Оқытудағы даму құралы ретінде жасанды интеллектпен байланыс

Соңғы бір жарым-екі жыл ішінде көптеген студенттер қиын жағдайларда ChatGPT-ді белсенді түрде қолданып жүр. Жасанды интеллектке тыйым салу немесе оны елемеу студенттеріміз өмір сүріп жатқан шындықтан артта қалуды білдіреді. Бірақ оларға «нейрондық желіден сұрауға» рұқсат беру – бұл білім беру процесінің өзін құнсыздандырады. Сондықтан оқытудың орнына емес, оның процесінің өзіне жасанды интеллекті енгізудің тиімді тетіктерін іздеу қажеттілігі туындайды. Бұл мақалада мен теориямен емес, тәжірибе барысында пайда болған нақты әдістермен, олардың артықшылықтарымен және айқын кемшіліктерімен бөліскім келеді.

Неліктен бұл қазір өзекті болып отыр?

Жауап айқын. Робототехника және микроконтроллерлік бағдарламалау әрқашан аппараттық құралдардың, датчиктер мен физикалық заңдардың қатаң шеңберіндегі шығармашылықты қажет етеді. Студенттер көбінесе тығырыққа тіреліп жатады: оларда идея бар, бірақ оны жүзеге асыру дағдылары немесе нұсқаларды зерттеуге уақыт жетіспейді. Бұрын бұл «кеңесші» рөлін тек оқытушы атқаратын, алайда олардың уақыты мен білімі де шектеулі. Жалпыға ортақ тілдік модельдердің пайда болуы әрбір студентке теориядан (ЕИМ қалай жұмыс істейді) тәжірибеге (мотор неге дірілдейді) дейін кең ауқымды мәселелер бойынша сондай керемет болмаса да, жылдам кеңес алуға мүмкіндік беретін «ақылды тетікке» айналды. Бұл мәселенің өзектілігі сол – бұл тетікті олардың ойлау процесін бұзбай, дұрыс пайдалануды үйрену. 

Біздің негізгі бағытымыз өзгерді. Бұрын біз синтаксис пен құрастыруды үйрететінбіз. Енді біз мәселені тұжырымдауды, сыни бағалауды және ұсынылған шешімдерді бейімдеуді бірдей үйретеміз. Жасанды интеллект инженерлік диалогта жауап беруші емес, сұхбаттасушыға айналды. Бұл диалог өнімді, нәтижелі болу үшін біз бірнеше нақты ережені әзірледік.

№1 ереже: «Жасанды интеллект техникалық тапсырманы (ТТ) қоюға арналған жаттықтырғыш ретінде».

Бәлкім бұл болашақ маман үшін ең маңызды дағды болуы мүмкін. Біз кез келген жобаны схемадан емес, мәтіннен бастаймыз. Студент өз жүйесінің НЕ істеуі керек, сыртқы оқиғаларға ҚАЛАЙ жауап беруі керек және ҚАНДАЙ жағдайда жұмыс істеуі керек екенін жазбаша баяндауы қажет. Бұрын бұл техникалық тапсырма «көрер көзге ғана» жазылған. Енді біз мәтінді ChatGPT-ке «Қатал жобалауы инженер бол. Осы техникалық тапсырмаға нақтылайтын сұрақтарды қой, ол жердегі түсініксіз жерлер мен әлсіз тұстарды тап» деген бұйрықпен береміз.

Тәжірибеден мысал. Студент: «Робот кедергілерді айналып өтуі керек» деп жазды. Жасанды интеллект: «Не кедергі болып саналады? Өлшемі қандай? Олар қандай қашықтықта анықталуы керек? Робот кедергінің алдына тоқтауы керек пе, әлде бірден жол іздеуі керек пе? Басымдық қандай – жылдамдық па, әлде қауіпсіздік пе?» деп оған қарсы сұрақ қойды. Студент өзінің техникалық тапсырмасын мінсіз деп ойлады. Бұл механизм нақтылыққа, мәселені алдын ала болжауға және жүйелі ойлауға үйретеді. Практикалық маңыздылығы айқын: кез келген жұмыс беруші нақты және толық міндеттер қоя алатын маманды бағалайды.

№2-ереже: «Салыстырмалы талдау: менің кодым немесе жасанды интеллект коды».

