У идеи, что «бесполезное» образование зачем-то нужно, довольно длинная история.
Самое близкое к тому, что я хочу сказать, — Джон Генри Ньюман, The Idea of a University (1852). Он различает обучение конкретному умению и образование, которое меняет сам интеллект. Знание может быть its own end, а университет нужен не только для подготовки к конкретной профессии, но и для формирования устойчивого habit of mind. На вопрос «а какая от этого польза?» Ньюман отвечает примерно так: интеллектуальная культура полезна как здоровье — трудно указать один конкретный продукт, который она производит, но она меняет способность человека делать огромное количество вещей.
Второй подходящий предшественник — Альфред Норт Уайтхед, The Aims of Education (1929). Один из его главных врагов — inert ideas: идеи, которые человек получил, но сам не использовал, не проверил и не включил в новые комбинации. Образование должно не набивать голову такими идеями, а учить с ними что-то делать.
Наконец, Абрахам Флекснер в знаменитом эссе The Usefulness of Useless Knowledge (1939) защищал право заниматься вещами без заранее предъявленной практической пользы. Именно из исследований, движимых любопытством, часто потом вырастает что-то практически важное. На этой идее во многом строилась модель Institute for Advanced Study.
Но я хочу сказать немного более радикальное. Допустим, что конкретный спецкурс по квазикогерентным пучкам вообще никогда не пригодится. Всё равно обществу может быть полезно, чтобы существовали люди, которые на этот спецкурс ходили.
У общества есть проблема: ему нужны люди, способные заниматься вещами, которые (а) очень сложны, (б) требуют месяцев или лет концентрации, (в) не дают постоянного положительного подкрепления и (г) имеют неясный шанс на успех. Такие люди нужны далеко не только в математике: в фундаментальной науке, инженерии, при работе со сложными системами, в некоторых областях культуры и много где ещё.
Обычная система стимулов таких людей не очень хорошо производит. Она, наоборот, учит оптимизировать понятную функцию:
экзамен → диплом → KPI → зарплата.
А серьёзная чистая математика — довольно странная тренировочная среда, где человек добровольно неделю пытается понять одну лемму, хотя никто не обещает ему никакой награды за понимание этой леммы.
Тут ИИ создаёт действительно новую проблему.
[далее, замечу, пишет сам Хухунор про себя] Обычное средство отвлечения отвлекает тебя от математики. ChatGPT может отвлекать тебя математикой от математики.
Это гораздо коварнее. Ты не пошёл играть вместо доказательства. Ты всё ещё работаешь над теоремой; более того, получаешь определения, вычисления, идеи, ссылки, возможные доказательства. Субъективно ты можешь быть чрезвычайно продуктивен. Но может исчезнуть именно та тренировка, ради которой обществу, возможно, и был нужен этот странный институт чистой математики: долго оставаться один на один с непонятным объектом.
Поэтому задача, кажется, не в том, чтобы учить студентов работать без ИИ. Это было бы похоже на обучение численным методам без компьютера. Нужно сохранить режимы деятельности, в которых нельзя немедленно снять интеллектуальное напряжение запросом к ИИ.
И тогда несколько шуточная формула «половину времени разбирать нейрослоп, половину времени разбираться самому» на самом деле довольно содержательна.
Первый режим учит пользоваться новым интеллектуальным инструментом: проверять, отбраковывать, перестраивать, задавать правильные вопросы. Второй тренирует другую и, возможно, всё более редкую способность — не спрашивать, когда спросить можно.
Самое близкое к тому, что я хочу сказать, — Джон Генри Ньюман, The Idea of a University (1852). Он различает обучение конкретному умению и образование, которое меняет сам интеллект. Знание может быть its own end, а университет нужен не только для подготовки к конкретной профессии, но и для формирования устойчивого habit of mind. На вопрос «а какая от этого польза?» Ньюман отвечает примерно так: интеллектуальная культура полезна как здоровье — трудно указать один конкретный продукт, который она производит, но она меняет способность человека делать огромное количество вещей.
Второй подходящий предшественник — Альфред Норт Уайтхед, The Aims of Education (1929). Один из его главных врагов — inert ideas: идеи, которые человек получил, но сам не использовал, не проверил и не включил в новые комбинации. Образование должно не набивать голову такими идеями, а учить с ними что-то делать.
Наконец, Абрахам Флекснер в знаменитом эссе The Usefulness of Useless Knowledge (1939) защищал право заниматься вещами без заранее предъявленной практической пользы. Именно из исследований, движимых любопытством, часто потом вырастает что-то практически важное. На этой идее во многом строилась модель Institute for Advanced Study.
Но я хочу сказать немного более радикальное. Допустим, что конкретный спецкурс по квазикогерентным пучкам вообще никогда не пригодится. Всё равно обществу может быть полезно, чтобы существовали люди, которые на этот спецкурс ходили.
У общества есть проблема: ему нужны люди, способные заниматься вещами, которые (а) очень сложны, (б) требуют месяцев или лет концентрации, (в) не дают постоянного положительного подкрепления и (г) имеют неясный шанс на успех. Такие люди нужны далеко не только в математике: в фундаментальной науке, инженерии, при работе со сложными системами, в некоторых областях культуры и много где ещё.
Обычная система стимулов таких людей не очень хорошо производит. Она, наоборот, учит оптимизировать понятную функцию:
экзамен → диплом → KPI → зарплата.
А серьёзная чистая математика — довольно странная тренировочная среда, где человек добровольно неделю пытается понять одну лемму, хотя никто не обещает ему никакой награды за понимание этой леммы.
Тут ИИ создаёт действительно новую проблему.
[далее, замечу, пишет сам Хухунор про себя] Обычное средство отвлечения отвлекает тебя от математики. ChatGPT может отвлекать тебя математикой от математики.
Это гораздо коварнее. Ты не пошёл играть вместо доказательства. Ты всё ещё работаешь над теоремой; более того, получаешь определения, вычисления, идеи, ссылки, возможные доказательства. Субъективно ты можешь быть чрезвычайно продуктивен. Но может исчезнуть именно та тренировка, ради которой обществу, возможно, и был нужен этот странный институт чистой математики: долго оставаться один на один с непонятным объектом.
Поэтому задача, кажется, не в том, чтобы учить студентов работать без ИИ. Это было бы похоже на обучение численным методам без компьютера. Нужно сохранить режимы деятельности, в которых нельзя немедленно снять интеллектуальное напряжение запросом к ИИ.
И тогда несколько шуточная формула «половину времени разбирать нейрослоп, половину времени разбираться самому» на самом деле довольно содержательна.
Первый режим учит пользоваться новым интеллектуальным инструментом: проверять, отбраковывать, перестраивать, задавать правильные вопросы. Второй тренирует другую и, возможно, всё более редкую способность — не спрашивать, когда спросить можно.