Технология опередила институт: комитет MIT об ИИ в обучении

TL;DR. После пяти месяцев работы комитет MIT по ИИ в обучении и подготовке исследователей сообщает: студенты пользуются ИИ повсеместно, а правила им непонятны.

Ключевые выводы

Комитет с поручением, сроками и без заранее заданного тезиса. Большинство институциональных докладов о новой технологии появляются тогда, когда спор в головах авторов уже решён.
Часто, повсеместно и со смешанными чувствами. Первый вывод делает всё остальное срочным.
Признаки того, что фундамент сдвигается. Самая поразительная часть выводов: перечень того, что ИИ, возможно, делает с образовательным опытом в MIT.
Меняется само то, что нужно знать студентам. Читатель мог бы закончить предыдущий раздел с уверенностью, что проблема в списывании и что более строгая система оценивания её решит.

Специальный комитет MIT по ИИ не считает генеративный ИИ инструментальной проблемой, которую можно залатать правилами. Его доклад рассматривает ИИ как стресс-тест того, ради чего существует образование в MIT, и утверждает, что неопределённость не может оправдывать бездействие.

Комитет с поручением, сроками и без заранее заданного тезиса #

Большинство институциональных докладов о новой технологии появляются тогда, когда спор в головах авторов уже решён. Этот доклад говорит о себе иное. Специальный комитет по использованию ИИ в преподавании, обучении и подготовке исследователей принёс в работу широкий спектр опыта и никакого заранее заданного тезиса, а свою работу описывает как короткую, но интенсивную. Это утверждение о методе, и оно важно для того, как читать выводы: последующие заключения подаются как то, к чему комитет пришёл, а не как то, что он намеревался доказать.

Сроки сжатые. В январе 2026 года канцлер Мелисса Ноблс, проректор Ананта Чандракасан и председатель преподавательского совета Роджер Леви дали комитету поручение. Затем он пять месяцев проводил встречи, исследования и работу с сообществом по всему MIT. Заявленная цель состояла в том, чтобы понять роль генеративного ИИ в жизни и образовательной миссии Института и рекомендовать, как справляться и с вызовами, и с возможностями, которые он приносит.

Поручение состояло из трёх частей, и их стоит читать вместе, потому что они тянут в разные стороны. Комитету предложили оценить текущее использование ИИ в MIT: задача описательная. Его попросили выявить новшества в преподавании и оценивании студентов: задача исследовательская. И его попросили предложить политику использования ИИ: задача нормативная. Группа, которая выполняет первое без третьего, выпускает обзор. Группа, которая выполняет третье без первого, выпускает свод правил, который студенты игнорируют. Доклад пытается сделать все три, и эта статья следует тому же порядку: что происходит, что меняется и что комитет предлагает с этим делать.

Состав тоже важен. В комитет вошли студенты бакалавриата и магистратуры, преподаватели всех школ и сотрудники профильных подразделений, включая библиотеки MIT и Лабораторию преподавания и обучения. Сопредседатели: Эрик Клопфер и Сэм Мэдден. Для основателей и технических читателей, которые сидели в комитетах, где доминировала одна группа, такой состав примечателен. Студенты входили в орган, оценивающий поведение студентов. В зале были преподаватели всех школ, а не только тех, где значение ИИ наиболее очевидно. Сотрудники библиотек и лаборатории преподавания привнесли взгляд подразделений, которые изо дня в день поддерживают учебный процесс.

Доклад также внимателен к своей терминологии, и это небольшой, но показательный признак того, как им предполагается пользоваться. «Преподаватели» включают профессоров и всех остальных, кто занят преподаванием в MIT. Большинство упоминаний «студентов» относятся и к бакалаврам, и к магистрантам и аспирантам, за исключением нескольких очевидных мест. Это определения, а не выводы, но они расширяют аудиторию. Политика, обращённая только к штатным профессорам, упустила бы многих из тех, кто на деле ведёт семинары и проверяет работы.

Часто, повсеместно и со смешанными чувствами #

Первый вывод делает всё остальное срочным. Студенты MIT пользуются ИИ часто и повсеместно. Доклад не подаёт это ни как повод для беспокойства, ни как триумф. Он подаёт это как базовый факт, исходя из которого должна писаться любая политика, и сопровождает его описанием того, что студенты при этом чувствуют, а чувства у них резко смешанные.

