«Развитие экономики без фактора ИИ уже невозможно»

В Шанхае стартовал международный летний институт по исследованиям искусственного интеллекта в образовании, организованный Институтом образования НИУ ВШЭ совместно с Восточно-китайским педагогическим университетом (ВКПУ). На него приехало свыше 50 участников и ключевых спикеров более чем из десяти стран Азии, Европы, Северной и Южной Америки. Они обсудили использование ИИ-технологий в образовании и других сферах.
Открывая программу, профессор Мэн Ю и заместитель декана факультета компьютерных наук Восточно-китайского педагогического университета Сюй Фэй подчеркнули, что стремительное развитие технологий ИИ требует международного сотрудничества и междисциплинарных исследований. «Мы рады объединить усилия с Институтом образования Высшей школы экономики и уверены, что неделя в Шанхае станет отправной точкой для долгосрочных совместных проектов», — отметили Мэн Ю и Сюй Фэй.
Директор Института образования Евгений Терентьев напомнил, что исследовательские альянсы российских и китайских университетов приобретают стратегическое значение и открывают новые горизонты сотрудничества. Он также представил результаты одного из последних исследований Инобра — типологию реакций российских университетов на генеративный ИИ: от запрета до активного внедрения. Анализ показал, что большинство университетов пока остаются в серой зоне, не формализуя правила использования новых технологий.
Научный руководитель НИУ ВШЭ Ярослав Кузьминов в своем выступлении обозначил пять направлений, в которых ИИ уже трансформирует высшее образование. Во-первых, это необходимость изменения учебных практик и образовательной рутины. Во-вторых, новая роль когнитивных навыков человека. В-третьих, возможность преодоления образовательной неуспешности путем налаживания механизма персонализированной обратной связи. Кроме того, это новые форматы обучения (в том числе игровые). Пятое направление — новые механизмы встраивания в рынок труда, основанные на реальных навыках, а не на возможности выполнения рутинных операций.
Он также подчеркнул возможные направления использования ИИ во благо, для укрепления человека. «Эффективное (грамотное) внедрение ИИ в образование, основанное на прозрачных правилах, мотивации студентов к выполнению более сложных задач с помощью ИИ, чем без него, а также персонализированные рекомендации — все это вместе может снизить образовательную неуспешность и высвободить экономический потенциал, создавая равные возможности для формирования конкурентоспособной рабочей силы и обеспечивая устойчивое развитие. Поэтому давайте двигаться в направлении грамотности будущего и ИИ-грамотности с пониманием того, что развитие экономики без фактора ИИ уже невозможно, а вот регресс в случае неаккуратного, безграмотного использования вполне вероятен», — сказал Ярослав Кузьминов.
Этот лейтмотив продолжила Екатерина Кручинская, старший преподаватель кафедры высшей математики НИУ ВШЭ. Она рассказала о результатах опроса студентов десяти селективных (топовых) вузов России. Опрос показал, что студенты чаще всего используют генеративные модели для пересказа текстов, анализа данных и программирования, однако экономия времени остается минимальной из-за необходимости проверять результаты. При этом практики использования все еще не организованы, и в основном студенты пользуются ИИ для того, чтобы больше отдохнуть, но не для того, чтобы использовать возможности генеративных моделей для выполнения более сложных, креативных задач.
«Опасность использования генеративного ИИ значительно снизится, когда эти практики его использования станут более институционализированы, а студенты будут мотивированы не имитировать, а улучшать свои реальные результаты», — резюмировала Екатерина Кручинская.
С лекцией выступил Окан Булут, профессор Университета Альберты (Канада), который рассказал о проблемах применения искусственного интеллекта в образовании. Он выделил ключевые трудности в оценке использования ИИ и обсудил, как эту технологию можно направить на благо обучения. В продолжение темы доцент Университета образования Гонконга Мик Фанги рассказал об изменении традиционных представлений о компьютерно-поддерживаемом совместном обучении. Он объяснил, что, если раньше технологии рассматривались лишь как средства взаимодействия студентов друг с другом, теперь же сами ИИ-инструменты становятся полноценными участниками процесса. На примере групповой работы с текстом профессор Фанги подсветил и новые риски фрирайдерства — случаи, когда студенты используют ИИ прежде всего для экономии времени, а не для углубления совместной работы, — и предложил исследовательскую повестку, фокусирующуюся на поведении отдельных участников.
Финалом первого дня стал академический «спид-дейтинг»: участники обменялись идеями своих проектов и обозначили задачи, над которыми будут работать в течение недели в Шанхае. Впереди у них серия лекций, мастер-классов и воркшопов по методам исследования. По итогам работы каждый участник презентует свое исследование с учетом полученных в рамках летнего института рекомендаций от экспертов Института образования НИУ ВШЭ и ВКПУ.
