Подписывайтесь на рассылку, чтобы первыми узнать о ключевых изменениях в академической среде, научных открытиях, образовательных трансформациях и опыте ведущих вузов.
Отправляя форму, вы принимаете условия политики конфиденциальности.
Точность — машине, замысел — человеку
Интервью с ректором Московского государственного технологического университета «СТАНКИН» Борисом Падалкиным.
Станкоинструментальная промышленность испытывает колоссальную потребность в кадрах и новых разработках, но прикладная отраслевая наука за последние десятилетия была утрачена, что вынуждает производства заниматься преимущественно реверс-инжинирингом.
Вместе с тем, современные технологии и тотальная цифровизация машиностроения требуют соответствующих профессионалов. О том, как сегодня ведется подготовка технологов, IT- и других специалистов для промышленности, готовых к работе с современным оборудованием и программным обеспечением, мы поговорили с ректором МГТУ «СТАНКИН».
Вместе с тем, современные технологии и тотальная цифровизация машиностроения требуют соответствующих профессионалов. О том, как сегодня ведется подготовка технологов, IT- и других специалистов для промышленности, готовых к работе с современным оборудованием и программным обеспечением, мы поговорили с ректором МГТУ «СТАНКИН».
— Борис Васильевич, какова текущая ситуация в станкоинструментальной промышленности? Какие ее вызовы непосредственно влияют на университет «СТАНКИН»?
— Станкоинструментальная промышленность — это часть машиностроения, причем находящаяся в начальных звеньях производственной цепочки. На этой отрасли отражаются все хорошие и все негативные факторы, которые влияют на развитие машиностроения в целом. В последние годы в ней происходит хоть и видимый, но неравномерный рост.
Государство обратило внимание на необходимость развития средств производства и автоматизации, запущен одноименный национальный проект, потому как стало понятно, что нам нужны собственные готовые изделия, технологические машины, отдельные критические узлы и агрегаты.
В настоящее время станкоинструментальная отрасль испытывает колоссальную потребность в кадрах, новых разработках и идеях. В этой связи мы смотрим в будущее с оптимизмом. Мы же готовим не только конструкторов станков, но также инженеров, технологов. Последние сейчас особенно востребованы, потому что это специалисты, которые превращают чертежи в машины. Спрос на технологов большой, и наша задача — готовить их так, чтобы они сразу могли работать с современным оборудованием, системами проектирования и поддержки производства.
Еще одна сфера приложения наших усилий — это подготовка IT-специалистов. Сегодня ни одно производство не работает без информационных технологий. Инструмент современного инженера — это не чертеж и кульман, это системы автоматизированного проектирования, подготовки материалов, технологических карт и всего того, что называется CAD/CAM (совместная работа компьютерных программ и станков для создания точных деталей. — Прим. ред.). IT-специалисты, которых мы готовим, тоже пользуются устойчивым спросом и стабильно входят в десятку самых высокооплачиваемых сотрудников по мнению работодателей.
— Станкоинструментальная промышленность — это часть машиностроения, причем находящаяся в начальных звеньях производственной цепочки. На этой отрасли отражаются все хорошие и все негативные факторы, которые влияют на развитие машиностроения в целом. В последние годы в ней происходит хоть и видимый, но неравномерный рост.
Государство обратило внимание на необходимость развития средств производства и автоматизации, запущен одноименный национальный проект, потому как стало понятно, что нам нужны собственные готовые изделия, технологические машины, отдельные критические узлы и агрегаты.
В настоящее время станкоинструментальная отрасль испытывает колоссальную потребность в кадрах, новых разработках и идеях. В этой связи мы смотрим в будущее с оптимизмом. Мы же готовим не только конструкторов станков, но также инженеров, технологов. Последние сейчас особенно востребованы, потому что это специалисты, которые превращают чертежи в машины. Спрос на технологов большой, и наша задача — готовить их так, чтобы они сразу могли работать с современным оборудованием, системами проектирования и поддержки производства.