Диапазон чувств широк. С одной стороны доклад перечисляет любопытство, творческое вдохновение и благодарность. С другой стороны: смирение, озабоченность и тревогу. Легко прочитать это как два лагеря, энтузиастов и обеспокоенных. Формулировка подсказывает картину менее аккуратную: диапазон описывает чувства внутри студенческого сообщества, которое пользуется технологией повсеместно, так что один студент вполне может испытывать сразу несколько из них. Доклад не говорит этого прямо, и здесь стоит быть осторожным. Утверждение устанавливает разброс, а не то, как по нему распределяются отдельные люди.

Образовательная точка контакта	Традиционное институциональное допущение	Наблюдаемая реальность при повсеместном ИИ
Домашние задачи (p-sets)	Самостоятельная борьба и показатель когнитивного освоения	Быстрое выполнение с помощью LLM; риск поверхностного освоения без глубокого решения задач
Экзамены на дом	Основанная на доверии мера синтезированного понимания	Непроверяемое сотрудничество; крах индивидуальной оценки студента
Консультации и ассистенты	Формирующий диалог с преподавателями и ассистентами	Падение посещаемости, поскольку студенты по умолчанию обращаются к разговорным LLM-репетиторам
Совместные учебные группы	Рассуждение между сверстниками и совместные открытия	Неравномерное освоение инструментов, порождающее обиду между сверстниками и трения при оценивании
Исследования бакалавров (UROP)	Раннее погружение в планирование экспериментов и литературу	Быстрый синтетический обзор литературы с повышенным риском непроверенных выдуманных источников

Преподаватели демонстрируют похожую широту, хотя по другой оси. Их отношение простирается от увлечённого исследования и растущей зависимости от ИИ до скептицизма, подозрительности и «отказа от ИИ». Обратить внимание стоит на слова «растущая зависимость». Доклад описывает не только группу экспериментаторов на одном краю и воздерживающихся на другом. По крайней мере часть преподавателей начинает полагаться на эти инструменты в собственной работе, тогда как другие решили не связываться с ними вовсе.

Поставьте две группы рядом, и проявится структурная проблема. Студенты пользуются ИИ повсеместно. Преподаватели охватывают весь диапазон от зависимости до отказа. Студент, переходящий между двумя предметами, может встретить двух преподавателей на противоположных концах этого диапазона. Доклад прямо фиксирует последствие: студентов смущает и тревожит недостаток ясности, последовательности и обоснования в вопросе использования ИИ, как в рамках отдельного предмета, так и по всей учебной программе.

Это предложение заслуживает внимательного прочтения, потому что в нём названы три разных провала. Ясность: можно ли понять правило. Последовательность: одинаково ли правило в разных местах. Обоснование: объяснил ли кто-нибудь, зачем правило существует. Политика может провалиться по любому из этих пунктов независимо. Правило может быть ясным, но произвольным, или последовательным, но необъяснённым. Жалоба студентов, как её фиксирует доклад, охватывает все три пункта и относится как к отдельному предмету, так и ко всей программе.

Рядом находится более обнадёживающий вывод. Доклад описывает широко распространённое среди преподавателей желание делиться опытом, идеями и приёмами. В сообществе, где взгляды расходятся так резко, готовность сверять записи является активом. Она говорит о том, что разногласия не укоренились настолько, чтобы каждая сторона перестала слушать. Можно ли превратить эту готовность в последовательность, которой хотят студенты, это вопрос, который выводы ставят, но не решают.

Признаки того, что фундамент сдвигается #

Самая поразительная часть выводов: перечень того, что ИИ, возможно, делает с образовательным опытом в MIT. Каждый пункт подан как признак, и такая подача намеренна. Комитет не утверждает, что измерил эти эффекты. Он сообщает, что есть их признаки, и внимательный читатель должен держаться той же линии.

Главный признак: ИИ переворачивает основополагающие элементы образовательного опыта в MIT, особенно для бакалавров. Доклад называет эти элементы: домашние задачи, экзамен на дом и UROP, затем часы консультаций и учебные группы. Это не второстепенные черты. Домашние задачи являются ежедневной единицей работы. Экзамен на дом является формой доверия. UROP служит путём, которым бакалавры приходят в исследования. Консультации и учебные группы являются местом, где обучение становится социальным. Когда доклад говорит, что всё это переворачивается, он называет несущие конструкции бакалаврского опыта.