Вам также может быть интересно:
AI AWARDS 2026: аналитическую основу премии формирует iFORA НИУ ВШЭ
Высшая школа экономики вошла в число партнеров премии AI AWARDS 2026, которая пройдет 29 апреля в Москве. Проект, реализуемый командой «Билайн Big Data & AI», посвящен практическому применению искусственного интеллекта и объединяет компании, технологии и команды, которые уже сегодня влияют на развитие новой цифровой экономики. Вклад номинантов AI AWARDS в развитие ИИ анализируется на основе данных, поэтому качество аналитической базы и прозрачность методологии становятся для рынка принципиально важными.
Будущее кардиогенетики — с искусственным интеллектом
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ (Институт ИИиЦН) создали программу, которая способна анализировать участки генома человека, ранее недоступные для точной интерпретации при генетическом тестировании. Программа адаптирует большие генеративные модели (ГенИИ) под задачи кардиогенетики, чтобы предсказывать, как мутация влияет на работу конкретного гена.
НИУ ВШЭ и Альфа-Банк запускают исследовательские проекты в сфере искусственного интеллекта
НИУ ВШЭ и Альфа-Банк объявили о старте трех совместных проектов в области искусственного интеллекта. Они направлены на развитие аналитических инструментов для банковских сервисов — от более точных прогнозов до новых подходов к управлению рисками и персонализации клиентского опыта.
Участники «Я — профессионал» разработают ИИ-агентов для бизнеса на Весенней экономической школе Вышки и Сбера
На площадке СберУниверситета стартовала Весенняя экономическая школа, организованная Высшей школой экономики и Сбером для участников Всероссийской олимпиады студентов «Я — профессионал» Президентской платформы «Россия — страна возможностей». С 22 по 24 апреля студенты будут работать над созданием ИИ-агента для бизнеса — от идеи и научной гипотезы до прототипа, готового к защите перед экспертами.
Уже не выбор, а реальность: трансформация мира под влиянием ИИ
Искусственный интеллект уже не воспринимается как технология будущего: он стремительно меняет процессы принятия решений, рынок труда и социальные практики. Вместе с тем он несет с собой не только новые грандиозные возможности, но и системные риски, связанные с ростом зависимости от данных, трансформацией профессий и изменением человеческого поведения. В НИУ ВШЭ создали семантическую карту разломов, которая показала ключевые тренды в развитии технологий.
Почему искусственный интеллект не способен поработить человечество
1 апреля на факультете математики НИУ ВШЭ встретили российского ученого, преподавателя и специалиста по информационной безопасности Андрея Масаловича, известного как КиберДед. Он представил студентам Вышки свои «Двадцать вопросов искусственному интеллекту» и поделился ответами, раскрывающими суть проблем в сфере развития ИИ, а также рассказал, почему тот никогда не сможет захватить человечество.
Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
«Подготовка инженеров нового поколения невозможна без интеграции инструментов ИИ в отраслевые ОП»
26 февраля в Уфе на площадке Межвузовского студенческого кампуса Евразийского научно-образовательного центра прошла защита итоговых проектов пилотного курса образовательной программы «ИИ-инженерия в нефтегазовой отрасли». Эксперты НИУ ВШЭ оценили студенческие проекты в сфере искусственного интеллекта, выполненные для «Газпрома» в рамках федерального проекта «Экономика данных и цифровая трансформация государства».
Стартует набор на онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов»
В Центре непрерывного образования факультета компьютерных наук НИУ ВШЭ открыт набор на новую онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов». Программа разработана для тех, кто стремится перейти от базового использования нейросетей в формате чат-ботов к созданию прикладных интеллектуальных инструментов для автоматизации бизнес-задач. Курс ориентирован на слушателей, заинтересованных в практическом освоении современных подходов к разработке автономных ИИ-агентов на базе больших языковых моделей и их внедрении в рабочие процессы.
Ученые НИУ ВШЭ научились сжимать большие языковые модели без потерь в качестве
Исследователи из Института искусственного интеллекта и цифровых наук (Институт ИИиЦН) ФКН НИУ ВШЭ разработали новый метод сжатия больших языковых моделей, таких как GPT и LLaMA, который позволяет уменьшить их объем на 25–36% без дополнительного обучения и значительной потери в точности. Это первый подход, который использует математические преобразования — вращения весов модели, — чтобы сделать модели более удобными для сжатия с помощью структурированных матриц. Результаты исследования опубликованы в ACL Findings 2025. Код метода доступен на GitHub.