Біз «мен үшін код жаз» деген ұстанымнан арылдық. Оның орнына, студент алдымен өзі, мейлі қиындықпен болсын, қателермен болсын, бағдарламаның жұмыс бөлігін жазуы керек. Мысалы, ультрадыбыстық датчиктерден деректерді оқуға арналған код. Содан кейін ол жасанды интеллектке дәл сол техникалық тапсырмаларды беріп, одан нұсқа жасауды сұрайды. Ары қарай негізгі кезең – кестедегі салыстырмалы талдау. Студент «Менің тәсілім», «Жасанды интеллектің тәсілі», «Артықшылықтары», «Кемшіліктері» және «Нені алуға болады» деген бағандары бар кесте жасайды. Ол жасанды интеллектің шуды өткізбейтін талғампаз функциясын қолданғанын немесе студент жіберіп алған қателердің өңделгенін нұсқасын қосқанын көреді. Сонымен қатар, жасанды интеллект коды артығымен немесе нашар түсіндірілген болуы мүмкін. Мұндай талдау сыни ойлауды және еш ойламастан көшіруді емес, саналы түрде ең үздік шешімді таңдау қабілетін дамытады. Бұл жұмыстың таза түріндегі зерттеу сипаты: гипотеза (менің кодым), эксперимент (ЖИ интеллект коды), талдау, қорытынды.

№3-ереже: «Жасанды интеллект – стандартты емес идеялардың генераторы және «егер, онда?».

Студенттер көбінесе оқу құралдарындағы типтік шешімдерге назар аударады. Біз жасанды интеллекті миға шабуыл жасайтын құрал ретінде пайдаланамыз. Жоба соңғы кезеңге жеткенде, мен келесі тапсырманы беремін: «Нейрондық желіден әрқайсысы 500 теңге тұратын екіден көп емес қосымша компонентті пайдаланып жобаңды қалай қиындатуға немесе жақсартуға болатынын сұра». Жасанды интеллект: «Сұрыптау үшін түс датчигін қос», «SD-картаға температура журналын жаса», «Қарапайым чат-бот арқылы Bluetooth арқылы басқаруды жүзеге асыр» деген сияқты ақылға қонымсыз оншақты идеяны тудыруы мүмкін. Идеялардың 90%-ы практикалық болмауы мүмкін, бірақ бір немесе екі идея жобаға жаңа өмір сыйлайды. Бұл механизм шаблондықпен күреседі және кез келген жүйені дамытуға болатындығын көрсететін инженерлік қиялды дамытады.

№4-ереже: «ЖИ-серіктеспен құжаттау және ретке келтіру».

Түсініктемелер мен құжаттама жазу – жұмыстың жалықтыратын, бірақ қажетті бөлігі. Біз кез келген ұсынылған жобаға соңғы код негізінде жасанды интеллект жасаған және студент түсіндірген/түзеткен қысқаша құжаттаманы енгізу керек деген келісімге келдік. Студент кодты жүктеп, «Бұл бағдарламаның қалай жұмыс істейтінін оны жаңадан бастаушыға түсіндіріп жатқандай қарапайым тілмен түсіндір, негізгі функциялар мен айнымалылардың тізімін жаса» деп жазады. Нәтижесінде алынған мәтін көбінесе тым ресми болады немесе дәлсіздіктерді қамтиды. Мұнда студент мәтінді өңдей отырып, «серіктесін» түзететін сарапшының рөлін атқарады. Бұл қатені түзетуге де қатысты: қатені іздеуге сағаттап уақыт кетірудің орнына, студент чатқа код пен компилятордың қатесін енгізіп, «Бұл қатенің себептері неде болуы мүмкін? Ең ықтимал үшеуін көрсет» деген сұрау жолдайды. Жасанды интеллект дайын жауапты бермейді, керісінше жүйелік ретке келтіруді үйрететін іздеуге арналған бағыттарды ұсынады.

Келесі қадам – тәжірибеден авторлық бағдарламаға дейін

Жоғарыда сипатталған ережелер жеке-жеке әдістер емес, бір тізбектің буындары. Бұл жұмысты жүйелі және қайталанатын ету үшін мен қазір Arduino-да робототехника бойынша авторлық бағдарлама жасауда белсенді жұмыс істеп жатырмын. Оның басты ерекшелігі – үш бірлікті негіз: физикалық жобалау (Arduino) + интеллектуалды көмекші (ЖИ) + виртуалды зертханалар. Виртуалды симуляторлар (мысалы, Tinkercad Circuits, Virtual Breadboard) студентке техниканы еш зақымдамай, идеяларды жылдам прототиптеуге және сынақтан өткізуге, уақыт пен ресурсты үнемдеуге мүмкіндік береді. Бұл виртуалды ортада біз алғашқы үш механизмді сынаймыз: техникалық тапсырмаларды береміз, кодты жасап салыстырамыз, миға шабуыл жасаймыз. Бұл жерде жасанды интеллект жолнұсқа ретінде әрекет етеді. Алгоритмді сәтті виртуалды құрастырып, жөндегеннен кейін ғана студент нақты компоненттермен жұмыс істеуге көшеді. Бұл тәсіл технологиялар кедергі келтірмейтін, керісінше идеядан іске асыруға дейінгі толық инженерлік циклді қамтамасыз ете отырып, бір-бірін күшейтетін, қауіпсіз, барынша қаныққан оқу ортасын жасайды.