Далее следуют ещё несколько признаков, и каждый стоит изложить отдельно, потому что каждый указывает на свой вид потери.

Есть признаки того, что ИИ усиливает изоляцию. Учебные группы и консультации держатся на том, что люди обращаются друг к другу. Если способный помощник всегда под рукой, стимул к этому может ослабнуть. Доклад не расписывает этот механизм, поэтому утверждать его как механизм не следует. Признак здесь в изоляции, а названные элементы подсказывают, где она может проявиться.

Есть признаки того, что ИИ подрывает мастерство и уверенность студентов. Это две разные вещи. Мастерство касается того, что студент действительно умеет делать. Уверенность касается того, что студент считает себя способным сделать. Доклад ставит их рядом, и это сочетание напоминает, что ущерб может идти в обе стороны: студент, переложивший работу на инструмент, может не обладать навыком, а студент, обладающий навыком, может в нём сомневаться.

Есть признаки того, что ИИ размывает «общественный договор» между преподавателями и студентами. Кавычки вокруг этого выражения принадлежат докладу. Смысл, если сказать просто, в том, что обе стороны исходят из допущений о том, что будет делать каждая, и доклад находит признаки ослабления этих допущений. Это согласуется с растерянностью студентов по поводу правил: если никто не может сказать, чего от тебя ждут, договору почти не на чем стоять.

Есть признаки того, что ИИ сильно затрудняет оценку прогресса студентов. У этого признака очевидная практическая сторона. Оценки, обратная связь и решение о том, готов ли человек двигаться дальше, зависят от возможности понять, что студент понимает. Если результат работы больше не отражает студента надёжно, инструмент перестаёт работать.

Наконец, есть признаки того, что ИИ бросает вызов десятилетиям характерных для сообщества MIT норм и ценностей: строгости, творческого трения, необходимого для обучения, совместного решения задач и личной честности. Это самый широкий из признаков и, пожалуй, самый значимый. Над выражением «творческое трение» стоит задуматься: утверждается, что некоторая трудность является необходимой составляющей обучения и что инструмент, убирающий трудность, может убрать и то, что эти нормы защищали.

Ничто из этого не подано как окончательное. Всё сформулировано с оговорками, и правильная позиция читателя: принимать признаки всерьёз, не превращая их в измеренные эффекты. Именно это различие хороший комитет сохраняет, а ленивое резюме теряет.

Меняется само то, что нужно знать студентам #

Читатель мог бы закончить предыдущий раздел с уверенностью, что проблема в списывании и что более строгая система оценивания её решит. Доклад сопротивляется такой рамке двумя способами.

Во-первых, он прямо заявляет, что ИИ меняет то, что студентам нужно знать и уметь делать. В источнике это не утверждение с оговоркой. Это результат, изложенный как факт. Из него следует, что проблема не только в том, что студенты могут обходить существующие задания. Сами задания могут целиться не туда, если сместились лежащие в их основе навыки.

Во-вторых, он делает вывод относительно учебной программы. Каждый предмет, преподаваемый в MIT, вероятно, потребуется пересмотреть и, возможно, обновить, чтобы преподавание, обучение и оценивание стали «учитывающими ИИ». Оговорка реальна: «вероятно, потребуется» и «возможно, обновить» не являются приказами. Но охват тотальный. Сказано: каждый предмет. Это необычно масштабное утверждение для институционального документа, поскольку большинство предложений о реформе выделяют несколько факультетов или несколько курсов.

Выражение «учитывающий ИИ» принадлежит самому докладу, и оно выбрано тщательно. Там не сказано «использующий ИИ», что подразумевало бы внедрение, или «защищённый от ИИ», что подразумевало бы оборону. Осознанность является предварительным условием любой из этих реакций. Предмет можно пересмотреть и затем решить ограничить ИИ, потребовать его или игнорировать по веским причинам, но нельзя сделать этот выбор хорошо, не поняв сначала, как инструмент соотносится с тем, чему учат и что оценивают. Это также возвращает к жалобе студентов на отсутствие обоснования. Предмет, учитывающий ИИ, это предмет, преподаватели которого могут объяснить свою позицию.

