Как может выглядеть идеальный процесс обучения

Сегодняшняя статья не бьется идеально в тематику канала, но мне все равно очень хочется ей поделиться. Во-первых, мы тут регулярно спорим про области применимости AI. Во-вторых, мы же тут все про развитие людей, поэтому порассуждать про обучение тоже интересно.

Andy Matuschak, супер-известный исследователь в области обучения, рассказал про свое видение того, как может выглядеть идеальный процесс получения новых знаний, объединяющий в себе две школы – тех, кто топит за неявное обучение в процессе работы и тех, кто топит за управляемое осознанное обучение. И важная роль в этом процессе отводится AI, который разблокирует кучу возможностей для его персонализации.

Вот основные идеи:

👉В процесс обучения на своем проекте можно добавить элементы направляющего обучения как раз с помощью AI, который знает все про текущий уровень знаний человека, его интересы, и имеет доступ к происходящему на компьютере. Условно говоря, начинаете делать какой-то проект в новой области, а AI сразу же в режиме диалога дает релевантные подсказки и кусочки нужной теории, как в виде текста, так и в виде интерактивных демок, где это имеет смысл.
👉В тех случаях, когда требуется классическое обучение – скажем, при чтении какого-то учебника, такой AI может учитывать контекст проекта, над которым вы работаете, подсказывать, на какие куски теории обратить внимание, и приземлять ее на релевантные примеры. А в идеале – строить персонализированный learning track.
👉Доказанный способ сохранить новые знания в долгосрочной памяти – регулярно к ним возвращаться. AI может существенно улучшить опыт работы с Anki-карточками, периодически модифицируя и миксуя задаваемые вопросы, подстраиваясь под то, сколько времени вы готовы выделить на повторение в каждый конкретный день. Кстати, в самой статье приведены результаты офигенного эксперимента, показывающего реальную ценность repetition-based learning.

Я очень рекомендую почитать полный транскрипт доклада и посмотреть демки – выглядит как идеальный способ обучения чему-то. Кажется, для достижения этого даже не нужно использовать облачные LLM, и локальной модели с долгосрочной памятью должно хватать.