зелёный MR, его допускают до «тела» преподавателя, чтобы пообщаться и ответить на вопросы лично.

Также мы стараемся перейти с примитивных лабораторных работ на какую-нибудь одну структуру данных (таких уже практически нет). Мы делаем немного лабораторных, но сложных, которые ИИ не может решить «в лоб».

Есть направления и вузы с группами по 12—14 человек (мы работали с такими в текущем году). Ситуация с нагрузкой на преподавателя там лучше, но, думаю, что и стоимость обучения несколько выше, чем у нас.

Итог: Чем больше времени преподаватель уделяет одному студенту, тем дороже образование, но тем качественнее кадры на выходе. Сделать образование дорогим для всех система не может и, наверное, этого нельзя делать: образование должно быть доступным. Поэтому, к сожалению, получается система массового обслуживания, к которой современному преподавателю нужно подстраиваться и повышать свою эффективность — в том числе за счёт внедрения ИИ в повседневную преподавательскую жизнь.

Куда идти учиться и нужно ли высшее образование

Галина: Среди разработчиков бытует мнение, что высшее образование в IT не обязательно: курсов достаточно, а университет — это потеря времени, особенно если учиться по «устаревшим» программам. Так нужно ли вообще высшее образование сегодня и как получить необходимые для работы навыки? 

Игорь: Давай разберем этот миф. Конечно, в IT действительно есть примеры успешных специалистов без высшего образования, но это скорее исключение, чем правило. Такой путь требует самодисциплины и природного аналитического склада ума. К тому же такие люди часто имеют ограниченный кругозор, бреши в фундаментальных дисциплинах и сложности с карьерным ростом. Для подготовки качественных кадров в масштабах индустрии система высшего образования по-прежнему необходима.

Высшее образование расширяет кругозор. В конечном счёте нужно знать, что спросить у ИИ и как написать правильный промпт. И чем больше в промпте будет исходной информации и требований, тем более качественным будет результат. Без фундаментальной базы (математики, физики, алгоритмов, архитектурных паттернов, методик разработки и существующих подходов) не получится сформулировать запрос на уровне, необходимом для создания сложных систем. Ценность высшего образования не только в знаниях, но и в профессиональных связях. В процессе обучения формируется профессиональное комьюнити, а университет выступает в качестве площадки для установления контактов, в том числе с потенциальными работодателями, участвующими в жизни вуза.

Что касается программы, то изучать нужно как базовые, так и фундаментальные дисциплины в том же виде, в котором их преподают сейчас. Но её необходимо дополнить: в каждой дисциплине должен быть спецраздел, посвящённый применению ИИ в конкретной области. А в учебный план стоит добавить отдельный курс по ИИ, агентам, где будут разбирать не только «как пользоваться», но и риски, которые несёт использование ИИ: технические, правовые и юридические.

Галина: На курсах был мастер-класс, где мы решали архитектурную задачу. Нас разделили на две команды, и эксперт задал наводящие вопросы, по которым мы поняли, что не знаем технологию, о которой идёт речь. Тогда мы воспользовались подсказкой ИИ: разобрались, как работает этот инструмент, смогли объяснить логику и в итоге выиграли у команды, которая пыталась «изобрести велосипед» с нуля.

Получается, мы победили с допингом, по аналогии со спортом. Но вопрос остался: кто из нас на самом деле сильнее? 

Игорь: Отличный пример, который идеально иллюстрирует ключевой вопрос современного образования и разработки.

Многие думают, что использование ИИ аналогично допингу и что это нечестно. Но посмотрим глубже: если команда использовала ИИ как подсказку, разобралась в технологии и смогла объяснить её, то это не допинг, а использование современного инструмента. Это как переход от ручного ткацкого станка к механическому: умельцы, работающие на ручных станках, кричали, что это нечестно, но промышленная революция уже началась.

Твоя команда выиграла не потому, что у вас был ИИ, а потому, что вы сумели правильно сформулировать запрос, обработать полученную информацию и применить её. Это навык XXI в. Другая команда, пытаясь сделать всё самостоятельно, показала не силу, а неумение пользоваться доступными инструментами.

Однако здесь есть важный нюанс: если бы вы просто скопировали ответ ИИ, выдав его за свой, не понимая сути, это был бы провал. Вы же разобрались в логике, а значит, у вас был фундамент. Искусственный интеллект лишь помог вам быстрее добраться до нужной информации, однако для полной честности следовало указать, что вы его использовали.

Сильнее тот, кто умеет сочетать базу и технологии. Однобокость и крайности здесь не подходят. Тот, кто знает теорию, но не умеет работать с ИИ, будет медленнее. А тот, кто полагается только на нейросети без понимания базы, будет генерировать красивый, но архитектурно неверный код. А специалист, владеющий и тем, и другим, будет на порядок эффективнее.

Галина: А что происходит с программами по ИИ? В США запускают новые инициативы, а как обстоят дела у нас?

Игорь: У нас тоже есть движение в этом направлении. Например, в Политехе на направлении «Программная инженерия» сейчас как раз готовят новые изменения в соответствующие дисциплины. Всё очень динамично развивается.