Комитет идёт дальше учебной программы. Появление ИИ, говорит он, требует более широкой, целостной переоценки природы, охвата и назначения высшего образования сегодня. В источнике это продемонстрированное утверждение, высказанное без оговорки, и оно переносит доклад от проектирования курсов к назначению института. Комитет также заявляет, что сообщество Института, особенно преподаватели, должно взяться за более глубокие вопросы о структуре, смысле и ценности образования в MIT, причём ИИ является одним из нескольких факторов, осложняющих миссию Института.

Последнюю оговорку легко пропустить, и пропускать её не следует. ИИ является одним из нескольких факторов. Комитет не утверждает, что миссию поставил под вопрос один лишь ИИ. Он говорит, что ИИ приходит в уже существующий набор осложнений и обостряет их. Для всех, кто создаёт образовательные технологии, это полезная поправка: покупатель не является учреждением с чистой проблемой, которую может решить продукт, а находится посреди более широкого разговора о том, зачем он существует.

Практические опасения и вопросы за пределами аудитории #

Доклад не ограничивается педагогикой. Он перечисляет практические опасения для сообщества и отделяет их от более широких общественных вопросов, и это разумное разделение.

С практической стороны ИИ порождает существенные опасения: от конфиденциальности данных и секретности до вопросов неравного доступа, предвзятости, справедливости и подотчётности. Рассмотрим их парами. Конфиденциальность данных и секретность касаются того, что происходит с информацией, попадающей в инструмент: студенческими работами, исследовательскими материалами, всем, что исследователь не хотел бы выпускать за пределы здания. Неравный доступ, предвзятость, справедливость и подотчётность касаются того, кто выигрывает и кто страдает и кто отвечает, когда что-то идёт не так. В среде подготовки исследователей обе группы ощутимы. Политика, которая предписала бы всем пользоваться инструментом, не затронув конфиденциальность, была бы неполной, а политика, проигнорировавшая неравный доступ, рисковала бы превратить в преимущество любую подписку, которую студент может себе позволить. Второй пример иллюстрирует опасение, а не является выводом доклада, который формулирует проблему лишь в изложенных выше общих выражениях.

За пределами кампуса, отмечает доклад, рост ИИ поднимает общественные вопросы. Среди них воздействие центров обработки данных для ИИ на окружающую среду, использование интеллектуальной собственности и обучающих данных и общее влияние технологии и отрасли на человека. Университет не может решить эти вопросы в одиночку, но его членам их всё равно будут задавать, и студенты будут их поднимать. Включение их в доклад признаёт, что преподавание об ИИ и с помощью ИИ происходит в контексте, о котором у людей есть мнения.

Стоит заметить, что доклад структурно делает с этими опасениями: он излагает их как факты о ситуации, а не как аргументы в пользу определённой позиции. Комитет не говорит, что из-за воздействия центров обработки данных на окружающую среду MIT должен ограничить использование. Он говорит, что эти вопросы существуют. Такая сдержанность подходит документу, написанному для сообщества с широким спектром взглядов, и удерживает рекомендации привязанными к выводам, а не к идеологии.

Доклад также не теряет из виду собственную скромность. Другие учебные заведения бьются над похожими вопросами об ИИ, и, похоже, ни у кого нет готового ответа на всё. Это предложение сформулировано с оговоркой, и справедливо: слово «похоже» выполняет честную работу. Оно ставит MIT в один ряд с коллегами, а не впереди них, и не даёт соблазну считать подход любого другого учреждения готовым ответом.

Технология, пришедшая по сжатому графику #

Самая полезная с аналитической точки зрения часть доклада для читателей вне высшего образования: объяснение того, почему эта технология ощущается иначе. Доклад предлагает простую модель того, как приходят инновации.

Некоторые технологические инновации возникают постепенно. Когда общество и технология развиваются согласованно, взаимная адаптация смягчает удар. Источник приводит пример: компьютер, описанный как предшественник ИИ и ключевое условие его появления, соответствует этой схеме. Со временем институты научились преподавать с помощью компьютеров, оценивать работы, сделанные на них, и устанавливать нормы их использования. Адаптация шла достаточно медленно, чтобы быть взаимной.

Другие инновации приходят более резко и становятся общественно значимыми прежде, чем люди и институты успевают адаптироваться. Довод доклада в том, что генеративный ИИ относится ко второй группе.

Чтобы обосновать это, доклад фиксирует дату. Общество обычно привязывает «рождение» новой технологии к моменту, когда она становится легко доступной для использования. По этой мерке генеративный искусственный интеллект «родился» с выходом ChatGPT в конце 2022 года. Следовательно, массовому знакомству с генеративным ИИ меньше четырёх лет. За это время, по словам источника, у него появилось более миллиарда пользователей.

