С вами Осипов Михаил.
В ходе тестирования возможностей GPT в образовательных целях я пришёл к мысли, что мне становится всё менее интересно, что именно находится «под капотом» нейросети.
Намного интереснее наблюдать за тем, какие оптики и уровни мышления использует специалист, который с нейросетью работает, чтобы формировать то, что находится «под капотом» нейросети.
Небольшой пример по тому, что я имею ввиду.
💭 Совсем недавно я публиковал на канале материал о том, как создал в GPT учебный тренажёр по работе с заказчиком.
Во время разработки я стал замечать, как постоянно переключаюсь между разными профессиональными оптиками.
Например, когда разрабатывал промт, смотрел на задачу как промт-инженер. Когда переходил к содержанию — как методист. Когда проектировал будущий путь обучающегося — как педагогический дизайнер. Когда начал проходить тренажёр сам — уже как студент.
Но самое интересное произошло именно во время обучения.
Я обнаружил, что мне периодически приходится с помощью рефлексии выходить из роли студента и переключаться в другую профессиональную оптику, чтобы оценить уже не собственный ответ, а эффективность самого тренажёра.
Например, как студент я выполняю задание по формулированию продуктовых гипотез. В какой-то момент понимаю, что мне не хватает ощущения прогресса. После этого переключаюсь в оптику методиста и начинаю думать, какой элемент сопровождения стоит добавить. Затем перехожу в оптику промт-инженера и меняю логику работы GPT.
В упрощённом виде одно из подобных переключений выглядело примерно так:
студент → методист → промт-инженер → снова студент.
Именно благодаря подобным переключениям по ходу собственного обучения я несколько раз изменил образовательную траекторию тренажёра, добавил шкалу прогресса, внедрил систему конспектирования, поменял примеры для объяснения, внедрил скаффолдинг и т.д.
Причём когнитивная нагрузка в отдельные моменты была весьма высокой. Ведь мне нужно было решать поставленную учебную задачу и одновременно отслеживать сам процесс обучения. Получается, что рефлексия шла сразу на нескольких уровнях: насколько хорошо я усваиваю материал, насколько корректно GPT меня обучает, подходят ли выбранные методы и соответствует ли содержание первоначальным учебным целям.
По своему устройству это скорее похоже не на классическую многозадачность с несколькими независимыми задачами, а на переключение между уровнями анализа одной и той же системы.
В данном процессе мне видится особенно интересный навык — метакогнитивная регуляция собственной работы.
Кстати, после этой мысли у меня возник ещё один вопрос про AI-агентов, который хотел бы вам задать в конце поста 👇🏼
Теоретически я мог бы создать отдельного агента-методиста, агента-педагогического дизайнера и агента-промт-инженера. Более того, можно было бы создать отдельного агента, который координировал бы их работу.
Но тогда возникла бы другая задача — спроектировать саму архитектуру взаимодействия между всеми этими агентами. Нужно было бы определить, в какой момент должен подключаться методист, когда требуется взгляд педагогического дизайнера, какие результаты одной роли должны передаваться другой, по каким критериям разрешать противоречия между их решениями, как проверять итоговую согласованность и т.д.
Но проблема ведь всё равно никуда не исчезает.
Поэтому хотелось бы в очередной раз подчеркнуть ценность профессионального опыта человека. Именно он позволяет связать несколько оптик в одну систему и понять, когда вывод одной профессиональной роли действительно должен повлиять на решение другой.
Коллеги, а как вы думаете, по мере развития AI-агентов способность человека переключаться между профессиональными оптиками будет становиться более важной или, наоборот, часть этой работы постепенно перейдёт к самим агентным системам ❓