Полная версия
Искусственный интеллект в работе учителя
2.2. Почему ответы отличаются
Одинаковый запрос иногда дает разные результаты. Это не обязательно неисправность. Генерация обычно допускает несколько вероятных продолжений. В творческой задаче разнообразие полезно: можно получить разные метафоры или сюжеты. В инструкции по безопасности вариативность, наоборот, нежелательна.
Кроме того, на ответ влияет выбранная модель, режим, история беседы, системные правила сервиса, подключенный поиск, загруженные файлы, настройки и обновления. Поэтому фраза «эта нейросеть всегда делает так» редко остается верной надолго.
2.3. Откуда берутся уверенные ошибки
Слово «галлюцинация» используют для правдоподобного, но неподтвержденного или неверного содержания. Модель может придумать название статьи, неверно соединить два факта, приписать автору чужую мысль, уверенно заполнить отсутствующий раздел документа.
Я не пытаюсь запретить это одной фразой «не выдумывай». Такая инструкция полезна, но не является гарантией. Надежность создается процессом:
даю источники;
отделяю работу по источнику от внешнего дополнения;
требую указывать основание;
прошу отмечать неопределенность;
проверяю критические утверждения;
не использую генерацию как замену экспертизе.
Рабочий запрос для анализа источника:
«Работай только с приложенным текстом. Для каждого вывода укажи раздел и короткий подтверждающий фрагмент. Если ответа в тексте нет, напиши: “В предоставленном материале не найдено”. Не дополняй ответ сведениями из памяти. В конце отдельно перечисли места, где качество файла или формулировка не позволяют сделать уверенный вывод».
2.4. Четыре проверки
Логическая проверка. Нет ли противоречий между частями ответа? Следует ли вывод из аргументов? Не подменено ли понятие?
Предметная проверка. Верны ли формула, дата, термин, правило, историческая связь? Здесь особенно важна компетентность учителя.
Источниковая проверка. Существует ли публикация? Совпадает ли цитата? Актуальна ли редакция документа? Открывается ли ссылка?
Педагогическая проверка. Подходит ли текст возрасту? Достижима ли нагрузка? Проверяет ли задание нужное умение? Безопасен ли пример?
Можно добавить техническую проверку: открывается ли файл, работает ли код, не съехала ли верстка, не исчезли ли шрифты.
2.5. Практика «Факт, вывод, идея»
Возьмите ответ системы и разметьте каждое значимое утверждение одной из трех меток.
[ФАКТ] – требует источника или предметной проверки.
[ВЫВОД] – требует проверки логики и полноты основания.
[ИДЕЯ] – вариант для выбора, а не утверждение об истине.
Затем попросите ИИ выполнить такую же разметку. Сравните. Вы увидите, что система может назвать фактом то, что сама же предположила. Поэтому маркировка помогает думать, но не заменяет человека.
2.6. Практика «Красная команда»
После создания материала откройте новый диалог или явно смените роль:
«Ты не автор этого материала, а строгий рецензент. Найди до семи наиболее существенных проблем. Проверяй соответствие цели, скрытые допущения, фактические риски, невыполнимые этапы, двусмысленные критерии и возрастную уместность. Не исправляй текст целиком. Для каждой проблемы укажи фрагмент, почему это риск и какой вопрос должен решить автор».
Новый диалог полезен потому, что длинная беседа склонна продолжать уже принятую логику. Рецензенту нужен свежий взгляд.
2.7. Признак профессионального отношения
Я не спрашиваю: «Можно ли доверять ИИ?» Это слишком общий вопрос. Я спрашиваю: «Какой части этого результата я могу доверять после какой проверки?» Структуре таблицы достаточно визуальной проверки. Факту о законе нужен официальный источник. Оценке детской работы нужны критерии, точная транскрипция и решение педагога. Чем выше последствия ошибки, тем сильнее контроль.
Вопросы для самостоятельного анализа
Какие типы ошибок наиболее опасны в моем предмете?
Как я отличаю идею от факта в ответе?
Какие результаты можно проверить быстро, а какие требуют эксперта?
Где я раньше принимал уверенный тон за доказательство?
РАЗДЕЛ 3. ПАМЯТЬ, КОНТЕКСТ И ДЛИННЫЕ ДИАЛОГИ
3.1. Три разных значения слова «память»
Учитель пишет: «Я же сообщал это вчера, почему чат снова спрашивает?» Чтобы не раздражаться и не рисковать качеством, нужно разделить три механизма.
