.png)
Искусственный интеллект меняет не только рынок труда, но и процесс обучения. Он помогает решать задачи и двигаться к цели быстрее, но при этом оставляет без навыков, которые приобретаются только при самостоятельных усилиях. Выпускник РЭШ 2026 г. Дмитрий Гуляев* в дипломной работе показал, как осознание этой ловушки может приводить к тому, что студент легче попадает в нее.
Когда я был школьником и передо мной лежала очередная порция бесконечных домашних заданий, я иногда мечтал о волшебной ручке, которая могла бы написать все за меня. Сегодня такая ручка почти существует. Готовое сочинение, текст, код или решение задачи – все это искусственный интеллект (ИИ) может выдать за несколько секунд и довольно качественно.
Конечно, школьники и студенты пытались идти по пути наименьшего сопротивления задолго до ChatGPT. Когда-то списывали у соседа по парте, искали решения в интернете или подглядывали в ответы в конце задачника. Но ИИ немного меняет саму природу проблемы.
Студент может получить готовую работу, созданную специально под его запрос, практически не выполняя ту умственную работу, ради которой задание изначально было дано. И здесь возникает важное различие: выполненное задание еще не означает, что произошло обучение. В образовании задание дается не только для получения результата – сам процесс его выполнения является технологией формирования навыков и знаний.
Поэтому в своей работе я использую термин «ИИ-делегирование» в довольно узком смысле – передача ИИ учебно значимой когнитивной задачи. Это может быть получение ответа вместо самостоятельного решения, готового текста вместо построения аргумента, кода вместо самостоятельного написания и отладки.
Подсказки, объяснения, обратная связь, совместное рассуждение или ИИ-репетитор – это уже другой способ использования технологии. Он вполне может помогать учиться. Моя работа посвящена именно случаю, когда ИИ выполняет ту работу, которая была предназначена студенту. В этом случае вместе с заданием студент может передать ИИ и часть когнитивной работы, благодаря которой формируются знания и навыки, т. е. человеческий капитал.
Так родилась идея моей магистерской работы: можно ли смоделировать этот процесс математически? Тема ИИ в образовании уже активно изучается в психологии и педагогике, но экономисты могут принести сюда что-то свое.
Я не пытался оценить, на сколько процентов ChatGPT увеличивает оценки или уменьшает объем знаний. Мне хотелось построить максимально простую экономическую модель, чтобы отделить один механизм от другого. Идея проста.
В каждый учебный период студент выбирает, какую часть задачи выполнить самому, а какую передать ИИ. Собственное усилие требует времени и сил. Но именно оно в моей модели увеличивает запас знаний студента. Если совсем упростить, динамика выглядит так: запас знаний завтра = запас знаний сегодня − то, что успело забыться, + новые знания, полученные благодаря сегодняшним усилиям.
ИИ при этом делает выполнение текущей задачи проще, но непосредственно запас знаний в модели не увеличивает. Поэтому в каждом периоде студент оказывается перед довольно понятным выбором. Можно потратить время и силы сейчас, чтобы получить знания, которые пригодятся в будущем. А можно выбрать более простой способ выполнения задачи и получить результат почти моментально.
Самый интересный для меня результат появился, когда я перешел к модели с конечным числом периодов. В первые периоды студент учится и выполняет задания, а в конце получает отдачу от накопленных знаний.
До сих пор я рассуждал так, будто студент последовательно оценивает выгоды и издержки сегодня и в будущем. Но людям это свойственно далеко не всегда. В поведенческой экономике существует понятие смещения к настоящему (present bias): то, что требует усилий прямо сейчас, ощущается особенно тяжело, а будущую пользу мы склонны недооценивать.
В учебе это особенно заметно. Несколько часов над сложной задачей нужно потратить сегодня, а отдача от этих усилий может проявиться только через месяцы – например, на экзамене или при изучении следующего курса. Издержки возникают сразу, а результат отложен, поэтому обещание начать работать самостоятельно «с завтрашнего дня» легко переносится снова и снова.
В классических работах о смещении к настоящему Тед О’Донохью и Мэтью Рабин различают два типа агентов – наивных и проницательных.
Наивный студент (naive) подвержен смещению к настоящему, но верит в то, что в будущем будет вести себя последовательно и больше не поддастся этому искушению: «Сегодня воспользуюсь ИИ, но завтра точно буду работать сам».
Проницательный студент (sophisticated) тоже подвержен смещению к настоящему, но понимает, что эта проблема никуда не исчезнет: «Я знаю, что завтра снова захочу передать задачу ИИ».
Так обычная задача выбора превращается в игру между последовательными инкарнациями одного и того же человека во времени. Сегодняшнее «я» решает, сколько усилий приложить, и тем самым влияет на запас знаний в будущем. Но следующий выбор, работать самостоятельно или снова делегировать задачу ИИ, будет принимать уже будущее «я». Сегодняшнее «я» может лишь предвидеть этот выбор, но не заставить будущее «я» следовать сегодняшнему плану.
Отсюда главный вопрос: помогает ли студенту то, что он заранее понимает свою будущую слабость?
Интуитивно кажется, что понимание собственной слабости должно помогать: кто предупрежден, тот вооружен. Если студент понимает, что и завтра будет склонен делегировать работу ИИ, он сможет учесть это уже сегодня. Однако модель дает менее очевидный результат.