Примечание: В США наблюдается настоящий бум ИИ‑образования. Google выделил $1 млрд на трёхлетнюю инициативу по обучению студентов ИИ‑инструментам, делая их доступными для всех студентов колледжей страны. Университет штата Огайо запустил программу «AI Fluency», обязывающую студентов, начиная с первого курса, изучать ИИ в рамках своей специальности, чтобы стать «билингвами» в профессии и применении ИИ. Колумбийский университет ввел минор по ИИ для студентов не‑CS‑специальностей с акцентом на этику и ответственность, а NYU Tandon предлагает магистерскую программу Emerging Technologies, позволяющую студентам самим составлять учебный план с упором на ИИ. В России этот процесс также идёт, хотя, возможно, не такими быстрыми темпами — во многом из‑за ограничений в финансировании.

Вымирающий вид

Галина: Многие мои знакомые опасаются, что из-за ИИ мы «отупеем», перестав генерировать решения самостоятельно. Как ты оцениваешь влияние нейросетей на разработчиков?

Игорь: Положительно. Работа инженера-программиста стала в разы быстрее.

Можно провести аналогию с переходом от программирования на ассемблере к языкам высокого уровня. Наверняка апологеты ассемблера в своё время в штыки принимали тот же Pascal и Basic. Сейчас мы просто поднимаемся на следующий уровень.

Если заглянуть за горизонт, то в будущем программный комплекс, возможно, будет представлен набором промптов на естественном языке: один промпт — один файл. И всё это будет компилироваться в Java, Go, Python, параллельно генерируя тесты, документацию для пользователя, сборки и скрипты для CI/CD. Подобные разработки уже ведутся, хотя пока они находятся на стадии НИР и ещё не перешли на этап внедрения в индустрию.

Галина: А что, если завтра ИИ отключат? Сможем ли мы вернуться к «ручному» программированию или пути назад уже нет?

Игорь: А что будет, если завтра исчезнет интернет или закончится бензин? ИИ становится критической инфраструктурой, которая должна быть спроектирована так, чтобы исключить риск коллапса.

Галина: Что посоветуешь рядовому разработчику, чтобы не стать «вымирающим видом»? Куда инвестировать время: в углубление фундаментальных знаний или в освоение новых ИИ-инструментов?

Игорь: Если у тебя уже есть база, инвестируй в изучение ИИ и доводи владение этими инструментами до совершенства. Технологии развиваются семимильными шагами, и отстать очень легко. Нужно постоянно держать руку на пульсе.

Процесс обучения в университете должен опираться на науку и передовые технологии, а в колледжах — на актуальные рыночные инструменты. Через три года всё снова изменится. В выигрыше окажется не тот, кто инвестировал в базу или фундамент, а тот, кто «научился быстро учиться».

Есть социальные и профессиональные навыки, а сейчас начали выделять «метакомпетенции», в которые входит умение учиться. Вообще, задача образования — от школы до вуза — заключается в том, чтобы научить человека учиться.

Раньше считалось, что высшего образования хватает на 30—50 лет карьеры. Сегодня его «срок годности» — десять лет, затем нужно изучать новые технологии, инструменты и подходы. Если ты освоил навык обучения, то освоение новых технологий, включая ИИ, станет для тебя быстрым и увлекательным процессом.

Галина: Что бы ты сказал родителям, которые думают, стоит ли отдавать ребёнка в IT в 2026 г.? «Иди в сантехники» — это шутка или реальный совет?

Игорь: Делайте упор на математику, физику и фундаментальную теорию. Изучить язык программирования легко, а вот логически мыслить и решать сложные, нетривиальные задачи — это искусство, которое ни один ИИ не сделает за человека.

Заключение

Мы пришли к выводу, что внедрение ИИ в образование — это не катастрофа, а новый этап эволюции. И вот как меняются роли в этой новой реальности:

• Преподаватель перестаёт быть единственным источником знаний, превращаясь в «конструктора знаний» и методолога

• Студент получает мощный инструмент, но сталкивается с риском потерять фундаментальные навыки, если не будет практиковать «физкультуру для мозга»

• Разработчик вынужден быстро учиться и инвестировать время в новые инструменты, не забывая про базу

• Высшее образование по-прежнему нужно, поскольку оно даёт фундамент, расширяет кругозор и погружает человека в профессиональное сообщество. Никакие платные курсы не заменят высшее образование. 

Хочется верить, что мы стоим на пороге времени, когда роль преподавателя и его вклад вновь будут оценены по достоинству, когда нейросети возьмут на себя рутину, а педагог сможет сфокусироваться на главном: живом диалоге, развитии критического мышления и вдохновении.

Мы живём в переломную эпоху, где главный вызов — не сами технологии, а наша способность адаптироваться.

Игорь, спасибо за честный диалог. И отдельное спасибо модели DeepSeek — без неё я бы писала этот текст в 2 раза дольше.

А что думаете вы, хабровчане? Чувствуете рост эффективности или опасаетесь, что ИИ делает нас ленивее? Пишите в комментариях!