Еще одна сфера приложения наших усилий — это подготовка IT-специалистов. Сегодня ни одно производство не работает без информационных технологий. Инструмент современного инженера — это не чертеж и кульман, это системы автоматизированного проектирования, подготовки материалов, технологических карт и всего того, что называется CAD/CAM (совместная работа компьютерных программ и станков для создания точных деталей. — Прим. ред.). IT-специалисты, которых мы готовим, тоже пользуются устойчивым спросом и стабильно входят в десятку самых высокооплачиваемых сотрудников по мнению работодателей.
— Какие научно-технологические задачи производства университет решает наиболее успешно?
— Прикладная наука в станкостроении, к сожалению, за последние десятилетия была утрачена. Отраслевых институтов, которые бы формировали опережающий научно-технический задел и позволяли заглядывать за горизонт 3−5 лет, просто не осталось.
На заводах есть конструкторские бюро, где работают квалифицированные конструкторы, но они обычно решают текущие локальные задачи, которые чаще всего сводятся к реверс-инжинирингу. То есть модифицируется действующий станок, причем характеристики выбираются сегодняшние, с учетом рыночной конъюнктуры, возможностей производства и поставок по кооперации, чтобы потом вывести эту продукцию на рынок.
Номенклатура станкостроения чрезвычайно разнообразна. Ведущие компании делают не просто 3−7 основных моделей, а большое количество их вариаций. Тысячи штук — это громадная по мировым меркам серия. Станки не делают на конвейере, если речь не идет о простых универсальных типах. Такие тоже нужны, но не они определяют лицо предприятия, отрасли в целом и не они определяют финансовый результат.
Сложные станки требуют серьезной подготовки специалистов, и на решение этой задачи мы как раз направляем свои силы. В структуре «СТАНКИН» создан Головной центр компетенции станкоинструментальной промышленности, ГЦК, где ведется разработка станков следующего поколения и формируется научно-технический задел для того, чтобы их проектировать и изготавливать. Строится новый кампус университета, и первым объектом в нем станет опытное производство ГЦК, где будет развернуто производство опытных образцов.
— Прикладная наука в станкостроении, к сожалению, за последние десятилетия была утрачена. Отраслевых институтов, которые бы формировали опережающий научно-технический задел и позволяли заглядывать за горизонт 3−5 лет, просто не осталось.
На заводах есть конструкторские бюро, где работают квалифицированные конструкторы, но они обычно решают текущие локальные задачи, которые чаще всего сводятся к реверс-инжинирингу. То есть модифицируется действующий станок, причем характеристики выбираются сегодняшние, с учетом рыночной конъюнктуры, возможностей производства и поставок по кооперации, чтобы потом вывести эту продукцию на рынок.
Номенклатура станкостроения чрезвычайно разнообразна. Ведущие компании делают не просто 3−7 основных моделей, а большое количество их вариаций. Тысячи штук — это громадная по мировым меркам серия. Станки не делают на конвейере, если речь не идет о простых универсальных типах. Такие тоже нужны, но не они определяют лицо предприятия, отрасли в целом и не они определяют финансовый результат.
Сложные станки требуют серьезной подготовки специалистов, и на решение этой задачи мы как раз направляем свои силы. В структуре «СТАНКИН» создан Головной центр компетенции станкоинструментальной промышленности, ГЦК, где ведется разработка станков следующего поколения и формируется научно-технический задел для того, чтобы их проектировать и изготавливать. Строится новый кампус университета, и первым объектом в нем станет опытное производство ГЦК, где будет развернуто производство опытных образцов.
— Расскажите о новом кампусе — каким он будет? Насколько он расширит возможности университета?
— "СТАНКИН" на протяжении всех своих 96 лет находится на одном месте, в центре Москвы. Когда вуз создавался, это была окраина города, рядом были промышленные предприятия, до завода «Станколит» студентам идти было 15 минут пешком. Сегодня развивать университет в тех зданиях, которые мы занимаем, по существу невозможно. Нам не хватает площадей. Поэтому Правительство приняло решение построить новый кампус МГТУ в Новой Москве, в районе Коммунарка, где через несколько лет по прогнозам будет жить миллион человек и нет ни одного университета.
В новом кампусе у нас будут учебные и лабораторные корпуса, опытное производство, общежитие, физкультурно-оздоровительный комплекс, все в шаговой доступности. К 2035 году в МГТУ будет учиться вдвое больше студентов, чем сегодня: 11 тысяч человек.
