Перейти в поступление: сможет ли нейросеть попасть в любой вуз России

Результаты исследования
Для решения задач ЕГЭ я использовал нейросеть ChatGPT с моделью o3 и o4-mini-high (модели с рассуждением). Сейчас это одни из самых мощных моделей, предназначенных для решения комплексных задач. В процессе тестирования модель не подключалась к интернету, но для выполнения сложных вычислений сама писала и запускала код на Python (например, по географии и физике). Для каждой задачи нейросеть подробно описывала решение и приводила обоснования. Это подтверждает, что модель именно «решала» задачи, а не искала готовые ответы в Сети.
Для эксперимента я использовал демоверсии ЕГЭ с официального сайта ФИПИ. Результаты тестирования: русский язык — 91 балл, математика профильная — 100, география — 90, обществознание — 98, физика — 94.
Я загружал задачи в текстовом виде или в виде скриншота из PDF. Однако иногда нейросети требовалась помощь в разборе изображений. Например, в одной из задач по математике, где необходимо было работать с графиком, пришлось самостоятельно задать его данные аналитически, указав координаты ключевых точек.
Полученных результатов достаточно для поступления в любой вуз России. Для сравнения: в 2024 году средний балл абитуриентов составил в МФТИ — 97, НИЯУ МИФИ — 89,9, университете Иннополис — 87,5, НИУ ВШЭ (Москва) — 87,1. Если бы на ЕГЭ разрешили использовать нейросети, любой школьник мог бы набрать проходной балл в ведущие вузы страны.
Почему проверка знаний тестами теряет актуальность
Стандартизированные тесты долгое время считались объективным способом оценки знаний. Сегодня, когда у каждого в кармане смартфон с доступом к нейросетям, ценность экзамена как проверки памяти и стандартных навыков резко снизилась. Эксперимент подтверждает: ИИ способен решать типовые задания ЕГЭ на уровне отличника. Это же отмечают зарубежные коллеги. Разработчики OpenAI сообщают, что ChatGPT показывает результаты выше среднего человека на большинстве экзаменов. Более современные модели уже успешно справляются с олимпиадными задачами по математике, физике, химии и информатике, демонстрируя уровень топ-500 лучших студентов США, а также способны готовить научные материалы, сопоставимые с уровнем докторов наук.
Дело в том, что традиционный экзамен проверяет способность запоминать и воспроизводить информацию или применять типовые шаблоны решения задач. Но умение воспроизводить знания перестало быть эксклюзивным навыком человека. Когда ученик за пару секунд получает готовый ответ от нейросети, проверка памяти теряет смысл. Неудивительно, что школьники массово начали использовать ИИ в учебе. По данным опросов, почти 90% британских студентов применяют нейросети при подготовке заданий. В России педагоги наблюдают то же самое: ученики пишут сочинения и доклады с помощью нейросетей, часто доверяя всему, что генерирует модель.
Экзамены также устаревают концептуально. Они предполагают, что человек на экзамене полностью изолирован: без книг, интернета и гаджетов. В реальной жизни мы уже давно не действуем в вакууме, ежедневно пользуясь технологиями. Встает вопрос: зачем заставлять школьника решать в столбик то, что калькулятор или нейросеть сделает быстрее и точнее? Хороший пример — калькуляторы: раньше их запрещали на экзаменах, сегодня во многих странах их разрешают, чтобы учащийся сосредоточился на смысле задачи, а не на арифметике. Генеративный ИИ постепенно становится таким же привычным инструментом, значит, и оценка знаний должна измениться: проверять нужно уже не запоминание формул, а умение их применять и интерпретировать результаты с помощью всех доступных инструментов.
Ирония ситуации в том, что за «чистоту» экзаменов борются устаревшими методами. Администрации школ отвечают на вызов ИИ усилением прокторинга: ставят камеры, блокируют гаджеты и относятся с подозрением ко всем ученикам. Но технологии не стоят на месте — уже сейчас существуют способы обойти даже самый строгий надзор, причем с помощью тех же нейросетей.