Нәтижесінде біз не алдық? Практикалық нәтижелер және шынайы қиындықтар.

Артықшылықтары: Техникалық тапсырмалардың сапасы артты. Студенттер бастапқы талдауға арналған құралдың бар екенін біле отырып, күрделі жобалардан қорқуды азайтты. Кодтарда төтенше жағдайлар көбірек өңделе бастады. Дербестік артты – енді кез келген уақытта кеңес алуға болады. Сабақта жұп болып талқылауға арналған жаңа, қызықты тақырып пайда болды – «неге жұмыс істемейді» емес, «жасанды интеллект мұны қалай жасауды ұсынды және неге ол жақсы/жаман».

Қиындықтар мен этикалық сәттер: Қызыл сызықты нақты белгілеу керек болды. Талдаусыз толығымен жасанды интеллект жасаған код аяқталмаған жұмысқа теңестіріледі. Біз академиялық адалдық туралы көп айтамыз. Тағы бір мәселе – машинаның беделіне көзсіз сену. Бізге «Жасанды интеллект қателеседі. Ол контексті түсінбейді. Шешімді сен қабылдайсың» деп үнемі қайталауға тура келеді. Сондай-ақ, студенттерге дұрыс сұрақтарды қоюды үйрету де маңызды – бұл бөлек дағды (білім беру мақсатындағы prompt engineering).

Ары қарай не болады?

Менің тәжірибем көрсеткендей, білім беру процесінде жасанды интеллекті қолданудың тиімді механизмі бір реттік әрекет емес, жасанды интеллекті «мәселе шешушіден» «жаттықтырғышқа», «әңгімелесушіге» және «гипотеза генераторына» айналдыратын өзара байланысты ережелер мен педагогикалық әдістер жүйесі.

Жасанды интеллектің тиімділігі кіріс деректерінің (сұраулардың) сапасына тікелей байланысты. Сондықтан біз студенттерге ойларын анық және құрылымдалған түрде тұжырымдауды үйретуіміз керек – бұл қазір негізгі мета-құзыреттілік.

Құндылық жасанды интеллектің жауабында емес, студенттің оны талдау, тексеру және бейімдеудегі интеллектуалдық жұмысында жатыр. Бағалау түпкілікті өнімнен осы аналитикалық процестің сапасына ауысуы керек.

Жасанды интеллекті интеграциялау тапсырмаларды қайта қарауды талап етеді. Жауаптарын нейрондық желіден бірден табуға болатын тапсырмаларды берудің мәні жоқ. Бізге көп сатылы, жобаға негізделген, шығармашылық тапсырмалар қажет, мұнда жасанды интеллект тізбектегі құралдардың бірі ғана.

Оқытушының рөлі өзгеруде. Мен білім көзінен студенттерге «адам + жасанды интеллект» деген жаңа гибридті ортада жұмыс жасауға көмектесетін білім беру тәжірибесінің сәулетшісіне айнала бастадым.

Біздің келесі қадамымыз – бұл ережелерді жасанды интеллектпен жұмыс бөлек тақырып ретінде емес, жобаның барлық кезеңдерінде: идеяның пайда болуынан бастап соңғы таныстырылымға дейінгі толассыз әдіс ретінде жазылатын пысықталған авторлық бағдарлама аясында ресімдеу. Біз жаңа ұрпаққа бағдарламалауды ғана емес, жасанды интеллектпен – олардың өзгермейтін болашақ әріптесімен сауатты және жауапкершілікпен өзара әрекеттесуді үйретеміз. Және мұны ертең емес, дәл қазір, біздің сабақтарымыздан бастау керек.

Ұсынылатын әдебиеттер

1. Программа развития технического и профессионального образования в Республике Казахстан на 2021–2025 годы.

2. Блум, Дж. С. Программирование Arduino: Создание практических устройств. СПб.: БХВ-Петербург, 2019.

3. Марголис, М. Arduino Cookbook. Рецепты освоения платформы Arduino. М.: Вильямс, 2020.

4. Russell, S., Norvig, P. Artificial Intelligence: A Modern Approach. 4th ed.  Pearson, 2020.

5. Материалы онлайн-сообщества Arduino (arduino.cc, форумы, проекты).

6. Документация и исследования по применению больших языковых моделей (ChatGPT, GitHub Copilot) в образовании (arXiv, образовательные порталы).

Күлпан ТҮСІПБАЕВА,

IT және жаңа технологиялар

жоғары колледжінің оқытушысы, Семей қаласы

---

АННОТАЦИЯ

В статье рассматривается контакт с искусственным интеллектом не как угроза классическому образованию, а как необходимый инструмент развития студентов в современных условиях. Автор предлагает практические методики интеграции нейросетей в учебный процесс, позволяющие сохранить ценность обучения и адаптировать его к новой технологической реальности.