— "СТАНКИН" на протяжении всех своих 96 лет находится на одном месте, в центре Москвы. Когда вуз создавался, это была окраина города, рядом были промышленные предприятия, до завода «Станколит» студентам идти было 15 минут пешком. Сегодня развивать университет в тех зданиях, которые мы занимаем, по существу невозможно. Нам не хватает площадей. Поэтому Правительство приняло решение построить новый кампус МГТУ в Новой Москве, в районе Коммунарка, где через несколько лет по прогнозам будет жить миллион человек и нет ни одного университета.
В новом кампусе у нас будут учебные и лабораторные корпуса, опытное производство, общежитие, физкультурно-оздоровительный комплекс, все в шаговой доступности. К 2035 году в МГТУ будет учиться вдвое больше студентов, чем сегодня: 11 тысяч человек.
— Модель управления университетом во многом зависит от его задач: одним важна внутренняя автономия, другим — тесные связи с индустрией и внешними партнерами. Какая модель сегодня нужна МГТУ «СТАНКИН»?
— В любом университете есть структурные подразделения, и в их автономии должна быть гармония, чтобы сотрудникам не приходилось за каждым решением обращаться наверх. У руководителей факультетов, институтов, лабораторий руки должны быть развязаны для решения тех задач, которые перед ними стоят. Но поскольку ресурсы в вузе ограничены и их нужно эффективно распределять, так же важна централизация. Это вообще самое сложное в работе любого ректора. Ресурсы в университете — это не только деньги, но и площади, оборудование. А еще людские и временные ресурсы.
В МГТУ у руководителей подразделений есть определенная степень автономии, и по некоторым направлениям, как мне представляется, ее нужно расширять. При этом важно понимать, что это процесс обоюдный: человек тоже должен уметь и быть готовым пользоваться соответствующими возможностями.
— В любом университете есть структурные подразделения, и в их автономии должна быть гармония, чтобы сотрудникам не приходилось за каждым решением обращаться наверх. У руководителей факультетов, институтов, лабораторий руки должны быть развязаны для решения тех задач, которые перед ними стоят. Но поскольку ресурсы в вузе ограничены и их нужно эффективно распределять, так же важна централизация. Это вообще самое сложное в работе любого ректора. Ресурсы в университете — это не только деньги, но и площади, оборудование. А еще людские и временные ресурсы.
В МГТУ у руководителей подразделений есть определенная степень автономии, и по некоторым направлениям, как мне представляется, ее нужно расширять. При этом важно понимать, что это процесс обоюдный: человек тоже должен уметь и быть готовым пользоваться соответствующими возможностями.
«Должен ли студент во время учебы работать по специальности? Безусловно, да. Вопрос — в каком объеме. Потому что если большую часть времени посвящать работе, то его не хватит на постижение нового, на формирование мышления, что обязательно отразится на профессиональном будущем на длинном горизонте. Если человек все время работает, то когда он думает?».
— Вы отметили, что готовите в том числе крайне востребованных на рынке IT-специалистов. По прогнозам, к 2030 году дефицит IT-кадров в России может достигнуть 600 тысяч человек. Как проекты вроде «ТОП-ИТ», которые МГТУ реализует вместе с IT-компаниями, помогают решать эту проблему?
— Разговоры о том, что нам не хватает одного миллиона программистов, я слышу, наверное, лет 10, если не больше. Все зависит не столько от количества, сколько от качества подготовки.
Многие вузы объявляют, что готовят не джунов, а сразу специалистов уровня мидл. Это, конечно, очень смелое заявление, потому что мидл обладает определенным практическим опытом. Он не просто прошел ряд проектов и освоил ряд технологий, а отработал часы в прямом календарном исчислении. Более того, часть этого времени мидл тратит на руководство подчиненными, потому что мало какие программы человек пишет один, обычно работает коллектив.
Можно ли такой практический опыт совместить с учебой в университете? На мой взгляд, в полной мере — нет. Отработанное время играет здесь первостепенную роль.