История чатов – список бесед, который хранит платформа для пользователя. Наличие разговора в боковой панели не означает, что новый чат автоматически прочитал его.
Контекст текущей беседы – сообщения и материалы, которые система учитывает прямо сейчас. Он ограничен. Когда диалог становится очень длинным, ранние детали могут учитываться слабее, быть сжаты или перестать помещаться.
Долговременная персонализация – отдельная функция некоторых сервисов, которая может сохранять предпочтения или сведения между беседами. Ее наличие, правила и управление зависят от платформы. Я не отношусь к ней как к защищенному архиву и не помещаю туда персональные данные учеников, пароли или служебную информацию.
3.2. Контекст как рабочий стол
Представьте стол ограниченного размера. На нем лежат инструкция, учебник, черновик, таблица критериев и наша переписка. Чем больше случайных бумаг мы добавляем, тем труднее найти главное. Контекстное окно работает похоже: в нем есть конечное место, а внимание модели распределяется не идеально.
Поэтому «загрузить все» – не всегда хорошая стратегия. Я отбираю материалы и создаю карту:
цель проекта;
аудитория;
обязательные источники;
принятые решения;
неизменяемые ограничения;
открытые вопросы;
следующий шаг.
3.3. Стартовый контекст
Для нового проекта я использую вводную:
«Мы начинаем работу над [продукт]. Аудитория: [кто]. Педагогическая цель: [наблюдаемый результат]. Исходные материалы: [перечень]. Обязательные требования: [список]. Запрещено: [ограничения]. Моя роль – автор и лицо, принимающее решение; твоя роль – помогать со структурой, вариантами и проверкой. Не приписывай мне опыт, которого я не сообщал. Не создавай факты и источники. Если данных не хватает, сначала задай до пяти вопросов. После этого кратко перескажи контекст и дождись подтверждения».
Пересказ нужен для калибровки. Если модель поняла «методическое пособие» как рекламную брошюру, лучше увидеть это сразу.
3.4. Как не потерять проект в длинном чате
После каждого значимого этапа я прошу сделать контрольную запись:
«Составь журнал решений. Включи только то, что явно подтверждено в диалоге: цель, выбранная структура, принятые формулировки, отклоненные варианты и причины, источники, открытые вопросы, следующий шаг. Не добавляй новых решений».
Журнал я сохраняю отдельно. Затем при необходимости открываю новый чат и передаю компактную версию. Такой перенос полезнее надежды, что система удержит десятки страниц беседы.
3.5. Когда начинать новый диалог
Начинайте заново, если:
задача изменилась;
в старом чате смешались разные проекты;
модель продолжает повторять отклоненное решение;
важные инструкции стали теряться;
нужен независимый аудит;
вы передали новый набор источников и хотите исключить влияние прежнего.
Но новый чат не должен начинаться с нуля. Передайте ему проверенный паспорт и журнал решений.
3.6. Контекст ученика без персональных данных
Для дифференциации не нужно писать фамилию и подробную биографию ребенка. Достаточно функционального описания:
«Ученик понимает смысл дроби и умеет приводить к общему знаменателю, но теряет знак при переносе и не проверяет ответ. Нужна короткая тренировка из трех шагов с постепенно уменьшающейся подсказкой».
Такой контекст полезнее имени. Он описывает наблюдаемое затруднение и цель помощи.
3.7. Практика «Сжатие без потери решений»
Возьмите длинный диалог и попросите:
«Сожми беседу до 400–600 слов для продолжения проекта в новом чате. Разделы: цель; аудитория; подтвержденные исходные данные; принятые решения; неизменяемые требования; что уже создано; что требует проверки; открытые вопросы; следующий шаг. Не включай рассуждения, если они не привели к решению. Не добавляй сведения из внешних источников».
Проверьте сжатие по оригиналу. Особое внимание уделите отрицательным требованиям: именно запреты часто теряются.
3.8. Практика «Контекстный пакет»
Создайте папку проекта с четырьмя текстами: паспорт задачи, карта источников, журнал решений, критерии качества. Даже если платформа поддерживает память, ваша система не должна зависеть от нее. Управляемая внешняя память надежнее случайного воспоминания чата.
Вопросы для самостоятельного анализа
Что из текущего диалога является обязательным контекстом, а что стало шумом?
Какие данные можно заменить функциональным обезличенным описанием?
Где хранится подтвержденная версия решения независимо от сервиса?
Какая фраза или ограничение чаще всего теряется в длинной работе?
