Почему выбрали именно подготовку к ЕГЭ?

Нужный продукт для понятной целевой аудитории. Нам не придётся рассказывать пользователям, почему им нужно сдавать ЕГЭ.

Узкая предметная область. В ЕГЭ по информатике каждый сезон выпускают 27 заданий, и они остаются неизменными в течение всего учебного года. Кстати, именно поэтому мы смогли так быстро запустить продукт: с момента пилота до запуска прошло три месяца. Это уникальный прецедент.

Работа с детскими запросами. Проблема в том, что GPT-модель плохо разбирается в детских запросах. Взрослым разработчикам она хорошо помогает решать рабочие задачи — взять хоть GitHub Copilot. Но на детских запросах модель пока что не натренирована. И поэтому чем больше запросов от школьников, тем больше возможностей для нас обучить модель.

Наш продукт — это именно ИИ-помощник. У него есть контекст, дом, внутри которого он живёт, — ЕГЭ. Дальше этот помощник будет обрастать новыми навыками и давать больше ценности для пользователя. ЕГЭ — это только первый шаг. Нас ждёт линейка продуктов, которая будет расширять понятия Computer Science и информатики. Мы делаем ставку на то, что сейчас модель может и не знать всех сценариев программирования и правил кода. Но мы верим, что это рано или поздно случится.

Каким навыкам учит ИИ-помощник?

Каждый год Федеральный институт педагогических измерений (ФИПИ) публикует документ, где рассказывает, какими навыками должны обладать ученики одиннадцатого класса на момент окончания школы для сдачи ЕГЭ по информатике. Например, нужно понимать теорию вероятностей, принципы статистики. ИИ помогает разобраться в этих темах.

Но невозможно за раз освоить гигантский навык, на который в учебнике отведено десять параграфов. На платформе мы подходим к обучению методически и разбиваем этот большой навык на шесть тем. А каждую тему — на подтемы. Пользователь осваивает программу ЕГЭ постепенно, шаг за шагом.

Что можно делать на платформе уже сейчас?

На платформе есть три вещи, которые нужны для подготовки к ЕГЭ по информатике: актуальный контент 2024 года для решения вариантов целиком и отдельных задач, встроенный редактор, где можно писать код, — этого, кстати, пока нет ни у кого, кроме нас, — и помощник в обучении.

Актуальный контент. ФИПИ разрешил нам использовать его задания, например задачу № 13, которая появится в ЕГЭ только в 2024 году. Ещё есть сайт Kompege, которым пользуются учителя и ученики при подготовке к ЕГЭ, — он предоставил нам 6 тысяч заданий из разных источников. Также на платформе есть оригинальные задачи, составленные методистами Учебника. Если мы понимаем, что не хватает разнообразия, наша группа экспертов пишет новые, соответствующие по сложности тем, что будут на ЕГЭ.

Помощник в обучении, который может объяснить термин, поделиться планом решения задачи или отправить видеоразбор.

Видеоразборы задач. В целом задачи подобраны так, чтобы ученики могли увидеть максимальное количество решений. Методисты уже записали к некоторым видеоразборы с объяснением теории — и будут снимать ещё.

Возможно, ученик не разберёт все задачи одного номера, но сможет решить одну и закрепить навык на следующей. А когда он встретится с немного видоизменённой задачей, ему не придётся возвращаться в начало темы: все нужные материалы у него есть в каждом примере. Видео на 5–7 минут фактически даёт то, что нужно сделать для следующего шага. Таким образом ученик постепенно продвигается вперёд.

Чтобы обучить модель определять ошибки, мы предложили детям порешать задачки в нашем тренажёре. Мы попросили их не делать ошибки специально, но неправильные решения нам были нужны. В итоге желающих поучаствовать в проекте было так много, что мы перевыполнили план по количеству участников и неправильных решений. Около 5 тысяч детей (нужно было 2 тысячи) в сумме сделали 42 тысячи ошибок (нужно было 10 тысяч).

А с чем ИИ сможет помогать в будущем?