Если же декларировать, что вуз сразу готовит таких специалистов, то мы получим ситуацию, когда выпускник выходит на рынок, рассчитывает получить соответствующую должность, работу и зарплату, но эти ожидания оказываются завышенными. Работодатель спрашивает о реальном временном и руководящем опыте, которого у вчерашнего студента нет. Корректнее все же говорить, что по объему знаний и навыкам выпускники должны приближаться к уровню мидл и быстро проходить начальную стадию работы, практически без раскачки, без необходимости переучиваться.
Программа «ТОП-ИТ» как раз позволяет выпускать специалистов выше среднего уровня, потому что в ней мы сосредоточены на самых передовых технологиях во взаимодействии с ведущими компаниями-партнерами.
Должен ли студент во время учебы работать по специальности? Безусловно, да. Вопрос — в каком объеме. Потому что если большую часть времени посвящать работе, то его не хватит на постижение нового, на формирование мышления, что обязательно отразится на профессиональном будущем на длинном горизонте. Если человек все время работает, то когда он думает? Должен быть баланс между узнаванием нового и практикой.
— Разговоры о том, что нам не хватает одного миллиона программистов, я слышу, наверное, лет 10, если не больше. Все зависит не столько от количества, сколько от качества подготовки.
Многие вузы объявляют, что готовят не джунов, а сразу специалистов уровня мидл. Это, конечно, очень смелое заявление, потому что мидл обладает определенным практическим опытом. Он не просто прошел ряд проектов и освоил ряд технологий, а отработал часы в прямом календарном исчислении. Более того, часть этого времени мидл тратит на руководство подчиненными, потому что мало какие программы человек пишет один, обычно работает коллектив.
Можно ли такой практический опыт совместить с учебой в университете? На мой взгляд, в полной мере — нет. Отработанное время играет здесь первостепенную роль.
Если же декларировать, что вуз сразу готовит таких специалистов, то мы получим ситуацию, когда выпускник выходит на рынок, рассчитывает получить соответствующую должность, работу и зарплату, но эти ожидания оказываются завышенными. Работодатель спрашивает о реальном временном и руководящем опыте, которого у вчерашнего студента нет. Корректнее все же говорить, что по объему знаний и навыкам выпускники должны приближаться к уровню мидл и быстро проходить начальную стадию работы, практически без раскачки, без необходимости переучиваться.
Программа «ТОП-ИТ» как раз позволяет выпускать специалистов выше среднего уровня, потому что в ней мы сосредоточены на самых передовых технологиях во взаимодействии с ведущими компаниями-партнерами.
Должен ли студент во время учебы работать по специальности? Безусловно, да. Вопрос — в каком объеме. Потому что если большую часть времени посвящать работе, то его не хватит на постижение нового, на формирование мышления, что обязательно отразится на профессиональном будущем на длинном горизонте. Если человек все время работает, то когда он думает? Должен быть баланс между узнаванием нового и практикой.
— В числе направлений, которым нужны свои сильные Передовые инженерные школы, называют, например, биотех, квантовые технологии. А что насчет машиностроения, станкоинструментальной промышленности?
— Передовая инженерная школа — это своего рода лаборатория, позволяющая искать новые подходы к образованию, формировать новые образовательные программы, обкатывать их во взаимодействии с промышленными партнерами и в результате готовить инженеров более высокого качества.
Можно ли этим заниматься без ПИШ? Наверное, можно, но, говоря об этом проекте, часто упускают существенный момент. К статусу ПИШ прилагается финансирование, что позволяет многие вопросы решать проще и быстрее. Для современного машиностроения эта важнейшая проблема.
За последние 10−15 лет на предприятиях отрасли произошла цифровая революция. Любая сколь-нибудь сложная машина сегодня имеет цифровую систему управления. Если в автомобиле 20-летней давности отключить бортовой компьютер, машина все равно так или иначе поедет. Но современный автомобиль — это ездящий компьютер. Если какие-то датчики, процессоры или любой другой компонент его вычислительной части выйдет из строя, машина с места не сдвинется.
В области станкостроения все то же самое. Современные станки оснащены сложными системами управления, и для того, чтобы научить ими управлять, нужно тесно взаимодействовать с теми, у кого все это оборудование есть, — с заводами. Нужно отправлять студентов на практику на производство, приглашать в университет профессионалов, которые могли бы рассказать, как там все работает, а также покупать новое оборудование, программные средства. Для этого и нужна Передовая инженерная школа.