РАЗДЕЛ 4. ТОКЕНЫ, РАСХОД, СТОИМОСТЬ И КОНТЕКСТНОЕ ОКНО
4.1. Что такое токен
Токен – это фрагмент текста, с которым работает модель. Он может быть целым коротким словом, частью длинного слова, знаком препинания или сочетанием символов. Не стоит считать, что один токен всегда равен одному слову. Для русского языка соотношение зависит от конкретного разбиения текста и модели.
Мне полезно думать так: модель «видит» не страницы Word, а последовательность небольших текстовых частей. Число страниц само по себе ничего не говорит о расходе. Страница с таблицей, формулами и длинными словами может вести себя иначе, чем страница простого текста.
4.2. Вход и выход
В расчет обычно входят входные токены – запрос, часть истории, системные инструкции, переданные фрагменты файлов – и выходные токены, то есть ответ. В API цена может отличаться для входа и выхода, а также для разных моделей, режимов и кэширования. В пользовательской подписке вместо прямой оплаты каждого токена часто действуют лимиты сообщений, функций или вычислений.
Поэтому вопрос «Сколько стоит один мой запрос?» без уточнений не имеет точного ответа. Нужно знать платформу, модель, тариф, объем контекста, длину ответа, использование поиска, изображений, аудио или кода. Цены быстро меняются; перед расчетом я открываю актуальную официальную страницу тарифов.
4.3. Простая модель расчета для
API
Если сервис публикует цену за миллион токенов, ориентировочная стоимость вычисляется так:
стоимость входа = входные токены / 1 000 000 × цена входа;
стоимость выхода = выходные токены / 1 000 000 × цена выхода;
итого = стоимость входа + стоимость выхода + стоимость дополнительных инструментов, если они тарифицируются отдельно.
Это учебная формула, а не обещание конкретной цены. Некоторые сервисы учитывают кэшированный вход, пакетные режимы, поиск, хранение, изображения или длительность аудио иначе.
4.4. Контекстное окно
Контекстное окно – максимальный объем токенов, доступный модели в одном рабочем обращении или последовательности. В него входит не только мой последний запрос. Там могут находиться системные инструкции, история, документы и будущий ответ. Если окно заявлено большим, это еще не означает, что все сведения внутри будут использованы одинаково хорошо.
Давайте сравним с конференционным столом. На него физически помещается сто листов, но человеку сложно одинаково внимательно держать в голове каждую строку. Большое окно дает возможность передать длинный материал, однако качество зависит от структуры, сигналов приоритета, расположения нужного фрагмента и сложности задачи.
4.5. Почему длинный промпт не всегда лучше
Лишний контекст увеличивает стоимость и может снижать точность. Если я прошу проанализировать один пункт положения, иногда лучше дать нужный раздел и оглавление, а не триста страниц приложений. Если взаимосвязи документа важны, наоборот, вырезанный абзац исказит смысл.
Моя последовательность:
Определить вопрос.
Выбрать минимально достаточный материал.
Добавить карту документа.
Задать приоритет источников.
Попросить ссылаться на разделы.
Проверить, какие части действительно использованы.
4.6. Бюджет как методическая дисциплина
Даже при фиксированной подписке полезно думать о расходе. Без ограничений мы начинаем генерировать десятки почти одинаковых вариантов и перестаем выбирать. Я задаю бюджет итераций:
одна беседа для требований;
три варианта структуры;
один образец;
один критический разбор;
одна финальная версия.
Это не жесткий закон. Это способ удержать внимание на решении, а не на бесконечной генерации.
4.7. Как уменьшить расход без потери качества
Сохраняйте повторяющийся контекст компактно.
Не отправляйте один и тот же большой файл, если платформа позволяет ссылаться на уже загруженный материал и вы уверены, что он доступен в текущем проекте.
Просите сначала план, а не полный текст.
Ограничивайте формат: «до 8 пунктов», «таблица из 6 строк», «не повторяй исходный текст».
Разделяйте задачи. Дорогая сильная модель может быть нужна для сложного анализа, а простое форматирование можно выполнить более легким режимом.
Сжимайте длинный диалог в проверенный паспорт проекта.
Не экономьте на критической проверке. Дешевый неверный ответ может стоить дороже исправления последствий.
4.8. Практика «Оценка объема проекта»
Возьмите план большого пособия. Оцените не только число страниц, а этапы:
анализ источников;
проектирование структуры;
генерация черновиков;
редактура;
проверка ссылок;
создание иллюстраций;
верстка;
визуальная проверка.
