ТОМСК, 11 мая – РИА Томск. Не только студенты научились использовать искусственный интеллект (ИИ) в университете, хотя курсовые работы, написанные с помощью ChatGPT, уже стали притчей во языцех. Инструменты ИИ внедряются во все направления работы вуза – от бухгалтерии до научных лабораторий. Что прямо сейчас меняется в университетах мира и как это сказывается на студентах – в обзоре РИА Томск.

ИИ в тренде: кому это выгодно

Мир стремится переложить на ИИ рутину, сложные вычисления, задачи, не требующие креативности, и процессы, на которые у человека уходит много времени. Поэтому повсюду растет спрос на специалистов с навыками работы с ИИ, а компании вкладывают большие деньги в создание соответствующей цифровой базы. 

Очевидно, что компания или даже целая отрасль, "прокачанная" ИИ, отличается высокой продуктивностью. Это подтверждают тысячи примеров по всему миру. Например, эксперты в сфере разработки лекарств обсуждают кейс Китая. 

Еще 10–15 лет назад здесь не было собственной фармразработки – использовались препараты, привезенные в страну и переупакованные в виде дженериков. Однако сейчас Китай находится в списке лидеров по разработке лекарств, в том числе потому, что несколько лет назад правительство признало ИИ в фармотрасли прорывным направлением и стало стимулировать его внедрение через гранты и прочие выплаты.

Кажется, что стать сильнее с помощью ИИ – всеобщая цель. Университеты не остались в стороне от тренда и надеются "возглавить это шествие": им предстоит обеспечить экономику новыми кадрами в эпоху искусственного интеллекта, так что его обсуждают и внедряют в каждом вузе (сегодня можно смело говорить "каждый" – вряд ли в мире остался университет, где до сих пор не используют ИИ хотя бы в форме чат-ботов).

Разумеется, полноценную трансформацию сегодня могут позволить в основном крупные университеты с серьезным финансированием. Остальные внедряют искусственный интеллект постепенно – в тех областях, где это дает быстрый эффект или где есть технические возможности сделать это. Именно поэтому в мире, в том числе в России, сформировалось сразу несколько моделей "ИИ-университета".

Перестройка

Наиболее популярные модели внедрения ИИ в работу вузов изучили специалисты Томского государственного университета и Центра стратегических разработок (ЦСР) "Северо-Запад". Результаты этого исследования представил в Минобрнауки ректор ТГУ Эдуард Галажинский. Он отметил, что материал будет полезен тем, кто принимает решения в сфере образования и технологий на федеральном уровне, в управлении вузами, в научных и образовательных командах.

"ИИ расширяет возможности образования и научной работы, но одновременно задает новые ограничения и требования. Это означает необходимость пересмотра стратегий развития вузов. В глобальном контексте такая реакция выразилась в формировании концепции "Университет на основе ИИ" (AI University)", – сказал Галажинский.

В исследовании подчеркивается, что, какую бы модель не выбрал вуз, жизнь студентов уже не будет прежней. ИИ дает новый формат обучения и научной работы: персонализированные курсы, адаптивные задания, возможность быстрее осваивать сложные темы и работать с большими данными.

Для преподавателей – это снижение рутинной нагрузки: автоматизация проверки студенческих работ, помощь в подготовке материалов, новые форматы взаимодействия со студентами. Ученым ИИ поможет значительно ускорить исследования, анализировать огромные массивы данных, моделировать процессы и даже автоматизировать лабораторные эксперименты.

Как отметил руководитель головного офиса ЦСР "Северо-Запад" Дмитрий Санатов, цель исследования – предложить методологическую рамку для осуществления ИИ-трансформации: "Мы стремимся помочь руководителям и стратегам высшей школы выйти за пределы управления частными кейсами и приступить к проектированию целостной экосистемы ИИ-университета, способной успешно существовать в новой технологической реальности".

Сильная сторона

Исследование показывает четыре модели концепции "Университет на основе ИИ". Самая распространенная – это многоформатная, или AI-enabled-подход, смысл которого – "стать лучшими в одном направлении". Университет не пытается перестроить все сразу, а концентрируется на отдельных преимуществах, например, запускает сильные программы по анализу данных или развивает ИИ-лаборатории.