В нашей ПИШ «Технологическая база машиностроения» занимаются станкостроители, инструментальщики, мы отрабатываем там новые образовательные программы, и могу сказать, что это очень нужный для нас проект.
— Передовая инженерная школа — это своего рода лаборатория, позволяющая искать новые подходы к образованию, формировать новые образовательные программы, обкатывать их во взаимодействии с промышленными партнерами и в результате готовить инженеров более высокого качества.
Можно ли этим заниматься без ПИШ? Наверное, можно, но, говоря об этом проекте, часто упускают существенный момент. К статусу ПИШ прилагается финансирование, что позволяет многие вопросы решать проще и быстрее. Для современного машиностроения эта важнейшая проблема.
За последние 10−15 лет на предприятиях отрасли произошла цифровая революция. Любая сколь-нибудь сложная машина сегодня имеет цифровую систему управления. Если в автомобиле 20-летней давности отключить бортовой компьютер, машина все равно так или иначе поедет. Но современный автомобиль — это ездящий компьютер. Если какие-то датчики, процессоры или любой другой компонент его вычислительной части выйдет из строя, машина с места не сдвинется.
В области станкостроения все то же самое. Современные станки оснащены сложными системами управления, и для того, чтобы научить ими управлять, нужно тесно взаимодействовать с теми, у кого все это оборудование есть, — с заводами. Нужно отправлять студентов на практику на производство, приглашать в университет профессионалов, которые могли бы рассказать, как там все работает, а также покупать новое оборудование, программные средства. Для этого и нужна Передовая инженерная школа.
В нашей ПИШ «Технологическая база машиностроения» занимаются станкостроители, инструментальщики, мы отрабатываем там новые образовательные программы, и могу сказать, что это очень нужный для нас проект.
— Еще один тип партнерства, который вы развиваете, — это сетевое сотрудничество. МГТУ «СТАНКИН» координирует Национальную научно-образовательную сеть станкостроения. Какие возможности эта платформа откроет для студентов из вузов-участников консорциума и как это поможет академической мобильности?
— Мы, вузы, все взаимодействуем с нашими заказчиками, и, конечно, нам нужна координация между университетами, занятыми одним делом. Поскольку инструментальная отрасль не очень большая, то, естественно, возникает вопрос о сотрудничестве вузов, которые готовят технологов, специалистов для станкостроительных заводов, инструментальных предприятий. Поэтому мы решили с коллегами создать консорциум, внутри которого обмениваемся методическими идеями, предложениями по развитию научных исследований.
Естественным образом возникли сетевые программы, обучаясь на которых студенты могут какое-то время провести в другом университете, изучая свою же специальность. Это помогает посмотреть на будущую работу под другим углом.
К примеру, нашим партнером по сетевой программе выступает Курганский государственный университет, и у наших студентов есть возможность поехать в Курган, на Курганмашзавод, пройти практику на современном большом машиностроительном предприятии под руководством преподавателей из КГУ. Оттуда студенты также могут приехать к нам позаниматься на нашем оборудовании.
— Мы, вузы, все взаимодействуем с нашими заказчиками, и, конечно, нам нужна координация между университетами, занятыми одним делом. Поскольку инструментальная отрасль не очень большая, то, естественно, возникает вопрос о сотрудничестве вузов, которые готовят технологов, специалистов для станкостроительных заводов, инструментальных предприятий. Поэтому мы решили с коллегами создать консорциум, внутри которого обмениваемся методическими идеями, предложениями по развитию научных исследований.
Естественным образом возникли сетевые программы, обучаясь на которых студенты могут какое-то время провести в другом университете, изучая свою же специальность. Это помогает посмотреть на будущую работу под другим углом.
К примеру, нашим партнером по сетевой программе выступает Курганский государственный университет, и у наших студентов есть возможность поехать в Курган, на Курганмашзавод, пройти практику на современном большом машиностроительном предприятии под руководством преподавателей из КГУ. Оттуда студенты также могут приехать к нам позаниматься на нашем оборудовании.
«…универсальные большие языковые модели, опираясь на колоссальный объем данных, в узких областях могут выдавать не совсем корректный ответ. <…> Специализированная модель, обученная на корректных верифицированных данных, таких ошибок не совершит. В этом ее принципиальное отличие».