Удержите эти два числа вместе: меньше четырёх лет и более миллиарда пользователей. Доклад может больше ничего не добавлять, чтобы донести мысль. Технология, прошедшая путь от выпуска до миллиарда пользователей меньше чем за четыре года, не дала комитетам по учебным программам, разработчикам систем оценивания или отделам политики того многолетнего разбега, который дал компьютер.

Доклад добавляет ещё два наблюдения. Компании, продающие технологии ИИ, стали доминировать в заголовках, на фондовом рынке и в общественном сознании. А ИИ развивается почти во всех областях в масштабе времени, слишком сжатом для того, чтобы общество успело должным образом наблюдать и анализировать его воздействие, а затем постепенно адаптироваться.

При внимательном чтении последнее предложение описывает четыре шага, которых обычно требует постепенная адаптация: наблюдать воздействие, анализировать его, затем адаптироваться, причём постепенно. Утверждается, что масштаб времени слишком сжат для такой последовательности. Это точная формулировка проблемы. Дело не в том, что ИИ плох или хорош. Дело в том, что привычный способ, которым общество усваивает новый инструмент, наблюдая и учась прежде, чем действовать, не соответствует темпу.

Для основателя здесь есть урок о клиенте. Учреждение в таком положении медлительно не из упрямства. Оно медлительно, потому что его обычный процесс рассчитан на часы, которые больше не действуют. Продукты и услуги, помогающие учреждениям действовать разумно в условиях сжатия, а не исходящие из того, что у них было время изучить вопрос, отвечают на реальное состояние, которое описывает доклад. Это аргумент в пользу рамки доклада, а не утверждение доклада о рынке.

Восемь принципов, предложенных со скромностью #

Описав ситуацию, доклад переходит к тому, что с ней делать. Он начинает с определения восьми принципов, на которые комитет опирался и которые, как он надеется, будут направлять Институт в предстоящей работе. Утверждения источника здесь ограничены: он сообщает, что принципов восемь, и формулирует первый. Остальных в доступных материалах нет, и эта статья не будет о них гадать.

Первый принцип гласит, что комитет предлагает свои предложения в духе скромности. Это необычная отправная точка. От доклада, только что описавшего ситуацию как срочную, можно было бы ожидать, что принципы откроются решимостью. Вместо этого они открываются заявлением об ограничениях, и доклад сразу объясняет, что скромность означает на практике: корректировки курса, возможно даже серьёзные, будут неизбежны по мере того, как технология продолжит развиваться, а Институт будет экспериментировать и учиться.

Это предложение сформулировано с оговоркой, и оно откровенно. Комитет не обещает, что его рекомендации переживут столкновение с ближайшими годами. Он заранее говорит, что некоторые из них, вероятно, придётся пересмотреть и что Институту следует рассчитывать учиться на практике. Это здравая позиция для документа, подготовленного за пять месяцев о технологии, которой меньше четырёх лет. Она также делает доклад более заслуживающим доверия. Комитет, претендующий на последнее слово, противоречил бы данным, которые он только что привёл о скорости перемен.

Однако скромности не позволено превратиться в паралич. Источник высказывается прямо: неопределённость не может оправдывать бездействие. И стратегическая позиция заявлена столь же твёрдо. Вызовы, которые ИИ создаёт в преподавании и обучении, требуют смелого стратегического ответа везде, и особенно в MIT.

Эти два утверждения лучше всего читать как пару. Первое ограничивает уверенность в любом конкретном ответе. Второе не позволяет этому ограничению стать причиной ждать. Вместе они описывают рабочий метод: действовать, наблюдать, исправлять. Это тот же метод, которому постепенное внедрение технологий позволяло обществу следовать десятилетиями, сжатый до длины цикла планирования одного учреждения.

Комитет также заявляет убеждение о роли Института. У MIT есть ответственность быть лидером, говорит он. Формулировка является убеждением, а не выводом, и читать её следует именно так. Ничто в материалах не говорит, как лидерство выглядело бы в конкретных выражениях, и статья, опирающаяся на этот источник, не должна это выдумывать. Однако убеждение объясняет слово «смелый» в выражении «смелый стратегический ответ». Учреждение, которое считает, что должно лидировать, не может считать выжидательную позицию приемлемой.