Для каждого этапа отметьте: нужен ли ИИ, какой объем контекста, сколько итераций, что можно сделать локально, где нужна модель высокого уровня. Получится гораздо более честный бюджет, чем умножение страниц на условную цену запроса.
4.9. Практика «Длинный и компактный контекст»
Дайте системе исходный документ и запрос. Затем в новом диалоге передайте только проверенную выжимку и тот же запрос. Сравните точность, полноту, скорость, стоимость и количество ссылок на основание. Вывод может быть разным для разных задач; цель – научиться выбирать, а не доказать, что краткость всегда лучше.
4.10. Контрольный список перед платным запуском
Выбрана ли нужная модель, а не самая дорогая по привычке?
Убран ли повторяющийся шум из контекста?
Ограничена ли длина результата?
Есть ли контрольная точка до массовой генерации?
Понимаю ли я, как тарифицируются файлы, поиск, изображения и звук?
Установлен ли лимит бюджета и уведомления, если сервис их поддерживает?
Не содержит ли запрос данные, которые вообще нельзя передавать?
Вопросы для самостоятельного анализа
Где в моем процессе расходуется больше всего контекста?
Какой фрагмент можно безопасно заменить выжимкой?
Когда экономия на модели повышает риск ошибки?
Могу ли я заранее назвать точку, после которой генерацию нужно остановить и перейти к авторской работе?
РАЗДЕЛ 5. ПАРАМЕТРЫ МОДЕЛИ: КАК УПРАВЛЯТЬ ВАРИАТИВНОСТЬЮ И ДЛИНОЙ
5.1. Почему об этом стоит знать учителю
В обычном чат-интерфейсе многие настройки скрыты: платформа сама выбирает подходящие значения. В API, локальной среде или продвинутом конструкторе можно встретить температуру, top-p, максимальное число токенов, случайное зерно и другие параметры. Не нужно превращаться в инженера, чтобы понимать их смысл. Достаточно знать, какой риск мы регулируем.
5.2. Температура: не «умнее», а разнообразнее
Температуру часто описывают как творчество. Это удобно, но неполно. При более низком значении система сильнее предпочитает наиболее вероятные продолжения. Ответ обычно становится более предсказуемым и однообразным. При более высоком – больше редких вариантов, неожиданных слов и направлений.
Низкая температура не делает факт автоматически верным. Высокая не превращает посредственный замысел в талантливый. Параметр влияет на выбор продолжения, а не на наличие надежного источника.
Для строгого извлечения из документа, классификации и формата полезна меньшая вариативность. Для мозгового штурма, метафор, сюжетов и альтернативных заданий допустима большая. Если интерфейс не показывает температуру, я управляю поведением словами: «дай один наиболее консервативный вариант» или «предложи десять заметно различающихся подходов».
5.3.
Top
-
p
: другой способ ограничить выбор
Top-p задает, насколько широкий набор вероятных продолжений допускается на каждом шаге. Можно представить корзину вариантов. При меньшем top-p система выбирает из более узкой корзины самых вероятных; при большем – рассматривает более широкий набор.
Температура и top-p влияют на близкие стороны генерации. Начинающему пользователю не стоит одновременно резко менять оба параметра: станет трудно понять причину результата. Если сервис предлагает готовые режимы «точный», «сбалансированный», «творческий», сначала используйте их и оценивайте по задаче.
5.4. Максимальная длина ответа
Параметр максимальных выходных токенов ограничивает объем ответа. Слишком маленький предел обрежет текст посередине. Слишком большой не обязывает модель писать полезнее и может увеличить расход.
В чате я задаю содержательную длину: «600–800 слов», «одна страница», «таблица не более чем из десяти строк», «пять пунктов с двумя предложениями». Число слов и токенов не совпадает, но такое ограничение понятно автору и редактору.
5.5. Остановка и формат
В программной работе можно задавать последовательности остановки: модель прекращает ответ при определенном маркере. Это удобно при автоматической обработке, но в обычном учебном сценарии важнее четкая структура.
Если результат должен стать таблицей, укажите названия столбцов. Если данные пойдут в программу, задайте JSON-схему и проверяйте ее. Если нужен фрагмент HTML, попросите возвращать только код, но не запускайте его вслепую.
5.6. Повторяемость и случайное зерно
Некоторые среды предлагают seed – число, помогающее повторить случайный выбор при одинаковых условиях. Однако абсолютная повторяемость не всегда гарантируется: модель, инфраструктура или внутренние настройки могут измениться. Для методической воспроизводимости важнее сохранять дату, модель, промпт, источники, параметры и итоговую версию.
5.7. Штрафы за повторения и другие настройки
В API могут встречаться параметры, уменьшающие повторение уже использованных слов или побуждающие вводить новые темы. Они полезны в специальных задачах, но неправильное значение делает текст неестественным. Учителю редко нужно начинать с них. Сначала улучшите цель, контекст и критерии. Параметр не исправит плохо поставленную задачу.
5.8. Режим рассуждения
Некоторые платформы предлагают быстрый ответ и более длительный режим для сложных задач. Названия меняются. Я выбираю усиленный режим, когда требуется многошаговое сравнение, анализ противоречий, проектирование или сложный код. Для сокращения абзаца он избыточен.
Даже если интерфейс показывает промежуточные рассуждения, я оцениваю не впечатление от длинной цепочки, а проверяемость результата. Красивое рассуждение тоже может начинаться с неверной предпосылки.
5.9. Практика «Одна задача – два режима»
Возьмите задачу на создание пяти заголовков. В первом запуске попросите «консервативные, ясные, без метафор». Во втором – «заметно разные, образные, с неожиданным, но уместным поворотом». Сравните разнообразие, точность и объем редактуры.
Затем возьмите фактологическую задачу по приложенному документу и повторите эксперимент. Вы увидите, что творческая вариативность уместна не везде.
5.10. Практика «Карта параметров»
Создайте таблицу:
задача;
допустимая вариативность;
желаемая длина;
нужен ли усиленный режим;
формат;
критерий остановки;
обязательная проверка.
Заполните для четырех случаев: конспект, извлечение требований, иллюстрация, HTML-тренажер. Получится практическая карта выбора, а не набор отвлеченных терминов.
5.11. Главная мысль
Параметры управляют поведением генерации, но не заменяют содержание задания. Если я не знаю, чему должен научиться ребенок, никакая температура не исправит урок. Если у меня нет источника, низкая вариативность не сделает выдуманную дату истинной.
Вопросы для самостоятельного анализа
В каких моих задачах разнообразие является преимуществом?
Где нужен максимально стабильный формат?
Как ограничение длины помогает, а когда обрезает необходимое?
Какие сведения о запуске нужно сохранить, чтобы воспроизвести результат?
РАЗДЕЛ 6. ЭТИКА, ПЕРСОНАЛЬНЫЕ ДАННЫЕ И ГРАНИЦЫ АВТОМАТИЗАЦИИ
6.1. Этика начинается до кнопки «Отправить»
Разговор об этике легко сделать торжественным и бесполезным. В школе он должен превращаться в ежедневные действия. Что видно на фотографии тетради? На каком основании документ загружается во внешний сервис? Кто проверит решение? Понимает ли ученик, где участвовал ИИ? Не превращает ли автоматизация ошибку в несправедливую оценку?
Я использую пять опор: необходимость, минимизация, прозрачность, проверяемость, ответственность.
Необходимость: нужен ли ИИ для этой операции вообще?
Минимизация: какие сведения можно удалить без потери результата?
Прозрачность: кто должен знать об использовании инструмента?
Проверяемость: можно ли восстановить основание решения?
Ответственность: какой человек утверждает итог и отвечает за последствия?
6.2. Светофор данных
Зеленая зона: открытые учебные тексты, собственные материалы без закрытых сведений, вымышленные примеры, обезличенные наборы, публичные нормативные акты из официального источника.
Желтая зона: внутренние документы, реальные ученические работы, данные группы, переписка, фотографии помещений. Здесь нужны разрешение, анализ правил организации и настоящее обезличивание.
Красная зона: пароли, ключи, медицинские сведения, полные персональные данные, закрытые базы, секреты доступа, неанонимизированные сведения о несовершеннолетних, материалы ограниченного распространения.
Светофор не заменяет закон и локальные акты. Он дает паузу перед необратимой отправкой.
6.3. Обезличивание – больше, чем удалить имя
Человека можно узнать по сочетанию класса, школы, даты, редкого случая, фотографии, геолокации и содержания. Поэтому я спрашиваю: можно ли идентифицировать автора косвенно? Если да, сокращаю контекст или создаю учебную копию.
Для анализа ошибки часто достаточно написать:
«Ученик 7 класса решает задачу так: [перепечатанное решение]. Критерии: [текст]. Проанализируй математический ход без выводов о личности».