Так действуют многие российские вузы, включая ИТМО, МФТИ и Университет Иннополис, часто в партнерстве с крупными IT-компаниями вроде Яндекса или Сбера. Эту модель выбрал ТГУ – он развивает сеть исследовательских ИИ-лабораторий в созданном в 2024 году Институте анализа больших данных и искусственного интеллекта.

Институт стал хабом, через который ИИ проникает в образовательные программы и научные коллективы. Как рассказал директор этого подразделения Вячеслав Гойко, открывшиеся ИИ-лаборатории дали старт трансформации в науке.

"Формируется потребность в новых компетенциях у исследователей, а обновленный научный протокол породил запрос на автоматизированные лаборатории с роботами, и мы уже активно движемся в этом направлении. Также мы внедрили в 54 образовательные программы универсальный модуль по анализу данных и ИИ", – прокомментировал он.

По мнению первого проректора ТГУ Виктора Демина, ИИ-лаборатории имеют большую перспективу: "Темы их проектов попадают в крупные мировые тренды. Мы понимаем, что применение ИИ – это наше преимущество, которое позволяет создавать передовые решения и продукты и заменять ими импортные аналоги. Это также привлекает бизнес и производства: через некоторое время ИИ-лаборатории обзаведутся пулом партнеров и инвесторов, что поможет разработкам выйти на реальный рынок".

Модельный ряд

Следующая модель – интегрированная, или AI-native. Здесь искусственный интеллект внедряется сразу во все: образование, управление, науку, инфраструктуру. Такие вузы изначально строятся вокруг ИИ или радикально перестраиваются под него. Это дорого и сложно, но дает максимальный эффект.

Например, это Сианьский университет Цзяотун-Ливерпуль (Китай), принявший документ Education + AI Strategic Framework 2025–2028, где заявлена цель – стать ИИ-вузом по шести столпам: управление, образование, исследования, промышленность, операционные процессы, инфраструктура. 

Это также Университет искусственного интеллекта имени Мохамеда бен Заида (ОАЭ), который позиционируется как первый в мире вуз, полностью посвященный развитию ИИ.

Третий тип – "модель мягких изменений", или AI-focused. Ее логика в следующем: университет не спешит с масштабной трансформацией, а обучает преподавателей, вводит правила использования ИИ, постепенно внедряет инструменты в учебный процесс, то есть создает среду, благоприятствующую распространению ИИ.

Пример – Московский городской педагогический университет, который одним из первых в России разработал официальные правила работы с искусственным интеллектом. Также это Сеульский национальный университет (Южная Корея), который несколько лет назад запустил проект, нацеленный на обучение преподавателей и студентов к работе с ИИ.

Четвертая модель – сервисная, или AI-as-a-service. Здесь акцент – на создании высокопроизводительной, управляемой и доступной ИИ-инфраструктуры. Чаще всего это единая платформа, через которую студенты, преподаватели и исследователи получают доступ к ИИ-инструментам. Как правило, модель реализуется в сотрудничестве с крупным технологическим партнером.

В этом направлении движется Чикагский университет (США), который построил ИИ-инфраструктуру PhoenixAI8 на базе Azure OpenAI (облачный сервис Microsoft) для 35 тысяч пользователей. Другим примером является Мичиганский университет (США), который запустил собственную платформу GenAI Services9, доступную всем студентам, преподавателям и сотрудникам. 

Три шага

Авторы исследования из ТГУ и ЦСР выяснили также, что движение к формату "ИИ-университета" проходит через три последовательные фазы. Первая – экспериментальная, когда ИИ-решения внедряются точечно, в отдельных подразделениях и лабораториях. 

Вторая – фаза накопления технологического портфеля, когда количество интеллектуальных систем и автономных агентов становится значительным. И только затем наступает третья фаза – переход к единой операционной системе (класса AIOS), которая объединяет всех агентов, данные и сервисы в целостную управленческую архитектуру. 

Без прохождения этих фаз университет рискует остаться на уровне разрозненных цифровых улучшений, так и не совершив качественного скачка в эффективности управления.