ИИ на удивление хорошо умеет делать так, чтобы сложные темы казались простыми. Попросите объяснить проще — он уберёт жаргон. Попросите пример — он его даст. Задайте уточняющий вопрос — ответ придёт раньше, чем неуверенность успеет стать неприятной.
Этот опыт полезен — но его можно принять за обучение.
Пока объяснение перед глазами, каждый шаг кажется знакомым. Предложения складываются. Вы киваете. А на следующий день, когда чат закрыт, вы не можете восстановить идею или применить её к новой задаче.
Сбой не в том, что объяснение обязательно было неверным. Сбой в том, что следить за объяснением и вырабатывать понимание — это разные задачи.
Исследования человеческого обучения старше генеративного ИИ, но различие применимо напрямую. Крупный обзор техник обучения высоко оценил самопроверку тестами и распределённую практику, тогда как привычные малозатратные методы вроде перечитывания работали гораздо менее надёжно (Dunlosky и коллеги, 2013). Классический эксперимент показал, что извлечение материала из памяти улучшило последующее запоминание сильнее, чем повторное изучение (Roediger и Karpicke, 2006).
С ИИ перечитывание ощущается интерактивным. Это не превращает его автоматически в практику припоминания.
Иллюзия компетентности
Иллюзия компетентности — разрыв между:
- ощущаемым пониманием — «это имеет смысл, пока я читаю»; и
- применимым пониманием — «я могу воспроизвести, объяснить и применить это без ответа перед глазами».
Беглый язык расширяет этот разрыв, потому что беглость легко воспринимается. Когда модель даёт структуру, лексику, примеры и вывод, вашему уму почти не приходится выстраивать путь самостоятельно.
Это не значит, что ИИ плох для обучения. Статья 2024 года в Nature Human Behaviour описывает реальные возможности персонализированной поддержки, разнообразных материалов, своевременной обратной связи и новых форм оценки — и предупреждает, что обучение и метапознание требуют строгой оценки (Yan и коллеги, 2024).
Практическое правило проще:
Используйте ИИ, чтобы создавать практику. Не позволяйте ему выполнять практику за вас.
Тест 1: чистый лист
После объяснения ИИ закройте чат и запишите, что помните.
Не копируйте фразы. Не открывайте ответ заново, когда запнётесь. Дайте себе три минуты и восстановите:
- центральную идею;
- механизм — почему это работает;
- один пример; и
- одно ограничение или исключение.
Затем сравните свою версию с исходным материалом или ответом ИИ.
Этот тест выявляет пропуски, которые прячутся за ощущением знакомости. Вы можете помнить вывод, но не механизм. Помнить пример, но не сформулировать общее правило. Воспроизводить уверенные формулировки, пропустив важное условие.
Используйте ИИ только после попытки:
Вот моё объяснение по памяти.
[вставьте своё объяснение]
Сравните его с источником ниже. Определите:
1. что изложено точно,
2. что упущено,
3. что сформулировано слишком широко, и
4. один вопрос, который проверяет самое слабое место.
[вставьте источник или свои проверенные заметки]
Источник важен. Без него модель просто сверяет одно сгенерированное объяснение с другим сгенерированным объяснением.
Тест 2: объясните другому
Объясните идею так, будто помогаете конкретному человеку.
Просьбы «объясни просто» недостаточно. Выберите аудиторию и цель:
- коллеге, которому нужно принять решение;
- клиенту, которому нужно понять компромисс;
- новичку, который попробует процедуру;
- или скептичному руководителю, который хочет понять, почему это важно.
Полезное объяснение другому состоит из четырёх частей:
- Утверждение: что человек должен понять?
- Причина: почему это верно?
- Пример: как это выглядит на практике?
- Граница: когда объяснение перестаёт быть надёжным?
Попросите модель оспорить ваше объяснение, а не переписать его:
Выступите в роли предполагаемого читателя этого объяснения.
Задайте три вопроса, на которые моё объяснение не отвечает.
Пока не улучшайте объяснение.
Не считайте мои утверждения верными.
