Искусственный интеллект разрушает образование

Автоматизация и путь наименьшего сопротивления.

Автор - Marko Ković, преподаватель Kalaidos University of Applied Sciences и Lucerne University of Applied Sciences. 15 июня 2026 г.

Ссылка на оригинальный текст на немецком языке: https://markokovic.substack.com/p/ki-ruiniert-bildung?utm_id=97758_v0_s00_e0_tv1_a1demoo4n6dkog

Перевод выполнен Антоном Чубуковым с долей помощи ИИ.

Чат-боты с искусственным интеллектом являются неотъемлемой частью повседневной жизни в школах и университетах. Это могло бы кардинально изменить образование к лучшему: у каждого студента мог бы быть свой собственный ИИ-репетитор. Однако реальность говорит об обратном. Искусственный интеллект часто используется не для улучшения обучения, а для его замены. Это катастрофа.

Но давайте будем двигаться шаг за шагом.

Часть 1: проблема двух сигм

В 1984 году педагог-психолог Бенджамин Блум сделал важное наблюдение. Учащиеся, которые не получают традиционного обучения в классе, а вместо этого занимаются с репетитором индивидуально, показывают лучшие результаты. Значительно лучшие. В среднем, они получают на два стандартных отклонения больше баллов на контрольных работах, чем учащиеся, получающие традиционное обучение в классе. Блум назвал это открытие проблемой двух сигм (1) (греческой буквой сигма в статистике обозначается величина отклонения). Внедрить соотношение 1:1 для учеников и репетиторов во всех школах невозможно. Это было бы очень дорого, а учителей просто не хватает. Есть ли другой способ перенести положительные эффекты прямого индивидуального обучения в групповые занятия?

Сегодня мы знаем, что Блум переоценил эффект индивидуальных занятий. Когда учащиеся работают с репетитором, их успеваемость улучшается не на два стандартных отклонения, а примерно на 0,32 стандартных отклонения (2). Это всё ещё очень значимый эффект. Почему же индивидуальные занятия настолько эффективны? Есть несколько причин. Одна из ключевых заключается в том, что у преподавателя больше времени на удовлетворение индивидуальных запросов и ответы на вопросы, когда ему нужно контролировать меньшее количество учащихся. Если урок длится 45 минут, а вы преподаете в классе из 25 человек, то вряд ли возможно задать каждому подопечному подробные вопросы о том, что он понял, а что нет. Поэтому индивидуальные уроки гораздо более интерактивны. Ученик может задавать более целенаправленные вопросы, а преподаватель, как репетитор, может решать именно его проблемы и пытаться мотивировать и поддерживать ученика.

Проблема двух сигм (возможно, её следует называть проблемой 0,32 сигма) до сих пор не решена. Мы знаем, что индивидуальные уроки всегда лучше, чем обучение в больших группах. В то же время, однако, мы также знаем, что ресурсов для всестороннего внедрения индивидуального обучения просто не хватает. Долгое время эта дилемма казалась неразрешимой.

Сегодня ситуация может измениться. Благодаря чат-ботам на основе искусственного интеллекта у нас появилась технология, позволяющая широкомасштабно внедрять индивидуальное обучение. 25 ученикам в классе больше не нужно 25 учителей. Достаточно, чтобы 25 учеников использовали чат-бота, который выступает в роли репетитора, предоставляя им индивидуальное обучение в дополнение к аудиторным занятиям.

Когда ИИ используется таким образом, его иногда называют «когнитивной поддержкой»: ИИ – это структура, которая позволяет нам эффективно развивать и расширять собственные мыслительные навыки.

Часть 2: искусственный интеллект как наставник

Несмотря на всю критику ИИ, и особенно чат-ботов для обучения в магистратуре, я должен подчеркнуть: чат-боты на основе ИИ могут быть очень полезны. Они очень хорошо обобщают концепции. И, прежде всего, они обладают высокой интерактивностью. Они терпеливо отвечают на вопросы и всегда находят время. Это не значит, что чат-боты могут заменить учителей. Конечно, не могут. Учителя не галлюцинируют (или, по крайней мере, не так сильно), и у них также есть очень важные педагогические задачи, выходящие за рамки простой передачи информации. Но чат-боты сейчас достигли такого уровня технологий, что делают их полезными в качестве дополнительных репетиторов.