Навыки, которые перестали быть уникальными для человека
Если алгоритм решает задачу лучше выпускника, это умение перестает быть исключительно человеческим. Рассмотрим несколько областей, которые нейросети уже успешно освоили и которые лежат в основе многих экзаменов.
- Решение типовых задач. Простые математические вычисления, уравнения и задачи по физике больше не привилегия человека. Нейросети уверенно решают примеры из школьной программы практически без ошибок. Такие же системы успешно проходят профессиональные экзамены: американский медицинский тест USMLE или квалификационные тесты для юристов.
- Поиск и воспроизведение информации. Запоминать даты, определения и формулы уже необязательно. Нейросети мгновенно извлекают факты из огромных объемов данных и всегда выдают точный ответ. Эрудиция ИИ превзошла возможности любого энциклопедиста. Нейросеть не забудет правила орфографии и не перепутает законы физики. Проверять фактологию на экзаменах становится бессмысленно — машина справится быстрее и точнее.
- Генерация связного текста. Раньше умение четко излагать мысли считалось показателем хорошего образования. Сегодня написать эссе на заданную тему способен и алгоритм. Нейросети создают тексты на любую тему и на любом языке. Генеративный ИИ сокращает разницу между экспертом и новичком: школьник, задав нейросети правильный вопрос, может получить текст или программу на уровне среднего профессионала.
Важно подчеркнуть: человек не полностью проиграл машине в этих навыках. Меняются сами требования. Если раньше ценилось умение считать в уме, писать красивые тексты или запоминать факты, то сегодня важнее контролировать качество и проявлять творческий подход: проверять достоверность ответа нейросети, формулировать нестандартные запросы, предлагать оригинальные идеи, которые ИИ сам не создаст. Но этим навыкам в школах пока не учат и не проверяют их на экзаменах.
Образование и рынок труда: риски и новые возможности
Массовое внедрение ИИ ставит под угрозу не только традиционные экзамены, но и саму суть образования и требования рынка труда к выпускникам.
Главный риск — обесценивание человеческих навыков там, где раньше они были незаменимы. Диплом или аттестат, подтверждающие владение определенными знаниями, теряют свою значимость, если те же знания моментально демонстрирует нейросеть. Согласно национальной стратегии развития ИИ в России, к 2030 году около 80% сотрудников должны обладать навыками работы с ИИ. Вероятно, компании начнут проводить собственные испытания, приближенные к реальной работе, делая акцент на тех компетенциях, которые невозможно заменить алгоритмом. В результате нагрузка на молодых специалистов возрастет: учиться и подтверждать навыки придется непрерывно, а не рассчитывать на разовый экзамен, который открывает все двери.
Второй риск — снижение мотивации школьников и студентов к обучению. Зачем разбираться в сложной теме, если нейросеть за секунду дает готовый ответ или пишет программный код? Педагоги уже отмечают, что учащиеся нередко бездумно копируют тексты из ChatGPT, не пытаясь понять их смысл. Преподаватель Алексей Бакланов, экспериментирующий с ИИ на ЕГЭ, предупреждал: «Школьники воспринимают решения нейросети как абсолютную истину». Они не замечают ее ошибок. Это действительно опасно: ученик привыкает доверять готовым ответам, теряя навык критического мышления и проверки фактов.
Пример из жизни: мой бывший студент в вузе использовал текст из ChatGPT в докладе, поверив нейросети на слово. В итоге он провалился, потому что нейросеть придумала несуществующие факты и данные о сделках, а он даже не усомнился в правильности. Его отправили на пересдачу. Такое слепое доверие ИИ может привести к серьезным последствиям в профессиональной сфере. Представьте врача, который примет диагноз нейросети без перепроверки реальных анализов.
Что можно сделать
Экзаменационная система — лишь вершина айсберга, под которой скрывается весь массив школьного и вузовского образования. В России дискуссии о реформе ЕГЭ идут с момента его появления, а теперь у них есть новый повод — резкий прогресс искусственного интеллекта.
