Глава Nvidia усомнился в нужности таблицы умножения

Дженсен Хуанг считает, что с развитием ИИ часть школьных навыков утратит значение. В интервью Эзре Кляйну глава Nvidia обсудил таблицу умножения и исследование, в котором нейросети помогали выполнять задания, но не усваивать материал.

Сначала школьник получает хорошую оценку за домашнюю работу, а затем не может решить похожую задачу самостоятельно. Этот разрыв стал одним из центральных вопросов разговора главы Nvidia Дженсена Хуанга с журналистом Эзрой Кляйном. Интервью вышло 23 сентября в The Ezra Klein Show. Разговор о будущем искусственного интеллекта перешёл к тому, чему вообще нужно учить детей, если значительную часть умственной работы уже выполняют программы.

Кляйн привёл исследование китайских школьников: использование генеративного ИИ помогало быстрее справляться с домашними заданиями, но на экзаменах без подсказок результаты ухудшались. Хуанг согласился, что привычные навыки могут утрачиваться. В качестве примера он назвал деление столбиком, таблицу умножения и извлечение квадратного корня. При этом он не считает обязательным сохранять весь прежний набор умений: по его мнению, люди откроют новые навыки, которые окажутся важнее в мире с ИИ.

Свою мысль глава Nvidia пояснил бытовым примером. Он признался, что не помнит собственные адрес и телефонный номер, а однажды растерялся на заправке, когда терминал потребовал почтовый индекс. По его представлению, технологии позволяют передавать такие операции внешним системам — подобно тому как навигатор избавил водителя от необходимости запоминать каждый поворот. Вместе с тем Хуанг говорил о ценности системного мышления и способности решать задачи более высокого уровня.

Сама проблема обучения не сводится к тому, помнит ли человек отдельное число. Школьная арифметика даёт не только готовый ответ: она формирует представление о величинах, связях между действиями и способах проверить результат. Когда ученик видит решение нейросети, не понимая его, выполненное задание ещё не означает усвоенного навыка. Именно это различие исследователи теперь пытаются измерять отдельно.

Работа, на которую сослался Кляйн, принадлежит Давиду Стрёмбергу, Виктору Лею и Яньхуэй У. Учёные проанализировали данные 26 811 школьников 7–12-х классов в Китае за 30 месяцев. Они сопоставили оценки за домашние задания, затраченное время и результаты самостоятельных экзаменов по девяти предметам, используя различия во времени начала применения ИИ.

После подключения таких инструментов оценки за домашнюю работу выросли на 18%, а время её выполнения сократилось на 30%. Через полгода результаты ежемесячных экзаменов без ИИ были ниже на 20%. Снижение на вступительных испытаниях, по оценке авторов, проявлялось полностью примерно за два года. Эти цифры относятся к изученной группе и применённой методике, а не ко всем школьникам, использующим нейросети.

Важным оказалось и поведение самих учащихся. Наиболее выраженные потери наблюдались у тех, кто выполнял работу необычно быстро и получал высокие баллы — исследователи интерпретировали такое сочетание как признак передачи самой задачи ИИ. У пользователей, сохранявших привычное время работы над заданиями, ухудшение результатов было небольшим. Работа опубликована как исследовательский доклад CEPR, а не как завершённая рецензируемая публикация.

Сходное различие между удобством и усвоением обнаружили в другом, меньшем эксперименте со 120 студентами. Через 45 дней участники, учившиеся с неограниченным доступом к ChatGPT, ответили правильно на 57,5% вопросов неожиданного теста против 68,5% у группы с традиционными материалами. Этот опыт относится к студентам и конкретной учебной задаче, поэтому переносить его результаты на всех детей было бы неправильно.

Отсюда возникает и новая задача для школы. Если ИИ уже умеет объяснять тему, подбирать упражнения и проверять решения, его можно применять как дополнительного наставника. Но итоговое знание всё равно приходится проверять в ситуации, когда ученик остаётся без подсказки. Иначе оценки всё больше описывают качество работы человека вместе с программой, а не то, что человек сможет сделать самостоятельно.

Хуанг говорит о смене приоритетов, но пока не существует установленного перечня новых навыков, который заменил бы базовую арифметику. Исследования показывают прежде всего зависимость результата от способа использования инструмента: одно дело — попросить объяснить ошибку, другое — поручить системе выполнить задание целиком. На этом различии и будет строиться обучение в школах, где ИИ уже стал повседневным помощником.

Дискуссия о таблице умножения на деле касается самостоятельности ученика. Нейросеть способна быстро выдать решение; школа должна понимать, остался ли у ребёнка способ дойти до него без машины. С появлением ИИ эти два результата перестали быть одним и тем же.

Фото: редакция ИЗНАНКИ.