Интервью

Доктор Энтони Ли, президент и генеральный директор Университета Уэстклифф — серия интервью

Antoine Tardif
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыГотовность рабочей силы теперь требует человеческого контроля за результатами ИИ и…
Показать больше
  • Готовность рабочей силы теперь требует человеческого контроля за результатами ИИ и ответственного принятия решений.
  • Грамотность в области ИИ должна быть интегрирована в учебные программы всех дисциплин, а не рассматриваться как дополнение.
  • Оценка должна измерять подлинное мышление и прикладные компетенции, а не только автоматизированное производство.

Доктор Энтони М. Ли является президентом Университета Уэстклифф в Ирвайне, штат Калифорния, одного из самых быстрорастущих университетов в США, где число студентов выросло с менее чем нескольких сотен до более 3 000 студентов за последнее десятилетие. Доктор Ли занимал руководящие должности в различных университетах и школах в США и за рубежом. Обладая опытом в инновационных гибридных и онлайн-программах, доктор Ли запустил новые программы, которые сочетают технологии с традиционными занятиями в кампусе для улучшения процесса обучения. Он успешно проводил учебные заведения через процедуру аккредитации на уровне университета и K-12. Его опыт доказал его лидерство во многих критических областях высшего образования, включая маркетинг, финансы, операционную деятельность, соблюдение требований и аккредитацию.

Как изменилось ваше определение готовности к работе в эпоху генеративного ИИ и автоматизации?

Ранее готовность к работе означала техническую компетентность и способность сразу вносить вклад в рамках определённой роли. В эпоху генеративного ИИ это определение больше не является достаточным, поскольку сама природа работы меняется.

Сегодня готовность означает эффективную работу в средах, где интеллект распределен между людьми и машинами, где инструменты постоянно эволюционируют, а выполнение работы всё активнее поддерживается технологиями. Конкурентное преимущество больше не заключается только в знании того, как выполнить задачу, но и в том, чтобы уметь формулировать проблемы, контролировать результаты работы ИИ, проверять предположения и применять суждение в условиях реальных ограничений.

Мы наблюдаем сдвиг от выполнения задач к когнитивному контролю. Работа на начальных должностях переосмысляется. Рутинное создание продуктов может быть автоматизировано, но ответственность – нет. Это ставит больший акцент на критическое мышление, этическое рассуждение, контекстную осведомленность и способность превращать результаты работы ИИ в ответственные решения.

В Университете Уэстклифф мы рассматриваем готовность к работе как интеграцию специализированных знаний, ИИ-грамотности и дисциплинированного человеческого суждения. Студенты должны понимать, как функционируют генеративные системы, где они создают преимущества и где они создают риски. Более важно, что они должны научиться сотрудничать с этими системами, не передавая интеллектуальную ответственность.

Наша модель прикладного обучения разработана вокруг структурированного взаимодействия с новыми технологиями в аутентичных контекстах. Цель не только в том, чтобы овладеть инструментами, но и в том, чтобы развить адаптивную способность, которая позволяет оставаться эффективными, когда инструменты меняются.

В эту эпоху профессионалы, которые выделяются, не будут теми, кто конкурирует с ИИ, а теми, кто может осмысленно направлять его, тщательно проверять его результаты и оставаться ответственными за результаты, на которые он влияет. Это то, что теперь требует готовность к работе.

Что значит для учреждения серьезно относиться к ИИ на уровне учебной программы и учреждения, а не рассматривать его как добавление?

ИИ – это не просто еще один инструмент обучения. Он меняет саму архитектуру образования.

Серьезное отношение к ИИ начинается с переработки. Каждая дисциплина должна изучить, как генеративные системы меняют профессиональные ожидания и определить, чего требует профессиональная компетентность, усиленная ИИ. Оценка должна измерять рассуждение и прикладную компетентность, а не только результат.

Но серьезность также требует согласованности действий всего учреждения. ИИ-грамотность не должна ограничиваться отдельными курсами. Развитие преподавателей, управление, стратегия оценки и контроль над поставщиками должны соответствовать четкому принципу, согласно которому технологии должны укреплять академическое качество, а не ослаблять его.

В Университете Уэстклифф мы рассматриваем ИИ как часть нашей интеллектуальной инфраструктуры. Он формирует, как организовано обучение, как демонстрируется мастерство и как поддерживается доверие к учреждению в рабочей среде, где человеческое суждение и возможности машин работают бок о бок. Это та мысль, с которой мы движемся вперед.

Как вы балансируете фундаментальные человеческие навыки с обучением студентов работать эффективно рядом с ИИ?

Я не считаю, что здесь нужно жертвовать одним ради другого. Напротив, генеративный ИИ повышает ценность фундаментальных человеческих способностей.

Когда рутинное создание интеллектуальных продуктов становится дешёвым, преимущество даёт более высокий уровень рассуждения. Критическое мышление означает формулирование лучших вопросов и проверку результатов работы ИИ. Суждение означает знание, когда полагаться на систему и когда остановиться. Этика становится практической и заключается в понимании последствий развертывания интеллектуальных систем в крупном масштабе.

