Раньше диплом в области компьютерных наук обещал приятную карьеру в сфере технологий. Теперь же амбиции студентов формируются ИИ в областях, сочетающих вычисления с анализом, интерпретацией и данными.
Мальчики белой расы подключают робототехнику в школе. Фотография: Hill Street Studios/Getty Images Сохранить эту историю Сохранить эту историю
В начале 2010-х годов почти каждый студент, увлекающийся STEM-дисциплинами и собирающийся поступать в колледж, слышал один и тот же совет: учитесь программировать. Python был новым латинским языком. Информатика была билетом в стабильную, хорошо оплачиваемую и обеспеченную жизнь.
Но в 2025 году этот блеск померк. «Научиться программировать» теперь звучит как «научиться стенографии». Подростки всё ещё хотят работать в сфере технологий, но больше не видят единственно верного пути к этому. Искусственный интеллект, похоже, готов захватить вакансии программистов, а курсов повышения квалификации по программированию вибраций не так уж много. Их учителя изо всех сил стараются не отставать.
«Сейчас наблюдается переход от изучения как можно большего количества компьютерных наук к попыткам охватить как можно больше курсов статистики», — говорит Бенджамин Рубенштейн, помощник директора нью-йоркской школы Manhattan Village Academy. Рубенштейн провёл 20 лет в нью-йоркских школах — достаточно, чтобы наблюдать, как «трубопровод STEM» превращается из одной прямой линии в сеть разветвлённых путей. Для его студентов изучение статистики кажется более практичным.
Сорок лет назад студенты, вдохновлённые примером НАСА, мечтали стать физиками или инженерами. Двадцать лет спустя, соблазн работы в Google и других технологических гигантах, привел их в компьютерные науки. Теперь же их амбиции формируются ИИ, уводя их от того, что может делать ИИ (программирование), к тому, с чем он всё ещё с трудом справляется. Поскольку число детей, желающих получить образование в области компьютерных наук, падает, старшеклассники, ориентированные на STEM, обращают внимание на области, сочетающие вычислительную технику с анализом, интерпретацией и обработкой данных.
Рубенштейн по-прежнему требует, чтобы каждый ученик изучал информатику до выпуска, «чтобы они могли понять, что происходит за кулисами». Но математический факультет его школы теперь сочетает грамотность в работе с данными с определённой целью: курс прикладной математики, где студенты анализируют данные полицейского управления Нью-Йорка, чтобы предлагать изменения в политике, и курс этноматематики, связывающий математику с культурой и идентичностью. «Мы не хотим, чтобы математика ощущалась оторванной от реальной жизни», — говорит он.
Это небольшой, но показательный сдвиг, который, по словам Рубенштейна, не происходит в изоляции. После длительного подъёма университеты наблюдают спад интереса к компьютерным наукам. Согласно опросу некоммерческой организации Computing Research Association, количество дипломов по информатике, компьютерной инженерии и информатике, выданных в 2023–2024 учебном году в США и Канаде, сократилось примерно на 5,5% по сравнению с предыдущим годом.
На уровне старшей школы очевиден интерес к данным. В 2024 году AP Statistics зарегистрировала 264 262 регистрации на экзамен, что делает его одним из самых востребованных тестов AP, по данным Education Week. Экзамены AP по информатике по-прежнему привлекают большое количество учащихся: 175 261 ученик сдавал курс AP Computer Science Principles, а 98 136 — курс AP Computer Science A в 2024 году, но сигнал очевиден: грамотность в работе с данными теперь идёт рука об руку с программированием, а не под ним.
«Студенты, считающие себя специалистами в области STEM, будут стремиться к тому, что, по их мнению, делает их товаром, чем-то ценным на рабочем месте», — говорит Рубенштейн. «Рабочее место, по сути, может изменить систему образования, если захочет, сказав: „Вот что нам нужно от студентов“. Учёба в начальной и средней школе последует его примеру».
На фоне всего этого развитие искусственного интеллекта ставит учителей в затруднительное положение. Им приходится готовить учеников к будущему, определяемому машинным обучением, одновременно снимая с себя бремя того, насколько легко эти же инструменты могут помешать процессу обучения.
Однако Рубенштейн считает, что ИИ может стать настоящим союзником преподавателей STEM, а не их заменой. Он представляет себе классы, где алгоритмы помогают учителям определить, какие ученики усвоили материал, а каким нужно больше времени, или предлагают проекты, связанные с данными, соответствующие интересам учащихся, — способы сделать обучение более индивидуальным и прикладным.
Это часть того же изменения, которое он наблюдает у своих учеников: переход к обучению интерпретации и использованию технологий, а не только их созданию. Другие преподаватели начинают мыслить в том же ключе, исследуя, как инструменты ИИ могут повысить грамотность в работе с данными или расширить доступ к персонализированному обучению в области STEM.
Исследователь естественнонаучного образования Сяомин Чжай из Университета Джорджии уже тестирует, как это может выглядеть. Его команда создаёт то, что он называет «мультиагентными классными системами» — помощников на основе искусственного интеллекта, которые взаимодействуют с учителями и учениками, моделируя процесс научного исследования.
Проекты Чжая проверяют новый тип грамотности: не только то, как использовать ИИ, но и как мыслить с его помощью. Он рассказывает историю приезжего учёного, который не написал ни строчки кода, но использовал генеративный ИИ для создания работающей научной симуляции.
«Планка для программирования снизилась», — говорит он. «Настоящее мастерство теперь заключается в интеграции ИИ с вашей дисциплиной».
Чжай считает, что ИИ следует рассматривать не как совокупность дисциплин STEM, а как часть их ядра. По его словам, следующее поколение учёных будет использовать алгоритмы так же, как их предшественники использовали микроскопы — для выявления закономерностей, проверки идей и расширения границ познания. Программирование больше не является пределом возможностей; настоящее мастерство — это научиться интерпретировать данные и взаимодействовать с машинным интеллектом. Будучи председателем национального комитета по ИИ в научном образовании, Чжай стремится сделать этот сдвиг явным, призывая школы учить учеников использовать точность ИИ, не упуская из виду его «слепые зоны».
«ИИ может делать то, что не под силу человеку, — говорит он, — но он также с треском проваливается за пределами тренировочных данных. Нам не нужны студенты, которые считают, что ИИ может всё, или которые его всецело боятся. Мы хотим, чтобы они использовали его ответственно».
Этот баланс между беглостью и скептицизмом, амбициями и самоидентификацией незаметно переосмысливает значение STEM в таких школах, как школа Рубенштейна. Уроки информатики никуда не исчезают, но они делят сцену с факультативами по криминалистике, лабораторными занятиями по научной фантастике и дебатами об этике данных.
«Студенты больше не могут мыслить по отдельности, — говорит Рубенштейн. — Чтобы принимать правильные решения, нужно знать несколько дисциплин».
ИИ не появится — он уже здесь. Сегодняшние студенты STEM-программ не борются с ним; они учатся его понимать, подвергать сомнению и использовать. Новый навык — это не программирование машины, а понимание её логики, достаточное для управления ею.
Источник: www.wired.com