— Как Вы считаете, появятся ли в ближайшие годы новые учебные направления, связанные с искусственным интеллектом в тяжелой промышленности?
— Прежде всего, важно признать, что студенты уже массово применяют общедоступные модели искусственного интеллекта. Обманчивая легкость написать промпт и получить готовый ответ на задание, безусловно, привлекает. Но дело в том, что универсальные большие языковые модели, опираясь на колоссальный объем данных, в узких областях могут выдавать не совсем корректный ответ. Не то чтобы полностью неправильный, но требующий доработки или уточнения со стороны человека. Поэтому к тому, что сгенерировал искусственный интеллект, нужно уметь относиться разумным образом.
В этой связи мы приняли у себя правила работы с ИИ. Они сформулированы в университете в нормативном документе. Суть его в следующем: можно пользоваться искусственным интеллектом для выполнения любых учебных заданий, но, во-первых, это должно быть объявлено — какую именно модель вы использовали. А во-вторых, мы должны учить наших студентов корректно интерпретировать полученные результаты и обязательно критически относиться к тому, что сгенерировала нейросеть.
Постановка задач, интерпретация результатов и их использование остаются прерогативой человека, потому что только он может дать интегральную оценку: хорошо это или плохо. Не потому, что машина плохо считает, а потому, что может быть некорректно задан вопрос — не в полной мере, без учета всего контекста.
Вторая задача — более сложная: научиться использовать прикладные модели искусственного интеллекта. Эта сфера чрезвычайно быстро развивается, потому что использование таких систем ИИ существенно повышает производительность инженерного труда.
Например: как сейчас проектируют технологические процессы, то есть описание того, как из куска металла сделать деталь? Классический подход подразумевает использование справочников технолога-машиностроителя. Специалист открывает таблицу и по ней подбирает для конкретного материала скорость и глубину резания, подачу и так далее. Так вот сейчас целый ряд компаний работает над тем, чтобы, образно говоря, скормить специализированным моделям ИИ десятки тысяч технологических карт и режимов обработки, чтобы технолог мог быстро получать качественный результат.
Универсальная модель, если ей такую задачу поставить, выдаст похожий результат и в каких-то случаях вполне приемлемый, но ее ответы также могут быть совершенно некорректными. Специализированная модель, обученная на корректных верифицированных данных, таких ошибок не совершит. В этом ее принципиальное отличие.
Отсюда возникает необходимость преподавать студентам, во-первых, базовый курс по использованию систем искусственного интеллекта, объяснять, что это такое, как строятся модели. Во-вторых, давать еще один курс по использованию систем искусственного интеллекта в конкретной прикладной области. Специалист должен уметь использовать те инструменты, которые есть сегодня и которые завтра появятся вообще у всех, иначе мы просто не выполним свою миссию по подготовке инженеров. И конечно, такие курсы нужно обновлять раз в полгода.
— Прежде всего, важно признать, что студенты уже массово применяют общедоступные модели искусственного интеллекта. Обманчивая легкость написать промпт и получить готовый ответ на задание, безусловно, привлекает. Но дело в том, что универсальные большие языковые модели, опираясь на колоссальный объем данных, в узких областях могут выдавать не совсем корректный ответ. Не то чтобы полностью неправильный, но требующий доработки или уточнения со стороны человека. Поэтому к тому, что сгенерировал искусственный интеллект, нужно уметь относиться разумным образом.
В этой связи мы приняли у себя правила работы с ИИ. Они сформулированы в университете в нормативном документе. Суть его в следующем: можно пользоваться искусственным интеллектом для выполнения любых учебных заданий, но, во-первых, это должно быть объявлено — какую именно модель вы использовали. А во-вторых, мы должны учить наших студентов корректно интерпретировать полученные результаты и обязательно критически относиться к тому, что сгенерировала нейросеть.
Постановка задач, интерпретация результатов и их использование остаются прерогативой человека, потому что только он может дать интегральную оценку: хорошо это или плохо. Не потому, что машина плохо считает, а потому, что может быть некорректно задан вопрос — не в полной мере, без учета всего контекста.