Российский ЕГЭ создавали по аналогии с зарубежными тестами SAT, однако сами страны-родоначальники таких экзаменов постепенно от них отказываются. Нам тоже стоит рассмотреть смешанные подходы к оценке знаний. Например, включить в структуру экзамена проектные работы и портфолио достижений ученика. Выпускники могли бы дополнительно получать баллы за победы в олимпиадах, готовые исследовательские проекты, волонтерство или научные публикации. Такой подход усложнит единообразие отбора, зато повысит мотивацию учиться не для сдачи теста, а ради реальных результатов. Другой вариант — устные собеседования для поступающих на востребованные специальности. Это позволит оценить мотивацию и понимание абитуриента, исключив возможность спрятаться за нейросетью. Подобная практика уже существует в МГУ и творческих вузах — почему бы не расширить этот опыт?
Раньше борьба со списыванием сводилась к изъятию шпаргалок. Теперь важно воспитывать этичное отношение к использованию нейросетей. Школьник должен понимать: обратиться к ИИ — не преступление, если он осознает, как и почему получен ответ, и может объяснить его самостоятельно. Нужно показывать, что сгенерированный нейросетью текст — это всего лишь черновик, требующий проверки и осмысления. В вузах уже появляются курсы информационной грамотности, на которых студентов учат грамотно интегрировать результаты работы ИИ в свои исследования. Например, на своих занятиях в Иннополисе я объясняю студентам, как правильно пользоваться нейросетями, указывая на границы их возможностей и возможные ошибки.
Цифровизация ЕГЭ и привлечение нейросетей к проверке знаний неизбежны — это вопрос времени. Однако важно, чтобы это внедрение делали не ради экономии средств или скорости, а ради повышения качества самой системы. Если нейросеть проверяет эссе по английскому языку, необходимо регулярно анализировать, насколько объективнее стали оценки и повысилось ли качество обратной связи для учеников. Если к 2030 году экзамены полностью перейдут в цифровой формат, стоит предусмотреть гибкость такой системы: адаптивность и вариативность заданий.
Самая сложная, но и самая важная задача — изменить то, чему мы вообще учим. Экзамен — лишь конечная точка, а начинать нужно с учебных программ. В условиях индустрии 4.0 образованию нужны новые направления: базовые знания об ИИ, основы алгоритмической грамотности, практика развития мягких навыков (коммуникация, креативность, критическое мышление). Школьник, умеющий ставить задачи нейросети и проверять результат, будет востребованнее того, кто лишь решает квадратные уравнения по образцу. Значит, учить нужно именно этому. Уже сейчас курс информатики пора наполнить практическим содержанием: работа с большими данными, принципы машинного обучения и нейросетевые технологии должны стать частью школьной программы на базовом прикладном уровне.
Что в итоге
Моему ребенку сейчас десять лет, и я ежедневно задаюсь вопросом: какие навыки ему пригодятся во взрослой жизни? Стоит ли тратить время на запоминание формул или лучше развивать творческое мышление, коммуникацию и умение ставить правильные вопросы?
Говорить от первого лица на эту тему непросто: мы оказались в новой реальности, где никто не выдал нам карту. Искусственный интеллект перевернул образовательную рутину, высветив проблемы, которые раньше оставались в тени. Но одновременно он дал нам мощный инструмент, способный изменить всю систему. Важно использовать этот инструмент не для того, чтобы возводить новые барьеры вокруг знаний, а чтобы переосмыслить цели и подходы к обучению.
Мой эксперимент с ЕГЭ и нейросетью показал не превосходство машины, а слабые места самой экзаменационной системы. Значит, эту систему можно и нужно менять. Будущие экзамены должны помогать раскрывать человеческий потенциал в мире, где знания перестали быть дефицитом. И пусть ИИ станет нашим помощником в этом деле — строгим, но справедливым. Ведь цель образования не в том, чтобы победить машину в тесте, а в том, чтобы человек и машина вместе создавали новое, превосходя возможности каждого по отдельности.
Экзамены будущего — это лишь этап большого пути, который мы должны пройти, чтобы подготовиться к жизни в новой реальности.
Мнение редакции может не совпадать с точкой зрения автора