Есть доказательства того, что этот эффект может быть реальным. Всемирный банк провел масштабный эксперимент в Нигерии, в котором школьники экспериментальной группы в течение шести недель использовали чат-бота в качестве репетитора в дополнение к традиционному обучению в классе (3). Исследователи изучали, оказал ли ИИ-репетитор влияние на их навыки владения английским языком. Результат: ученики, использовавшие ИИ-репетитора, показали результаты на 0,23 стандартных отклонения лучше.

Аналогичный результат был получен в исследовании, проведенном в США со студентами. Кестин и др. (4) исследовали, различаются ли результаты обучения, когда студенты получают инструкции от специализированного ИИ-репетитора вместо традиционных лекций. Результат: традиционные лекции привели к успеху в обучении, но ИИ-репетитор оказался еще более эффективным.

Похоже, на этом можно остановиться: мы нашли решение проблемы двух сигм. Есть убедительные доказательства того, что ИИ-репетиторы могут значительно улучшить результаты обучения. Когнитивная поддержка – использование ИИ для конструктивного улучшения собственного мышления – работает.

К сожалению, на этом история не заканчивается. Чат-боты с искусственным интеллектом оказывают положительный эффект, если используются специально в качестве репетиторов. Однако проблема в том, что большинство детей и подростков не используют чат-ботов именно в качестве репетиторов. Они рационально используют чат-ботов просто для того, чтобы как можно быстрее достичь своей цели.

Эффект когнитивной поддержки положителен. Однако в реальности часто наблюдается другой эффект: когнитивная разгрузка. С помощью репетитора мышление не улучшается целенаправленно; оно передается на аутсорсинг искусственному интеллекту.

Часть 3: Когнитивная разгрузка

Стрёмберг и др. (5) провели масштабное исследование, изучающее влияние использования ИИ на более чем 26 000 студентов в Китае в течение 30 месяцев. В исследовании не тестировались специально настроенные ИИ-репетиторы, а скорее эффект общей доступности чат-ботов. Вот ссылка на PDF-файл.

Результаты исследования предельно ясны. При использовании ИИ успеваемость студентов по домашним заданиям улучшается примерно на 20%. Они также тратят на домашние задания примерно на 20% меньше времени. Но, и это ключевой момент: такие учащиеся показывают примерно на 20% худшие результаты на экзаменах, где им не разрешается использовать чат-боты.

Феномен, выявленный в этих данных, – это когнитивная разгрузка (6). Искусственный интеллект в реальности используется не только для когнитивной поддержки, то есть в качестве основы для более эффективного обучения. Он также, и, вероятно, чаще, используется для более эффективного выполнения задач путем делегирования собственного мышления.

Феномен когнитивной разгрузки также наблюдается и в других исследованиях. Бастани и др. (7) в эксперименте пришли к выводу, что, хотя ИИ улучшает выполнение домашних заданий, успеваемость студентов на экзаменах без ИИ снижается. В этом конкретном исследовании использование ИИ не ради списывания, а в качестве репетитора, не оказало ни отрицательного, ни положительного влияния на результаты экзаменов.

В ходе эксперимента Баркау (8) пришел к выводу, что студенты, которые учатся без чат-бота с ИИ в качестве «репетитора», показывают худшие результаты на экзаменах, чем студенты, которые учатся, советуясь с ИИ. Баркау описывает этот эффект не как когнитивную разгрузку, а как «когнитивную опору». Метафоры различаются, но принцип тот же: когда ИИ используется для автоматизации когнитивной работы, качество результата может улучшиться, но собственные когнитивные навыки человека не улучшаются – или даже могут ухудшиться.

Таким образом, ИИ может оказывать два эффекта на образование: когнитивную поддержку и когнитивную разгрузку. Когнитивная поддержка желательна, когнитивная разгрузка – нет. Поэтому решение состоит в том, чтобы просто объяснить ученикам и студентам, что они должны использовать ИИ не в качестве замены собственного мышления, а скорее как его дополнение. Проблема решена?

К сожалению, нет.

Часть 4: Путь наименьшего сопротивления

Когда вы спрашиваете молодых людей об их отношении к использованию ИИ, многие отвечают, что обеспокоены (9). Они боятся, что слишком много копируют и вставляют вместо того, чтобы создавать собственный контент. Они боятся, что страдает их креативность. Они боятся, что слишком легко находить решения проблем, не думая самостоятельно. Но все они всё равно используют ИИ. Не потому, что они глупы. Наоборот – потому что они рациональны.