Вторая задача — более сложная: научиться использовать прикладные модели искусственного интеллекта. Эта сфера чрезвычайно быстро развивается, потому что использование таких систем ИИ существенно повышает производительность инженерного труда.
Например: как сейчас проектируют технологические процессы, то есть описание того, как из куска металла сделать деталь? Классический подход подразумевает использование справочников технолога-машиностроителя. Специалист открывает таблицу и по ней подбирает для конкретного материала скорость и глубину резания, подачу и так далее. Так вот сейчас целый ряд компаний работает над тем, чтобы, образно говоря, скормить специализированным моделям ИИ десятки тысяч технологических карт и режимов обработки, чтобы технолог мог быстро получать качественный результат.
Универсальная модель, если ей такую задачу поставить, выдаст похожий результат и в каких-то случаях вполне приемлемый, но ее ответы также могут быть совершенно некорректными. Специализированная модель, обученная на корректных верифицированных данных, таких ошибок не совершит. В этом ее принципиальное отличие.
Отсюда возникает необходимость преподавать студентам, во-первых, базовый курс по использованию систем искусственного интеллекта, объяснять, что это такое, как строятся модели. Во-вторых, давать еще один курс по использованию систем искусственного интеллекта в конкретной прикладной области. Специалист должен уметь использовать те инструменты, которые есть сегодня и которые завтра появятся вообще у всех, иначе мы просто не выполним свою миссию по подготовке инженеров. И конечно, такие курсы нужно обновлять раз в полгода.
— А как Вы лично относитесь к детекции и выявлению доли использования искусственного интеллекта в студенческих работах?
— Если правилами вуза допустимо применение искусственного интеллекта, если автор работы заявил о том, что он пользовался этими инструментами, и при этом понимает, о чем он говорит, способен отвечать на вопросы по теме, то к чему эти проверки?
Знаете, лет 40 назад в преподавательской среде шли дискуссии, можно ли студентам разрешать пользоваться программируемыми калькуляторами для расчета зубчатых передач и шестерен, которые считаются по стандартным формулам. Раньше человек должен был по таблицам подбирать модули, сдвиги, а если все это программируется на калькуляторе, то студенту не придется проделывать все эти действия самому. Преподаватели спорили, допустимо ли, что обучающийся бездумно вводит на калькуляторе данные в программу, которую не сам написал, и получает правильный результат, не понимая, как на самом деле работают все параметры зубчатой передачи.
Сегодня существуют программы, которые все это считают, на лекциях и в учебниках студентам рассказывают, откуда что берется, на экзаменах про это тоже спрашивают. Но тратить время на расчеты сегодня выглядит просто смешным. А 40 лет назад так не казалось. С искусственным интеллектом происходит то же самое, просто на другом уровне. И вопросы мы задаем те же: можно ли доверить машине делать то, что человек привык делать сам? А вдруг машина ошибется?
Если идти по пути ограничений и тем более запретов пользоваться новыми технологиями, довольно легко докатиться до чернильницы и гусиных перьев. А самое главное — специалист, которого выпускает любой университет, должен быть готов решать не какие-то абстрактные задачи в идеальном мире. Он должен уметь пользоваться теми инструментами, которые применяются в его отрасли, и желательно еще на полшага вперед знать, что будет применяться.
Работе с искусственным интеллектом надо учить, и ни в коем случае не запрещать его использование.
— Если правилами вуза допустимо применение искусственного интеллекта, если автор работы заявил о том, что он пользовался этими инструментами, и при этом понимает, о чем он говорит, способен отвечать на вопросы по теме, то к чему эти проверки?
Знаете, лет 40 назад в преподавательской среде шли дискуссии, можно ли студентам разрешать пользоваться программируемыми калькуляторами для расчета зубчатых передач и шестерен, которые считаются по стандартным формулам. Раньше человек должен был по таблицам подбирать модули, сдвиги, а если все это программируется на калькуляторе, то студенту не придется проделывать все эти действия самому. Преподаватели спорили, допустимо ли, что обучающийся бездумно вводит на калькуляторе данные в программу, которую не сам написал, и получает правильный результат, не понимая, как на самом деле работают все параметры зубчатой передачи.