Студенты должны учиться мыслить в средах, где присутствует ИИ. Формулирование запросов — это отправная точка, но когнитивный контроль – это более глубокий навык. Выпускники должны уметь артикулировать и защищать свои выводы, учитывающие информацию интеллектуальных систем, но не определяемые ими.

В Университете Уэстклифф мы рассматриваем ИИ-грамотность как усилитель фундаментальных навыков. Студенты взаимодействуют с интеллектуальными инструментами, оставаясь ответственными за ясность, достоверность и последствия. В долгосрочной перспективе профессионалы, которые выделяются, будут сочетать интеллектуальную глубину с технологической гибкостью. ИИ обеспечивает скорость и масштаб. Люди должны привносить способность различать и оценивать, ответственность и лидерство.

Какие части высшего образования наиболее уязвимы к радикальным изменениям под воздействием ИИ, и какие области более устойчивы, чем люди ожидают?

Наиболее уязвимые области – это те, которые основаны на передаче информации и стандартизированном выводе. Если модель основана в первую очередь на лекционном обучении или оценках, которые измеряют производительность, ИИ быстро поставит такую модель под вопрос.

Высшее образование более устойчиво, когда оно сосредоточено на структурированном развитии, наставничестве, прикладном обучении, командной работе, клиническом обучении и формировании профессиональной идентичности. ИИ может поддерживать этот опыт, но он не может заменить рост, основанный на обратной связи и ответственности.

Разделительная линия – это дизайн. Учреждения, которые видят себя в первую очередь как поставщиков контента, подвержены риску. Те, которые работают как осознанно спроектированные системы обучения, сосредоточенные на рассуждении, прикладной компетентности и измеримом росте, остаются крайне востребованными.

ИИ повышает стандарт того, что должно представлять собой диплом.

Как университеты должны пересмотреть проектирование образовательных программ, поскольку ИИ сокращает время, необходимое для приобретения навыков, и снижает барьеры для входа?

Когда ИИ сокращает время, необходимое для приобретения технических навыков, университеты должны прояснить, где диплом добавляет ценность.

Если инструменты ускоряют освоение навыков выполнения задач, высшее образование должно сосредоточиться на том, что не может быть автоматизировано – концептуальной глубине, структурированном решении проблем, этическом суждении и стабильной результативности в условиях ограничений.

Образовательные программы должны быть модульными и практически ориентированными, но целостными. Цель – кумулятивная компетентность, интегрирующая техническую грамотность с рассуждением и адаптивностью.

ИИ снижает барьеры для входа. Университеты должны ответить, повышая порог интеграции, суждения и продемонстрированной способности. Диплом должен сигнализировать о прочной компетентности, а не только о знакомстве.

В Университете Уэстклифф мы рассматриваем дипломы как динамические экосистемы, а не фиксированные линейные прогрессии. Накапливаемые и сочетаемые квалификации и поэтапные образовательные траектории позволяют учащимся возвращаться к обучению по мере изменений в отраслях, сохраняя целостность и высокие академические требования. Гибкость имеет значение, но интеллектуальный прогресс имеет значение больше.

Какую роль вы видите для ИИ в оценке и сертификации?

ИИ заставляет высшее образование столкнуться с реальностью, которая предшествует самой технологии. Многие традиционные оценки измеряли производительность, а не понимание. Если задача теперь может быть автоматизирована с минимальными усилиями, мы должны поставить под сомнение, отражала ли она вообще когда-либо процесс рассуждения.

Оценка должна сместиться в сторону подлинной демонстрации компетентности, устной защиты, сценарного решения проблем, итеративного совершенствования, прикладных симуляций и портфолио-доказательств, которые делают мышление видимым. В среде, поддерживаемой ИИ, то, что имеет значение, – это не только артефакт, но и когнитивный процесс, стоящий за ним.

В Университете Уэстклифф мы перешли к устным и итеративным моделям оценки, которые требуют от студентов артикулировать и защищать свое рассуждение в реальном времени. ИИ может помочь, генерируя адаптивные подсказки и помогая предоставлять обратную связь в большом масштабе, но ответственность за дизайн остается за человеком. Учреждения должны обеспечить, чтобы они оценивали когнитивные способности учащихся, а не вывод модели.

Сертификация все больше становится вопросом проверенной способности, а не суммарного времени посещения занятий. Работодатели хотят доказательств прикладной компетентности и ответственного суждения. Учреждения, которые переработают оценку проактивно, укрепят доверие к своим дипломам.

Когда он реализован вдумчиво, ИИ показывает, где академические стандарты должны быть повышены.

Как вы подходите к управлению и контролю при введении ИИ в преподавание и администрирование?

Мы подходим к ИИ так же, как и к любой системе, которая существенно влияет на академическое качество и институциональную достоверность. Управление начинается с ясности цели, определенных границ и четких линий ответственности.

Эффективный контроль обеспечивает, чтобы инновации укрепляли доверие, а не подрывали его. Это означает строгие стандарты защиты данных и безопасности, проверку предвзятости и справедливости, когда системы влияют на результаты студентов, и прозрачность того, какие инструменты используются и как обрабатываются данные.

