Специальные темы Доктор Галия Насреддин, Университет Рафика Харири, Ливан.
Доктор Обада Аль-Хатиб, Университет Вуллонгонга в Дубае, ОАЭ.
Доктор Мохамад Насреддин, Университет Вуллонгонга в Дубае, ОАЭ.
Доктор Тануджит Чакраборти, Университет Сорбонна Абу-Даби, ОАЭ
Академические перспективы Профессор Дерин Урал, Университет Майами, США.
Editorial
Добро пожаловать в UniNewsletter
Лаура Васкес Бас
Открытие роли генеративного ИИ в
инженерном образовании: Обзор его
возможностей и вызовов
Доктор Галия Насреддин, Кафедра компьютерных и информационных систем, Университет Рафика Харири, Ливан; Доктор Обада Аль-Хатиб, Школа инженерии, Университет Вуллонгонга в Дубае, ОАЭ;
Доктор Мохамад Насреддин, Школа
инженерии, Университет Вуллонгонга в
Дубае, ОАЭ.
10
Особые темы Преобразование
Академические перспективы
Преподавание инженерного курса с чат-ботом в роли помощника преподавателя.
Профессор Дерин Урал, Факультет инженерии, Университет Майами, США.
Перспективы
отрасли
Роль инженеров в обществе и
промышленности: жизненный навык, а не обязательно профессия.
Доктор Ваддах С. Ганем Аль Хашми, Председатель Федерального комитета по охране труда и
безопасности в ОАЭ и старший директор в энергетическом секторе.
От сопротивления к интеграции:
размышления о моем пути с ИИ в
академической среде.
Принятие решений на основе ИИ в Американском университете Рас-эль-Хаймы (AURAK):
Интервью с профессором Халидом Хуссейном, Деканом факультета инженерии и вычислительных наук.
Нур Мустафа Камель, Степень бакалавра наук в области компьютерной
способствует достижению
развития (ЦУР) ООН. Такие технологии,
обучение, прогнозирование и генеративный ИИ, превращают необработанные данные в
инструменты, применимые в сферах общественного здравоохранения, экономической стабильности и градостроительства. Приведенные в статье примеры наглядно демонстрируют, как инновационные решения, основанные на данных, сокращают разрыв между теорией и практикой, помогая строить устойчивое будущее.
В разделе "Академические перспективы" этого выпуска профессор Дерин Урал из Университета
Майами (Флорида, США) рассматривает
интеграцию чат-бота с искусственным
интеллектом в качестве помощника преподавателя
на инженерном курсе.
Чат-бот "Кэй" был разработан в соответствии с
целями курса и предлагал студентам поддержку в
режиме реального времени, персонализированные
объяснения и краткие обзоры сложных тем. По словам доктора Урал, студенты оценили чат-бот
как доступный и полезный инструмент, особенно те,
кто совмещает учебу с работой или имеет
нестандартный график.
Она делает вывод, что, хотя чат-бот не заменил и
не мог заменить живого преподавателя, он
значительно повысил уровень вовлеченности и усвоения материала, демонстрируя потенциал ИИ как дополнения к традиционным методам обучения.
Следующим в нашем престижном разделе "Фокус на лидерство" выступает профессор Халид Хуссейн, декан факультета инженерии и вычислительных наук в Американском университете Рас-эль-Хаймы (AURAK), ОАЭ. Профессор Хуссейн делится опытом своей более чем 30-летней академической карьеры, начавшейся в Великобритании. Он подробно рассказывает о том, как AURAK - первый университет в ОАЭ, предложивший программу бакалавриата по искусственному интеллектуадаптируется к новым вызовам, чтобы эффективно обучать студентов в эпоху ИИ. Кроме того, профессор Хуссейн дает ценные рекомендации о том,
до появления ИИ-помощников, которые решали неизбежные
вывод, предложив университетам всерьез задуматься о том, чтобы избегать излишнего внедрения ИИ в обучение младших студентов, так как это лишает их важного опыта, связанного с преодолением фрустрации и развитием навыков решения проблем.
