Вышка и «Яндекс» научат преподавателей российских вузов ИИ-грамотности
.jpg "Вышка и «Яндекс» научат преподавателей российских вузов ИИ-грамотности")
«Яндекс Образование» и факультет компьютерных наук НИУ ВШЭ (ФКН ВШЭ) создали совместный онлайн-гайд, посвященный промптингу — формулированию запросов к нейросетям. Он доступен всем на платформе «Яндекса» и в первую очередь будет полезен преподавателям, которые никогда не пользовались GPT в работе или только начинают применять ИИ-инструменты. Как правильно создать запрос к нейросети? Как грамотно использовать GPT-модели в образовательных целях? Какие задачи преподаватели могут решать с помощью искусственного интеллекта? Гайд отвечает на эти и другие вопросы по работе с нейросетями.
Основная цель нового проекта — повысить грамотность в вопросах использования искусственного интеллекта и помочь образовательному сообществу эффективнее применять GPT-модели в работе. Гайд учит трем базовым навыкам: писать более точные запросы к GPT, чтобы получать качественные ответы, и строить диалог с нейросетью; определять, какую именно работу можно поручить нейросетям; критически оценивать то, что предлагает модель. Над содержанием и задачами работали эксперты команды «Яндекс Образования» и факультета компьютерных наук ВШЭ.
Дарья Козлова
«Технологии ИИ становятся повсеместными, и наша большая задача — способствовать повышению ИИ-грамотности в сфере образования. GPT-модели могут решать множество рутинных задач, для этого важно правильно использовать инструменты, которые на наших глазах меняют образовательный процесс. Если подойти к внедрению ИИ-инструментов с умом, то у преподавателей и студентов освободится больше времени на творческие задачи», — говорит Дарья Козлова, директор «Яндекс Образования».
Гайд состоит из пяти разделов. В первом разделе читатель сможет познакомиться с понятиями «нейросети» и «языковые модели» и узнать о возможностях GPT-технологий. Основная часть включает основы промптинга, различные стратегии общения с нейросетью, техники проверки достоверности информации. Заключительный раздел посвящен опыту преподавателей: как использовать ИИ в процессе разработки обучающего контента, как можно облегчать работу со студентами и решать другие задачи с помощью ИИ-ассистентов.
Дарья Касьяненко
«Создание гайда объединило экспертизу факультета компьютерных наук Вышки и технологии “Яндекса”. Этот уникальный учебник объясняет, как использовать нейросети в жизни, работе и образовании, а также обучает безопасному взаимодействию с ними и критическому мышлению. Мы создали раздел для преподавателей и предложили инструкции и практические задания для внедрения ИИ в процесс обучения», — комментирует создание гайда Дарья Касьяненко, старший преподаватель факультета компьютерных наук, академический руководитель магистратуры «Инженерия данных» НИУ ВШЭ.
ФКН ВШЭ обладает глубокой экспертизой в области ИИ-грамотности в вузах. До конца этого года в университете планируют обучить навыку работы с искусственным интеллектом 2 тысячи сотрудников. Обучение проходит в рамках повышения квалификации профессорско-преподавательского состава.
Ранее «Яндекс» запустил несколько новых программ высшего образования в области искусственного интеллекта. Среди них первый в России бесплатный бакалавриат AI360 для создателей ИИ-технологий будущего на базе четырех университетов, включая НИУ ВШЭ; первая аспирантура по искусственному интеллекту с уклоном в практику; междисциплинарные программы для специальностей вне сферы IT.
Вам также может быть интересно:
Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследованияо публикованы в журнале PeerJ Computer Science.
В НИУ ВШЭ запущен реестр ИИ-сервисов и моделей
Институт искусственного интеллекта и цифровых наук ФКН разработал сервис для регистрации и учета достижений в области искусственного интеллекта (ИИ). Платформа уже доступна для сотрудников и студентов университета.
Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
ИИ для врачей: ФКН ВШЭ провел курс для студентов Российского университета медицины
В июне завершился курс, посвященный использованию искусственного интеллекта в медицине, который факультет компьютерных наук НИУ ВШЭ провел для студентов первого курса направления «Педиатрия» Российского университета медицины. Курс реализован при поддержке гранта, полученного НИУ ВШЭ в соответствии с мероприятиями федерального проекта «Искусственный интеллект» национального проекта «Экономика данных и цифровая трансформация государства».
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
«Защищать конкуренцию от ИИ нам придется с помощью самого искусственного интеллекта»
В НИУ ВШЭ прошел двухдневный семинар «Искусственный интеллект и конкурентная политика в странах БРИКС». Его участники обсудили две ключевые для конкурентной политики темы: трансформация конкуренции и рынков под влиянием технологий ИИ и усилени е регуляторного потенциала антимонопольных органов за счет технологий искусственного интеллекта.
В НИУ ВШЭ разработали сервис обезличивания табличных данных для безопасного использования в ИИ-системах
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал сервис обезличивания табличных данных, предназначенный для подготовки корпоративных данных к использованию в аналитических и ИИ-сервисах. Решение позволяет выявлять персональные данные в структурированных наборах, применять к ним воспроизводимые правила обезличивания и формировать артефакты, необходимые для контроля качества, аудита и последующего использования данных в защищенных контурах.