В минимальной трехпериодной версии игры наивный и проницательный студенты выбирают одинаковое первоначальное усилие. Здесь действуют две силы в противоположных направлениях. Проницательный студент ожидает, что его будущее «я» будет сильнее полагаться на ИИ, поэтому накопленные сегодня знания кажутся ему менее ценными. Иными словами, зачем напрягаться, если потом все равно сорвусь? С другой стороны, в модели знания повышают отдачу от собственных усилий: чем больше студент знает к началу следующего периода, тем выгоднее ему решать следующую задачу самостоятельно, а не передавать ее ИИ. В трехпериодной версии эти два эффекта точно компенсируют друг друга.
Но стоит добавить еще один период – и эта компенсация исчезает. В четырехпериодной модели наивный студент уже прикладывает больше первоначальных усилий, чем проницательный. Проницательный студент понимает, что его будущие «я» будут сильнее полагаться на ИИ. Поэтому дополнительный запас знаний, который он может создать сегодня, кажется ему менее ценным: если в будущем я все равно буду сильнее полагаться на ИИ, зачем так много вкладываться в знания сейчас?
Это не означает, что понимание собственных слабостей всегда вредно. Такой эффект возникает в конкретной теоретической модели. Схожая неоднозначность появляется у О’Донохью и Рабина в модели зависимости: понимание будущих проблем самоконтроля может как смягчать, так и усиливать нежелательное поведение в зависимости от среды. Здесь важна не аналогия с зависимостью как таковой, а сама логика конфликта между настоящим и будущим «я».
Но главный вывод для меня в другом: понимание будущей проблемы самоконтроля само по себе ее еще не решает. Одного понимания недостаточно, если студент не может повлиять на условия, в которых будет принимать решение его будущее «я».
Близкую проблему индивидуального самоконтроля рассматривают в недавней работе Дрю Фуденберг и Дэвид Левин. В их модели сама возможность воспользоваться ИИ может повышать издержки сопротивления соблазну, даже если человек его не использует. Я делаю акцент на другом механизме: различия в ожиданиях относительно собственного будущего поведения меняют сегодняшние усилия.
В отдельном расширении магистерской работы я рассмотрел также механизм социальных норм. Я описал норму самостоятельной работы через средний уровень усилий в группе и предположил, что студенту невыгодно сильно от нее отклоняться. Тогда возникает обратная связь: если ИИ делает делегирование привлекательнее, индивидуальные усилия снижаются, вслед за ними снижается и средний уровень самостоятельной работы в группе, а это еще сильнее сокращает усилия отдельных студентов. В этой версии модели проницательный студент ожидает не только более слабую дисциплину своего будущего «я», но и ослабление нормы самостоятельной работы в будущем.
Схожую проблему на уровне всего общества рассматривают в недавней работе нобелевский лауреат Дарон Аджемоглу и его соавторы. В их модели усилия человека создают не только знания, полезные ему самому, но и вклад в общий запас знаний, которым затем пользуются другие. Поэтому снижение собственных усилий из-за ИИ со временем может замедлять накопление общего знания. В центре моей модели – интерналия: последствия сегодняшнего решения несет будущее «я» того же человека. У Аджемоглу и соавторов – экстерналия: усилие одного человека приносит пользу другим, которую он сам учитывает не полностью. Механизмы различаются, но общий вывод близок: удобство ИИ сегодня может ослаблять стимулы к накоплению знаний завтра.
Главный вопрос для дальнейшей работы возвращает нас к игре с будущим «я»: можно ли дать студенту возможность заранее договориться с самим собой?
В экономике такие инструменты называют механизмами обязательства. Это правила, которые человек выбирает до момента искушения и которые меняют условия его будущего выбора. В случае ИИ это может быть режим «сначала самостоятельная попытка», доступ только к подсказкам или задержанный доступ к полному ответу.
В магистерской модели собственное усилие и ИИ-делегирование жестко противопоставлены друг другу. В аспирантуре РЭШ под руководством Антона Суворова я хочу перейти к более реалистичной модели, где ИИ может как вытеснять самостоятельную работу, так и поддерживать ее. Я хочу исследовать, можно ли с помощью правильно устроенного взаимодействия с ИИ сделать так, чтобы проницательность вела не к пессимизму, а к дисциплине.
Эти идеи я хочу проверить и экспериментально. Например, можно сравнить свободный доступ к ИИ с режимом «сначала самостоятельная попытка», а через некоторое время дать обеим группам новую задачу уже без помощи ИИ. Важно измерять не только качество полученного ответа, но и то, что осталось у человека после того, как окно чата закрылось.
Мне хотелось бы, чтобы эта работа стала небольшим мазком в общей картине взаимодействия школьников и студентов с ИИ. Особенно мне важно понять, как такие механизмы работают для детей и подростков: проблема самоконтроля у них может быть еще острее.
ИИ в образовании – это огонь: он может осветить процесс обучения, а может сжечь те усилия, из которых формируются знания. Как пользоваться этим огнем мудро? На этот вопрос я и буду искать ответы.
*Мнение автора может не совпадать с мнением редакции
Что еще почитать и послушать на тему:
– Выпуск «Экономики на слух» о том, как ИИ влияет на наше мышление
– Колонку Валерии Бодиштяну о том, как ИИ меняет наш путь к знанию
– Колонку Ивана Дедюхина о том, как меняется наше отношение к экспертам, использующим ИИ