Наш человеческий интеллект позволяет нам мыслить и принимать решения рационально. С одной стороны, это происходит на эпистемологическом уровне: мы можем понимать, когда есть веские основания верить во что-то. С другой стороны, мы также рациональны на инструментальном уровне: мы можем понимать, что имеет смысл достигать своих целей с минимальными усилиями. Люди – существа, стремящиеся к максимизации полезности. В каждом из нас заложен Homo economicus.

Наш внутренний Homo economicus является ключевой движущей силой. Поскольку мы стремимся достигать целей максимально эффективно и результативно, мы разрабатываем технологии, позволяющие автоматизировать работу и, таким образом, более эффективно достигать поставленных целей. Типичный пример: мы изобрели такие виды транспорта, как железная дорога, автомобиль и самолет, чтобы легче добираться из пункта А в пункт Б. Если, например, вам нужно проехать 100 км до работы, вы всегда можете пройтись пешком, но большинство людей рационально выбирают путь наименьшего сопротивления.

В принципе, это хорошо. Хорошо, что мы можем автоматизировать работу и рационально выбирать путь наименьшего сопротивления. По сути, то же самое происходит и в образовании. Непосредственная цель учеников и студентов – выполнить поставленные задачи. Делать это максимально эффективно – это в принципе разумно.

В этом сценарии наш внутренний Homo economicus работает некорректно. Истинная, главная цель образования – приобретение навыков критического мышления. Однако на практике эта главная цель реализуется посредством множества небольших оценочных заданий: домашние задания по математике, курсовые работы и так далее. Можно убеждать детей, подростков и даже взрослых, что эти промежуточные этапы должны быть намеренно сложными и трудными, поскольку они позволяют лучше достичь истинной цели – развития навыков критического мышления. Но в лучшем случае это сработает лишь в ограниченной степени.

Наш внутренний Homo economicus слишком гиперактивен. Мы запрограммированы на выбор пути наименьшего сопротивления. Идея о том, что для роста нам следует активно искать наибольшее сопротивление, – это абстрактное интеллектуальное понятие. Реальность когнитивной разгрузки показывает, что она не очень эффективна.

Часть 5: Системный риск

Примерно полгода назад я утверждал , что изменения в наших когнитивных способностях, вызванные искусственным интеллектом, – это не просто индивидуальное явление. Эти изменения представляют собой стремительный сдвиг на уровне населения. Немногие технологии распространялись так быстро, как нынешние версии ИИ. Эти изменения носят всеобъемлющий и глубокий характер. Они представляют собой системный риск.

Системный риск возникает из-за неопределенного, мультипликативного характера когнитивной разгрузки. Что произойдет, если целое поколение будет обладать значительно более низкими когнитивными способностями, чем предыдущие поколения? Мы не знаем. И именно тот факт, что мы не знаем, представляет собой серьезную угрозу.

На индивидуальном уровне снижение когнитивных способностей почти наверняка вредно. Даже если ИИ может надежно взять на себя большую часть когнитивной работы, меньшая индивидуальная когнитивная компетентность также означает меньшую автономию и способность принимать решения в собственной жизни. Более того, это снижение или отсутствие развития когнитивных навыков неизбежно имеет мультипликативный эффект. Ущерб не ограничивается отдельным человеком.

Например, представьте, что студент завершает обучение, и его письменные задания выполняются искусственным интеллектом. Академические требования выполнены на бумаге. Однако навыки, которые студент изучал, приобретены лишь частично или вовсе не приобретены. После окончания университета этот студент, скорее всего, выберет другой путь. Ему придется принимать решения в профессиональной или общественной сфере, затрагивающие других. Что если из-за недостатка навыков критического мышления он примет катастрофически неверное решение, которого можно было бы избежать при обычных обстоятельствах?

Этот один студент из вымышленного примера не станет причиной конца света. Но риск чрезвычайно высок: когнитивная разгрузка – это явление популяционного уровня. Если из-за ИИ большое количество решений окажется даже немного хуже, совокупный эффект обратных связей в сложных системах может привести к катастрофически негативным последствиям.

Таким образом, системный риск, связанный с ИИ в образовании, представляет собой так называемый риск с «тяжелыми хвостами». Обычно мы представляем риск как риск с «тонкими хвостами», подобно классическому нормальному распределению: большинство случаев управляемы; экстремальные выбросы практически отсутствуют. Риск, связанный с ИИ для когнитивных навыков, из-за своей мультипликативной природы, имеет другое распределение: большинство результатов все еще находятся в диапазоне, где кризисы не неизбежны. Но экстремальные выбросы имеют лишь небольшую, а не тривиально малую, вероятность. Крупнейшие катастрофы таятся в неопределенности «тяжелых хвостов».