Специальный отдел обучения нейросети, который даёт YandexGPT новые навыки, сейчас работает в трёх направлениях:

• Поиск синтаксической ошибки. Допустим, вы сделали ошибку в коде и просите ИИ-помощника её найти. Нейросеть указывает, на какую строчку нужно обратить внимание.

• Поиск проблем с логикой. Вы можете написать программу, которая работает без ошибок, но будет неправильной, потому что, переводя условия задачи в код, вы допустили логическую ошибку: например, нужен был не минимум, а максимум. Сами вы это не отследите, а ИИ-помощник подскажет, в чём дело.

• Навык диалога. Мы хотим, чтобы модель не просто указывала на ошибки и исправляла их, а строила диалог с пользователем: задавала наводящие вопросы и подводила его к правильному решению шаг за шагом.

Интересно. А нейросеть умеет хвалить?

Мы работали над таким навыком. Есть понятие «достаточная сложность»: когда тебе достаточно трудно, чтобы принимать задание как вызов, но при этом не настолько, чтобы перенервничать и всё бросить. Например, существует навык не пачкаться во время еды: 12-летнего ребёнка за такое хвалить не надо, а в пять лет — другой разговор.

Каждый раз давать ученику новый ответ в зависимости от контекста, в котором тот находится, LLM (большой языковой модели) помогает граф навыков. То есть модель не просто из раза в раз говорит «ты молодец», а хвалит разнообразно.

Представим, что вы четыре раза решили задачу неправильно, 20 минут возились с ней и хотите уйти. При таких вводных модель скажет вам: «Не расстраивайся. Давай ты немного отдохнёшь и вернёшься к задаче позже. Главное не результат, а процесс».

А если вы быстро решили задачу, модель скажет: «Ого, как быстро ты справляешься! Давай я дам тебе кое-что посложнее. Мне кажется, что эта задача простая для тебя».

Вау! А можешь рассказать подробнее про граф навыков?

Граф навыков (GPLS, Graph-Powered Learning System) — это дерево взаимосвязанных навыков, от простых до более сложных, путь, который проходит ребёнок при обучении. Граф понимает, какие темы проседают и что нужно прокачать, чтобы сдать ЕГЭ на 80 баллов. Именно он формирует персонализированную образовательную траекторию пользователя — исходя из его решений и ответов.

Разберём, как это работает, на двух примерах:

• Представим, что вы решаете задачу № 5 — с кратчайшим кодом. Она потребует навыков. Например, вы должны уметь решать задачу перебором или использовать списочные выражения. А для этого вам нужно знать, что такое списки, и так далее. Это дерево навыков можно растить довольно долго. Если вы обладаете ими всеми, то с вероятностью 100% сможете решить эту задачу.

• Например, вы ошиблись в первой, седьмой, девятой и тринадцатой задачах. Появляется красная надпись: «У вас проблемы с перебором значений». Собрав статистику, рекомендательная система предлагает порешать задачки на эту тему, чтобы закрепить навык.

Граф знает, где пробелы в навыках пользователя, как его зовут, сколько ему лет, и даже даёт объяснение исходя из его персональных предпочтений.

Мы в эту сторону пока что не идём, но если пользователь расскажет модели о своём увлечении машинками, то теоретически мы можем прописать для неё сценарий: «Объясни решение задачи этому ребёнку так, будто ему 12 лет и его увлекают машинки». В этом случае, когда модель будет объяснять ребёнку, что такое числовые ряды, она скажет: «Представь, что перед тобой стоит ряд машинок...»

Есть шанс, что платформа вырастет и станет настоящим учителем или репетитором для детей?

Мы точно не хотим заменить учителя ИИ-помощником. Но у нас есть желание дать ребёнку помощь в любой момент и освободить учителя от рутинной работы. Например, ИИ-помощник позволяет увидеть, почему страдает успеваемость ученика, где у него пробелы в знаниях. А когда ребёнок уходит домой, ему всегда есть у кого спросить совета.

ИИ-помощник может быть где угодно — в поисковике, курсах или видео. Важно сказать, что наш продукт — это именно помощник в компьютерных науках. А контекст уже не столь важен.