Сегодня существуют программы, которые все это считают, на лекциях и в учебниках студентам рассказывают, откуда что берется, на экзаменах про это тоже спрашивают. Но тратить время на расчеты сегодня выглядит просто смешным. А 40 лет назад так не казалось. С искусственным интеллектом происходит то же самое, просто на другом уровне. И вопросы мы задаем те же: можно ли доверить машине делать то, что человек привык делать сам? А вдруг машина ошибется?
Если идти по пути ограничений и тем более запретов пользоваться новыми технологиями, довольно легко докатиться до чернильницы и гусиных перьев. А самое главное — специалист, которого выпускает любой университет, должен быть готов решать не какие-то абстрактные задачи в идеальном мире. Он должен уметь пользоваться теми инструментами, которые применяются в его отрасли, и желательно еще на полшага вперед знать, что будет применяться.
Работе с искусственным интеллектом надо учить, и ни в коем случае не запрещать его использование.
— С развитием ИИ вырастет производительность инженерного труда. Тогда на что специалисты будут тратить высвободившееся время? Больше станет творческой работы?
— Модная теория о том, что мы будем производить товары меньшим числом людей, и нас ожидает избыток трудовых ресурсов, на мой взгляд, неоднозначна. Такие опасения имеют право на существование, но не в контексте того, что всем нам нечем будет заняться, а в том, что многие профессии действительно могут оказаться невостребованными и людям придется переучиваться. Причем в глобальном смысле, то есть кардинально менять род деятельности.
Вот смотрите: число инженеров за последние 30−40 лет уменьшилось драматически. Ряды кульманов ушли в прошлое. Современные системы проектирования позволяют гораздо меньшим количеством специалистов создавать гораздо более сложную технику. Станки могут в три смены сделать детали такого качества, которое несколько десятилетий назад считалось почти искусством и требовало долгих и очень сложных расчетов множества высококвалифицированных специалистов.
Я думаю, изменится характер инженерного труда. Большую долю времени займет творческая, креативная работа, а рутину, требующую шаблонных расчетов, вычислений, действий строго по алгоритму, будут выполнять системы искусственного интеллекта.
— Модная теория о том, что мы будем производить товары меньшим числом людей, и нас ожидает избыток трудовых ресурсов, на мой взгляд, неоднозначна. Такие опасения имеют право на существование, но не в контексте того, что всем нам нечем будет заняться, а в том, что многие профессии действительно могут оказаться невостребованными и людям придется переучиваться. Причем в глобальном смысле, то есть кардинально менять род деятельности.
Вот смотрите: число инженеров за последние 30−40 лет уменьшилось драматически. Ряды кульманов ушли в прошлое. Современные системы проектирования позволяют гораздо меньшим количеством специалистов создавать гораздо более сложную технику. Станки могут в три смены сделать детали такого качества, которое несколько десятилетий назад считалось почти искусством и требовало долгих и очень сложных расчетов множества высококвалифицированных специалистов.
Я думаю, изменится характер инженерного труда. Большую долю времени займет творческая, креативная работа, а рутину, требующую шаблонных расчетов, вычислений, действий строго по алгоритму, будут выполнять системы искусственного интеллекта.
20 октября/ 2026
Беседовали: Александр Никифоров, Екатерина Позднякова
Текст подготовила: Екатерина Позднякова
Материал подготовлен редакцией издания «Ректор говорит!». При копировании ссылка на издание «Ректор говорит!» обязательна.
Текст подготовила: Екатерина Позднякова
Материал подготовлен редакцией издания «Ректор говорит!». При копировании ссылка на издание «Ректор говорит!» обязательна.
[ Рассылка ]
Каждую неделю — новый материал
Подписывайтесь на рассылку, чтобы первыми узнать о ключевых изменениях в академической среде, сенсационных научных открытиях, образовательных трансформациях и опыте ведущих вузов.
Подписывайтесь на рассылку, чтобы первыми узнать о ключевых изменениях в академической среде, сенсационных научных открытиях, образовательных трансформациях и опыте ведущих вузов.
Подписаться на рассылку
Подписывайтесь на рассылку, чтобы первыми получать актуальную информацию о высшем образовании от руководства учебных и научных организаций, экспертов в области высшего образования и представителей профильных министерств.