Я не знаю, как нам следует бороться с этим риском. Мира без чат-ботов больше никогда не будет. Никогда не будет системы образования, в которой практически все ученики и студенты (а также учителя) не использовали бы ИИ для автоматизации когнитивных задач.

Простого призыва к самостоятельному мышлению недостаточно. Наши внутренние экономические инстинкты не слышат таких призывов. Возможно, решение кроется в переосмыслении, в свете искусственного интеллекта, того, как должно функционировать образование в целом. Сосредоточение внимания на многочисленных индивидуальных оценках (домашние задания, эссе) как средстве достижения главной цели (развитие навыков критического мышления) в его нынешнем виде может быть устаревшим.

Оценивание само по себе полезно, но если его можно автоматизировать с помощью ИИ, то оно будет автоматизировано. Следовательно, оценочные процедуры необходимо сделать менее совместимыми с ИИ. Это может означать больше работы на месте, чем дома, или больше устных оценок. Такие корректировки кажутся простыми, но у них есть свои ограничения. С одной стороны, существуют логистические ограничения (нагрузка на школы и университеты возрастает), а с другой – в более широком смысле, идеалистические. Цель образования не может заключаться в постоянном наблюдении за детьми, подростками и молодыми людьми, поскольку им не доверяют самостоятельность.

Поэтому нам, возможно, потребуется найти другой подход к решению проблемы. Ученики и студенты должны быть внутренне мотивированы на то, чтобы идти по пути большего сопротивления. Как мы создадим эту внутреннюю мотивацию, я не знаю. Ключевая проблема заключается в том, что меньшее использование ИИ в первую очередь является недостатком. Если все мои одноклассники используют ИИ для домашних заданий и контрольных работ, а я нет, то я оказываюсь в невыгодном положении. За честную эпистемологическую позицию никаких дополнительных баллов не начисляется.

Нам необходимо каким-то образом управлять этим процессом самоподготовки, избегая пагубного стимула когнитивной разгрузки. Учитывая риски, мы просто не можем позволить себе не попытаться.

Список литературы:

1. Bloom, Benjamin S. “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring.” Educational Researcher 13, no. 6 (1984): 4–16. https://doi.org/10.3102/0013189X013006004.

2. Nickow, Andre, Philip Oreopoulos, and Vincent Quan. “The Promise of Tutoring for PreK–12 Learning: A Systematic Review and Meta-Analysis of the Experimental Evidence.” American Educational Research Journal 61, no. 1 (2024): 74–107. https://doi.org/10.3102/00028312231208687.

3. Simone, Martín De, Federico Tiberti, Maria Barron Rodriguez, Federico Manolio, Wuraola Mosuro, and Eliot Jolomi Dikoru. “From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. Policy Research Working Paper 11125.” In World Bank. World Bank Publications, 2025. https://eric.ed.gov/?id=ED676624.

4. Kestin, Greg, Kelly Miller, Anna Klales, Timothy Milbourne, and Gregorio Ponti. “AI Tutoring Outperforms In-Class Active Learning: An RCT Introducing a Novel Research-Based Design in an Authentic Educational Setting.” Scientific Reports 15, no. 1 (2025): 17458. https://doi.org/10.1038/s41598-025-97652-6.

5. Strömberg, David, Victor Lei, and Yanhui Wu. The Generative AI Learning Penalty: Evidence from Chinese Secondary Education. No. DP21577. June 2, 2026, DP21577. https://cepr.org/publications/dp21577.

6. Gerlich, Michael. “AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking.” Societies 15, no. 1 (2025): 6. https://doi.org/10.3390/soc15010006.

7. Bastani, Hamsa, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, and Rei Mariman. “Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics.” Proceedings of the National Academy of Sciences 122, no. 26 (2025): e2422633122. https://doi.org/10.1073/pnas.2422633122.

8. Barcaui, André. “ChatGPT as a Cognitive Crutch: Evidence from a Randomized Controlled Trial on Knowledge Retention.” Social Sciences & Humanities Open 12 (January 2025): 102287. https://doi.org/10.1016/j.ssaho.2025.102287.

9. Tomescu, Alexandra. Teaching the AI-Native Generation. Oxford University Press, 2025. https://corp.oup.com/spotlights/teaching-the-ai-native-generation/.