Если вопросы вскрывают пробелы и вы не можете на них ответить — вернитесь к материалу. Не просите модель сразу заполнить каждый пробел; сначала определите, что вы можете проверить сами.
Тест 3: перенос
Самый сильный простой тест — можете ли вы применить идею там, где её не демонстрировали.
Допустим, объяснение показало, как prompt injection может манипулировать агентом поддержки. Слабый тест просит повторить определение. Вопрос на перенос спрашивает, как тот же механизм может затронуть внутреннего ассистента по документам.
Допустим, вы выучили формулу электронной таблицы по одному разобранному примеру. Вопрос на перенос меняет расположение столбцов, добавляет пропуски в данных или спрашивает, какое допущение сломает формулу.
Сгенерируйте вопросы на перенос без ответов:
Составьте три новые задачи, требующие той же лежащей в основе идеи, что и этот пример.
Измените внешние детали и постепенно повышайте сложность.
Не давайте решений, пока я не пришлю свои попытки.
Затем решите их без помощи. Когда запрашиваете обратную связь, требуйте, чтобы модель проверила ваши рассуждения шаг за шагом по доверенному источнику или ключу ответов.
Практический цикл обучения
Используйте этот цикл из шести шагов для любой темы, где важно понимание:
| Шаг | Ваша работа | Работа ИИ |
|---|---|---|
| 1. Определить | Сформулировать, что вы должны уметь делать | Помочь сузить слишком широкую цель |
| 2. Изучить | Прочитать первичный материал | Прояснить терминологию и структуру |
| 3. Припомнить | Восстановить из памяти | Молчать |
| 4. Проверить | Сравнить с доверенным источником | Указать пробелы, опираясь на этот источник |
| 5. Перенести | Решить новую задачу | Сгенерировать разнообразную практику без ответов |
| 6. Повторить | Вернуться к теме после паузы | Запланировать или сгенерировать следующий набор для повторения |
Решающие шаги — те, где модель делает меньше.
Признаки того, что учится ИИ, а не вы
Остановитесь, если замечаете что-то из этого:
- Вы снова и снова просите версию попроще, но так и не закрываете ответ, чтобы восстановить его по памяти.
- Ваши заметки — отполированные резюме от модели, а не решения о том, что важно.
- Вы узнаёте правильный ответ, когда видите его, но не можете сформулировать сами.
- Вы просите решение сразу после прочтения задачи.
- Каждый практический вопрос похож на разобранный пример.
- Модель оценивает ваш ответ без источника, рубрики или ключа ответов.
- Вы заканчиваете сессию со множеством страниц чата и без артефакта, который создали сами.
Решение обычно не в более удачном промпте. Оно — в коротком периоде работы без модели.
Где ИИ действительно помогает
ИИ ценен, когда берёт на себя работу вокруг обучения, а не когнитивную работу самого обучения:
- превращает исходный материал в вопросы;
- варьирует примеры и форматы задач;
- симулирует скептичного читателя;
- даёт быструю обратную связь по заданной рубрике;
- выявляет лексику, которую нужно знать до чтения сложного источника;
- организует расписание повторений;
- или помогает найти, где ваше объяснение расходится с источником.
Он менее полезен, когда:
- пишет ответ, который должны были создать вы;
- резюмирует материал, который вы так и не прочитали;
- заменяет каждый момент замешательства ещё одним объяснением;
- или судит об истинности без доступа к надёжным доказательствам.
Для более широкого рабочего процесса обучения переходите к 30-дневному плану обучения с ИИ и практическим способам учиться быстрее с ИИ.
Честный предел
Ни один инструмент не может проверить понимание по ощущению хорошего разговора.
Модель не видит, что вы запомните завтра. Она не знает, решите ли вы новую задачу после закрытия окна. Она может сгенерировать убедительную оценку — и всё равно сделать её слишком лёгкой.
Вам нужны наблюдаемые доказательства: воспроизведение без ответа перед глазами, объяснение в вашей собственной структуре и верное решение другой задачи.
В следующий раз, когда объяснение ИИ покажется удивительно ясным, относитесь к этому ощущению как к началу обучения — а не как к доказательству, что обучение произошло.