Что это означает для отраслей #

Быстрое распространение генеративного ИИ в ведущих университетах служит ранним индикатором институциональных потрясений в ряде образовательных и профессиональных областей.

Высшее образование и исследовательские университеты #

Руководству высших учебных заведений необходимо признать, что запреты ИИ на уровне учебных программ невыполнимы и контрпродуктивны. Вызов носит структурный характер: оценивание должно перейти к очным устным защитам, синхронному решению задач и итеративным портфолио проектов, в которых проверяется ход рассуждений, а не только итоговая письменная работа.

EdTech и поставщики ИИ-репетиторов #

Создатели коммерческих инструментов стоят перед педагогической дилеммой. Продукты, созданные лишь для генерации ответов, ускоряют отстранение студентов и когнитивную изоляцию. Процветать в ведущих академических средах будут платформы, которые воплощают сократический метод, сохраняя когнитивное усилие и предоставляя точечную поддержку.

Корпоративное обучение и техническая адаптация новичков #

Корпоративные учебные академии и технологические работодатели сталкиваются с тем же дефицитом мастерства: младшие сотрудники пользуются инструментами генерации кода, не понимая, как эти системы ломаются изнутри. Инженерные организации должны адаптировать модели наставничества так, чтобы проверять базовые навыки отладки и архитектурного мышления.

Заключение #

Доклад специального комитета MIT выделяется тем, что отказывается сводить генеративный ИИ к неприятности для академической честности. Рассматривая технологию как стресс-тест основного назначения университетского образования, комитет предлагает трезвую дорожную карту: принимать эксперименты в духе институциональной скромности и не позволять неопределённости оправдывать административный паралич. Настоящей проверкой в следующем учебном цикле станет то, смогут ли преподаватели перестроить учебные программы так, чтобы сохранить глубокое мастерство и подготовить выпускников к миру, в котором ИИ присутствует изначально.

Часто задаваемые вопросы #

Запрещает ли MIT генеративный ИИ в учебных работах студентов?

Нет. MIT не вводит общего запрета. Отдельные преподаватели устанавливают правила для своих предметов: от встроенного использования ИИ в заданиях до специальных базовых упражнений без ИИ, а комитет рекомендует большую институциональную последовательность и прозрачное педагогическое обоснование.

Как генеративный ИИ влияет на традиционные домашние задачи («p-set»)?

Домашние задачи исторически служили главным средством развития когнитивной устойчивости через самостоятельное решение задач. При повсеместной доступности ИИ студенты могут быстро получать правильные решения, и возникает риск того, что поверхностное выполнение заменит подлинное интеллектуальное мастерство.

Что комитет рекомендует в отношении оценивания?

Комитет подчёркивает, что традиционные инструменты оценивания (экзамены на дом, стандартные письменные домашние задачи) необходимо пересмотреть. Долгосрочные решения сосредоточены на синхронном оценивании, проектных демонстрациях и перестройке учебных программ, которая вознаграждает критический анализ, а не механическое производство результата.

Источники #

MIT Ad Hoc Committee, (2026). Итоговый доклад об использовании ИИ в преподавании, обучении и подготовке исследователей ⧉. Massachusetts Institute of Technology.
MIT Office of the Chancellor and Provost, (2026). Поручение специальному комитету по генеративному ИИ ⧉. Massachusetts Institute of Technology.
Eric Klopfer and Samuel Madden, (2026). Преподавание и обучение в эпоху генеративного ИИ ⧉. MIT News.

Последняя проверка 2026-09-25.

Последняя проверка 2026-10-27.

Опубликовать заново

Технология опередила институт: комитет MIT об ИИ в обучении — Sebastien Rousseau

После пяти месяцев работы комитет MIT по ИИ в обучении и подготовке исследователей сообщает: студенты пользуются ИИ повсеместно, а правила им непонятны.

Эта статья распространяется по лицензии Creative Commons Attribution 4.0 International. При повторной публикации требуется указание канонической ссылки.

Технология опередила институт: комитет MIT об ИИ в обучении — Sebastien Rousseau

После пяти месяцев работы комитет MIT по ИИ в обучении и подготовке исследователей сообщает: студенты пользуются ИИ повсеместно, а правила им непонятны.

Originally published at https://sebastienrousseau.com/ru/2026-09-25-tekhnologiya-operedila-institut-komitet-mit/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER