ИСТОРИЧЕСКИЕ ПРЕДПОСЫЛКИ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАНИИ

HISTORICAL BACKGROUND TO THE APPLICATION OF ARTIFICIAL INTELLIGENCE TECHNOLOGIES IN EDUCATION

Volokhova Elena

Student, Department of Psychology and Human Capital Development, Faculty of Social Sciences and Mass Communications, Financial University under the Government of the Russian Federation,

Russia, Moscow

Belogrud Igor

Scientific supervisor, Doctor of Philosophy, Assoc. Prof., Financial University under the Government of the Russian Federation,

Russia, Moscow

АННОТАЦИЯ

В статье рассматриваются исторические предпосылки, этапы формирования и ключевые достижения в развитии технологий искусственного интеллекта (ИИ) в сфере образования с середины XX века до настоящего времени. Представлен анализ первых концепций и разработок, включая работы А. Тьюринга, создание чат-ботов и обучающих систем, а также эволюцию интеллектуальных образовательных платформ на базе ИИ. Особое внимание уделено появлению глубинного обучения, внедрению нейросетей, автоматизации педагогических процессов и роли современных языковых моделей в трансформации образовательной среды.

ABSTRACT

This article examines the historical background, development stages, and key achievements in the evolution of artificial intelligence (AI) technologies in education from the mid-20th century to the present. It provides an analysis of early concepts and developments, including the work of A. Turing, the creation of chatbots and educational systems, and the evolution of intelligent educational platforms and agent-based technologies. Special attention is given to the emergence of deep learning, the introduction of neural networks, the automation of pedagogical processes, and the role of modern language models in transforming the educational landscape.

Ключевые слова: искусственный интеллект; нейросети; образование.

Keywords: artificial intelligence; neural networks; education.

Использование технологий искусственного интеллекта в образовательном процессе имеет длительную историю, берущую начало с середины XX века. Одним из пионеров в этой области стал А. М. Тьюринг, предложивший в 1950 году концепцию «мыслящей машины» [1], которая способна имитировать любой алгоритм, в том числе и алгоритм человеческого мышления. Также Тьюринг предложил эмпирический тест для проверки «интеллектуальности» такой машины, более известный в наши дни как «тест Тьюринга» [2]. Суть теста заключается в том, что один человек (судья) в режиме текстовой переписки общается с двумя собеседниками, один из которых человек, а другой — машина. Судье необходимо определить, кто из них кто, исходя из качества ответов собеседников. Таким образом, предполагал Тьюринг, можно получить ответ на вопрос о том, может ли искусственный интеллект (машина) имитировать естественный (человека).

Впрочем, сам термин «искусственный интеллект» появился несколько позже: его впервые использовал американский информатик и когнитивист Джон Маккарти на конференции о «механизации интеллекта», проходившей в Дартмутском колледже в 1955 году. Примечательно, что Маккарти понимал под искусственным интеллектом не некое свойство машины, а саму науку и технологию создания интеллектуальных компьютерных программ. Он утверждал, что «каждый аспект обучения или любой другой характеристики интеллекта в принципе может быть настолько точно описан, что можно создать машину для его моделирования» [3].

За эту идею активно ухватились практикующие педагоги и исследователи в сфере образования и других гуманитарных наук. Так, в 1966 г. американский ученый, специалист в области искусственного интеллекта Джозеф Вайценбаум создал первый чат-бот — компьютерную программу ELIZA, которая имитировала работу психотерапевта, могла общаться с человеком на естественном языке и применяла техники активного слушания [4]. В 1970 г. американский ученый Дж. Карбонелл разработал и представил педагогическому сообществу систему SCHOLAR — первую интеллектуальную обучающую систему (ИОС), совмещающую принципы компьютерного обучения и технологии искусственного интеллекта [5]. Особенностью этой системы стало то, что она позволяла выбирать или формировать обучающие воздействия в зависимости от целей обучения и с учетом текущего уровня знаний обучающегося. В отличие от традиционных (для того времени) систем машинного обучения, работавших на заранее подготовленных текстах, вопросах и ответах, система SCHOLAR была способна самостоятельно генерировать учебный текст и вопросы для студентов, а также использовать свою информационную сеть для ответов на вопросы, сформулированные самим обучающимся. Это позволило впервые реализовать смешанный инициативный диалог между студентом и компьютером, когда вопросы и ответы могут исходить от обеих сторон. Таким образом, 1970 год можно считать годом рождения нового научного направления, появившегося на стыке программированного обучения и ИИ.

Дальнейшее развитие интеллектуальных обучающих систем в 1970-1980-х годах было связано с работами Д. Слимана и Дж. С. Брауна [6]. Они уделяли большое внимание созданию адаптивных интеллектуальных интерфейсов, способных подстраиваться под индивидуальные особенности и потребности каждого пользователя, что делало процесс обучения более персонализированным. Их исследования также были направлены на разработку усовершенствованных методов оценки знаний и навыков обучающихся, что помогало отслеживать прогресс обучения и своевременно вносить необходимые коррективы. В 1982 году Слиман и Браун опубликовали знаковую работу «Intelligent Tutoring Systems» [7], в которой обобщили достижения в этой области и обозначили перспективные направления дальнейших исследований: расширение возможностей моделирования знаний, развитие адаптивных интерфейсов и методов оценки, а также интеграция ИОС с новыми технологиями обучения.

В 1990-х гг. развитие интеллектуальных обучающих систем получило новый виток, тесно связанный с широким распространением сети Интернет, развитием методов программирования и, как следствие, совершенствованием ИИ-технологий. Во-первых, ИОС перешли от локального существования к распределенному (сетевому), в результате чего общение между обучающимися и преподавателями стало более интенсивным, это позволило постоянно контролировать ход учебного процесса и обеспечивать оперативную обратную связь [8]. Во-вторых, при разработке ИОС начали применять агентно-ориентированные технологии, основанные на понятии программного агента — программной сущности, способной взаимодействовать со средой, воспринимать её, принимать решения и совершать действия. [9] Например, агенты в ИОС могли использовать технологии машинного обучения для построения моделей знаний обучающихся и прогнозирования их дальнейшего прогресса. Интеллектуальные системы также могли применять методы естественно-языкового взаимодействия, чтобы точнее понимать запросы обучающихся и давать более персонализированные и естественные ответы. Кроме того, ИОС использовали экспертные системы для автоматической диагностики ошибок обучающихся и выдачи рекомендаций. Всё это позволило создавать более адаптивные и гибкие обучающие системы, способные самостоятельно анализировать поведение и потребности обучающихся, а также генерировать индивидуальные стратегии обучения на основе ИИ-технологий.

Нулевые годы XXI века стали свидетелями нескольких прорывов в использовании искусственного интеллекта в различных сферах, в т. ч. в образовании. Взрывные темпы роста вычислительной мощности процессоров позволили реализовывать более сложные алгоритмы ИИ, а развитие методов машинного обучения открыло новые возможности в обработке и извлечении данных из больших массивов информации, собираемой в образовательной среде [10]. Параллельно с этим в России шел пересмотр взглядов на саму систему образования: в ответ на запросы работодателей в нее начали внедрять компетентностный подход, предполагающий ориентацию образовательного процесса на формирование и развитие ключевых компетенций, необходимых для успешной профессиональной деятельности [11, 12]. Применение ИИ-технологий расширило возможности реализации компетентностного подхода за счет автоматизации (полной или частичной) процесса оценивания профессиональных компетенций. Также в это время ИИ стали активнее применять в качестве инструмента оптимизации рутинных педагогических задач: для организации тестирований, автоматической проверки заданий и предоставления обратной связи [10].

Стало меняться и понимание самого термина «искусственный интеллект». Например, в 2003 г. С. Рассел и П. Норвиг в своей книге «Artificial Intelligence: A Modern Approach» толкуют его как «вычислительный интеллект, охватывающий различные сферы, в которых происходит обучение и могут выполняться определенные задачи, такие как игра в шахматы, доказательство математических теорем, написание стихов и диагностика заболеваний» [10]. В отличие от Маккарти, который рассматривал ИИ как научную и инженерную дисциплину, Рассел и Норвиг понимали искусственный интеллект как некоторое свойство или набор способностей самой машины.

Также в этот период стал все чаще звучать термин «нейросети» — в понимании искусственных логических структур, построенных по принципу организации биологических нейронных сетей [13]. Всплеск интереса к ним был обусловлен прорывной работой канадского ученого Дж. Хинтона, который разработал алгоритмы глубокого обучения многослойных нейронных сетей [14]. Глубокое обучение (deep learning) — это подход к машинному обучению, в котором используются многоуровневые нейронные сети для изучения и представления данных с множеством уровней абстракции. Этот подход позволил нейронным сетям достичь выдающихся результатов в распознавании визуальных образов и обработке естественного языка. В результате нейросети стали активно использоваться для создания более сложных интеллектуальных обучающих систем с человекоподобными возможностями общения и понимания контекста [15]. Такие системы способны вести диалог с обучающимися, отвечать на вопросы, разъяснять непонятные моменты и даже генерировать учебные материалы под конкретные потребности.

Рисунок 1. Взаимосвязь понятий «искусственный интеллект», «машинное обучение», «нейронные сети и «глубокое обучение»

К настоящему времени глубоко обученные нейросети стали доминирующим подходом в области исследования и применения ИИ. Их способность к самообучению и выявлению скрытых закономерностей позволила машинам понимать, интерпретировать и генерировать человеческий язык с невероятной точностью. По результатам прохождения теста Тьюринга современные языковые модели обгоняют самого человека: например, в исследовании 2025 г. [16] испытуемые называли нейросеть GPT-4.5 человеком в 73% случаев (то есть чаще, чем живого собеседника).

Заключение

Путь развития искусственного интеллекта, пройденный от экспериментальных идей Тьюринга и Маккарти до современных глубоко обученных нейросетей, наглядно демонстрирует потенциал использования этих технологий во всех областях человеческой жизни, в т. ч. в планировании, организации и оценке эффективности обучения. Таким образом, наблюдаемый сегодня процесс интеграции ИИ в образование — это закономерный результат эволюции научных идей, технологического прогресса и накопленного педагогического опыта, открывающий новые горизонты для построения гибкой, адаптивной и ориентированной на личность образовательной среды.

Список литературы:

1. Doroudi, S. The Intertwined Histories of Artificial Intelligence and Education. Int J Artif Intell Educ 33, 885–928 (2023). URL: https://doi.org/10.1007/s40593-022-00313-2 (дата обращения 05.08.2025).
2. Миндигулова Арина Александровна Феномен искусственного интеллекта: история возникновения и развития // Социология. 2023. №5. URL: https://cyberleninka.ru/article/n/fenomen-iskusstvennogo-intellekta-istoriya-vozniknoveniya-i-razvitiya (дата обращения: 05.08.2025).
3. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12. URL: https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/1904 (дата обращения: 07.08.2025).
4. Joseph Weizenbaum. 1966. ELIZA—a computer program for the study of natural language communication between man and machine. Commun. ACM 9, 1 (Jan. 1966), 36–45. URL: https://doi.org/10.1145/365153.365168 (дата обращения: 07.08.2025).
5. Carbonell, J. R. (1970). AI in CAI: An Artificial-Intelligence Approach to Computer-Assisted Instruction. IEEE Transactions on Man-Machine Systems, 11(4), 190-202. URL: https://ieeexplore.ieee.org/document/4081977 (дата обращения: 08.08.2025).
6. Yu, B., Wang, B., & Zhang, Y. (2024). Application of artificial intelligence in coal mine ultra-deep roadway engineering—a review. Artificial Intelligence Review, 57(10). URL: https://doi.org/10.1007/s10462-024-10898-w (дата обращения: 09.08.2025).
7. Sleeman, D., & Brown, J. S. (Eds.). (1982). Intelligent Tutoring Systems. London: Academic Press. URL: https://www.academia.edu/6299782/Intelligent_tutoring_systems_D_Sleeman_and_J_S_Brown_Academic_Press_New_York_1982_345_pages_39_50 (дата обращения: 10.08.2025).
8. Голенков В.В., Емельянов В.В., Тарасов В.Б. Виртуальные кафедры и интеллектуальные обучающие системы // Новости искусственного интеллекта. – 2001. – № 4.
9. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. – М.: Эдиториал УРСС, 2002. – 352 с.
10. Платов Алексей Владимирович, Гаврилина Юлия Игоревна Искусственный интеллект в образовании: эволюция и барьеры // Научный результат. Педагогика и психология образования. 2024. №1. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-obrazovanii-evolyutsiya-i-bariery (дата обращения: 12.08.2025).
11. Хуторской А.В. Ключевые компетенции как компонент личностно-ориентированной парадигмы образования // Ученик в обновляющейся школе. Сб. науч. тр. / Под ред. Ю.И. Дика, А.В. Хуторского.— М.: ИОСО РАО, 2002. – С.135-157.
12. Гулая Татьяна Михайловна, Романова Светлана Анатольевна Компетентностный подход в образовании как необходимое условие профессиональной подготовки будущих специалистов в высшей школе // Филологические науки. Вопросы теории и практики. 2019. №6. URL: https://cyberleninka.ru/article/n/kompetentnostnyy-podhod-v-obrazovanii-kak-neobhodimoe-uslovie-professionalnoy-podgotovki-buduschih-spetsialistov-v-vysshey-shkole (дата обращения: 16.08.2025).
13. Галушкин А. И. Нейронные сети // Большая российская энциклопедия: научно-образовательный портал – URL: https://bigenc.ru/c/neironnye-seti-e734b3/?v=9558530. – Дата публикации: 16.11.2022. – Дата обновления: 25.01.2024 (дата обращения: 16.08.2025).
14. Лепов В. В. НЕЙРОСЕТИ, СОЗНАНИЕ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: СИСТЕМНО-СТРУКТУРНЫЙ АСПЕКТ // Concorde. 2025. №2. URL: https://cyberleninka.ru/article/n/neyroseti-soznanie-i-iskusstvennyy-intellekt-sistemno-strukturnyy-aspekt (дата обращения: 17.08.2025).
15. Елтунова Инга Баировна, Нестеров Андрей Сергеевич ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАНИИ // Современное педагогическое образование. 2021. №11. URL: https://cyberleninka.ru/article/n/ispolzovanie-algoritmov-iskusstvennogo-intellekta-v-obrazovanii (дата обращения: 19.08.2025).
16. Cameron R. Jones, Large Language Models Pass the Turing Test // arxiv.org : сайт. – URL: https://arxiv.org/html/2503.23674v1 (дата обращения: 19.08.2025).