Это также требует обновления принципов академической добросовестности, чтобы отразить современные реалии, а не устаревшие предположения. Развитие преподавателей имеет решающее значение, чтобы внедрение было осознанным и соответствовало целям обучения, а не было фрагментированным или реактивным.

Когда мы ввели модели оценки, поддерживаемые ИИ, в Университете Уэстклифф, контроль был встроен в дизайн. Преподаватели контролировали реализацию, оценивали влияние и совершенствовали процессы на основе доказательств. Оценка поставщиков является непрерывной, а не эпизодической. Учреждениям необходимо регулярно переоценивать соответствие академическим стандартам и защите студентов.

Цель – ответственные инновации.

Какие заблуждения об ИИ чаще всего встречаются у преподавателей, и какой сдвиг мышления требуется?

Два заблуждения возникают повторно. Первое – что ИИ в первую очередь является проблемой обмана. Второе – что это просто инструмент повышения производительности. Ни один из этих взглядов сам по себе не является достаточным. Более фундаментально, это отражает сдвиг в том, как генерируется, оценивается и применяется знание.

Когда учреждения фокусируются на ИИ только как на проблеме честности, они переходят к ограничениям. Когда они фокусируются на нем только как на инструменте эффективности, они занижают его последствия. Более важный вопрос – как спроектировать обучение так, чтобы процесс рассуждения оставался видимым и связанным с ответственностью в среде, поддерживаемой ИИ.

Необходимый сдвиг мышления – от контроля к дизайну. Это позволяет преподавателям играть ещё более центральную роль как создателям учебного опыта, который подчеркивает суждение, синтез и прикладную компетентность.

С институциональной поддержкой, общими практиками и последовательным управлением преподаватели могут действительно двигаться туда, где ИИ повышает планку для вдумчивой педагогики и делает академический дизайн более важным, чем когда-либо.

Как университеты должны подготовить студентов к рынку труда, где роли постоянно меняются и ИИ переопределяет работу на начальных должностях?

Начальные должности традиционно служили тренировочными площадками для рутинных производственных задач. Во многих областях ИИ теперь поглощает большую часть этой ранней работы. В результате выпускники должны работать на более высоком уровне раньше.

Подготовка должна поэтому сосредоточиться на способностях, которые трудно автоматизировать – формулировании проблем, коммуникации, принятии решений и ответственном надзоре за интеллектуальными системами. Студенты должны уверенно работать в условиях неопределённости, где инструменты эволюционируют, а роли постоянно меняются.

Университеты должны подчеркивать адаптивные компетентности, применимые в разных контекстах, а не только узкую специализацию. Структурированное, проектное обучение с реальными ограничениями является важным. Когда студенты решают сложные проблемы и защищают свои рекомендации, они практикуют тот тип ответственного мышления, который работодатели все больше ценят.

ИИ-грамотность должна стать базовой. Не всем нужно строить модели, но всем должно быть понятно, как интеллектуальные системы влияют на решения в их профессии.

Рынок труда будет продолжать меняться. Ответственность высшего образования – не предсказать каждую роль, а выпускать людей, которые могут двигаться между ролями, учиться непрерывно и вносить значимый вклад в средах, формируемых ускоряющейся технологией.

Что будет сигнализировать о том, что университет успешно адаптировался к изменениям, вызванным ИИ, а не просто выжил?

Успех будет измеряться результатами, а не публичным позиционированием или показными метриками.

Университет действительно адаптировался, когда его учебная программа и модели оценки переработаны вокруг компетентности в реальных условиях, а не передачи контента. Преподаватели могут продемонстрировать вдумчивый дизайн обучения, вместо запоздалого принятия новых подходов, а студенты могут четко артикулировать и защищать свое рассуждение способами, которые не могут быть сгенерированы на заказ.

Институциональная адаптация также видна в управлении. Использование ИИ прозрачно, контроль встроен, и мы можем продемонстрировать, что доверие к академическим результатам укрепляется, а не подрывается.

Самый надежный индикатор – внешняя проверка. Работодатели признают, что выпускники демонстрируют зрелое суждение, прикладную способность, принятие решений и грамотность в средах, поддерживаемых ИИ.

Адаптация означает гибкость без компромисса. Учреждение эволюционирует по мере развития технологий, сохраняя при этом строгие стандарты и этическую ясность. В Университете Уэстклифф мы считаем, что создаём модель обучения, которая остается заслуживающей доверия, устойчивой и ценной, когда ИИ продолжает менять ландшафт.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше об этом университете, следует посетить Университет Уэстклифф.

Антуан — дальновидный лидер и партнёр-основатель Unite.AI, движимый неизменной страстью к формированию и продвижению будущего ИИ и робототехники. Как предприниматель, основавший несколько компаний, он верит, что ИИ изменит общество столь же радикально, как электричество, и часто с воодушевлением говорит о потенциале прорывных технологий и общего искусственного интеллекта (AGI).

Как футуролог, он стремится исследовать, как эти инновации будут формировать наш мир. Кроме того, он основатель Securities.io — платформы, посвящённой инвестициям в передовые технологии, которые переопределяют будущее и преобразуют целые отрасли.