Заключительную статью этого выпуска в разделе "Тренды" представляет Анн-Гаэль Колом из Университета Вестминстера, Лондон, Великобритания. Ее слова-обязательное чтение для программистов, начинающих свою карьеру. Анн-Гаэль мастерски объясняет, как ИИ не только изменил набор навыков, необходимых разработчикам, но и как изменился сам рынок труда, выделяя важные моменты, которые разработчики
Открытие роли
генеративного
инженерном
Генеративный ИИ — это тип
искусственного интеллекта (ИИ),
который создает новый и оригинальный контент, сильно напоминающий контент, созданный человеком. Традиционные системы ИИ ориентированы на предсказание или классификацию значений или классов. Однако генеративный ИИ стремится создавать контент, подходящий для запросов пользователей. Сгенерированный контент может быть текстом, изображениями, графиками, аудио или видео. В начале 2010-х годов генеративный ИИ начал привлекать внимание, особенно благодаря значительному развитию методов глубокого обучения и трансформерных моделей, таких как
компьютерной
создавать новый и оригинальный контент, который близко
напоминает работу, созданную человеком. Этот подход имеет потенциал трансформировать отрасль. Он может способствовать созданию интерактивной и более увлекательной образовательной среды по сравнению с традиционными инструментами, делая образование более participatory. Эти инструменты могут улучшить когнитивные
вовлеченности студентов и подготовке их к промышленным назначениям.
каждого студента и
фокусироваться на их улучшении.
Многие организации, такие как
Организация Объединенных Наций
по вопросам образования, науки и
культуры (ЮНЕСКО),
демонстрируют важность
персонализированного обучения и
поддерживают подходы, учитывающие различные потребности студентов. Кроме того, интеллектуальные
Кроме того, технологии генеративного ИИ могут поддерживать студентов с особыми образовательными потребностями. Например, инструменты преобразования речи в текст, такие как Microsoft Translator, помогают студентам с нарушениями слуха, а другие приложения ИИ предоставляют перевод жестового языка в реальном времени. Инструменты, такие как ECHOES, используют ИИ для помощи детям с аутизмом в развитии социальных навыков общения черvvез интерактивные симуляции, что демонстрирует способность ИИ решать различные образовательные задачи. Кроме того, генеративный
что она помогает запомнить изученное, сценарии остаются одинаковыми, и ваши ответы тоже будут одинаковыми, а вас обучают точным методам, необходимым для выполнения задач в определенной отрасли. Например, как показано на изображениях ниже, генеративный ИИ может использоваться для создания виртуальных лабораторий, где студенты взаимодействуют с симуляциями систем возобновляемых источников энергии и фокусируются на оптимизации результатов работы системы для гибридной сети солнечных панелей (PV), ветровой энергии и электрической сети. Здесь мы видим студентов, работающих над проектированием системы солнечных панелей с использованием виртуальной лаборатории, созданной с помощью ИИ-инструмента.
Кроме того, генеративный ИИ может помочь преподавателям в области электротехнической и
компьютерной инженерии в разработке курсов, предлагая структуры, требования и последовательность на основе образовательных целей в инженерии и отраслевых тенденций. Технологии, основанные на генеративном ИИ, могут помочь в создании учебников, лекционных материалов и интерактивных моделей, что экономит время преподавателей и обеспечивает актуальность контента. Дополнительно, технологии оценки и обратной связи, основанные на генеративном ИИ, могут упростить процесс и снизить нагрузку на преподавательский состав. Следующее изображение направляет учебные заведения в вопросе, как можно интегрировать генеративный ИИ в их системы. Для интеграции генеративного ИИ в институциональные структуры инженерные
должны соответствовать
образовательным результатам
инженерных программ, с учетом мнений
преподавателей и сотрудников для
удовлетворения ожиданий и решения возможных проблем. Выбор подходящих
ИИ-инструментов, таких как чат-боты и рекомендации контента, основанные на
ИИ, требует согласования с бюджетом и
целями учебного заведения. Создание надежной инфраструктуры данных
обеспечит соответствие требованиям
GDPR и HIPAA, а проведение тренингов для
преподавателей и сотрудников важно для
эффективного использования
ИИ-инструментов. Обучение студентов
роли ИИ и его преимуществам может
способствовать их участию и
предоставлению ценного отзыва о
влиянии на обучение и административные
процессы.
Несмотря на все преимущества
внедрения генеративного ИИ в высшее
инженерное образование, это может
привести к множеству проблем, как
1.
показано ниже: • Происхождение данных: Генеративные системы ИИ анализируют большие
объемы данных, которые могут
подвергаться неадекватному управлению, сомнительному происхождению, несанкционированному использованию или предвзятости. Таким образом, социальные влиятельные лица или сами системы ИИ могут преувеличивать ошибки. • • Авторские права и правовая
3. 4. 2.
(LLM), может
идентификационную информацию (PII). Разработчики должны обеспечить соблюдение законов о конфиденциальности, исключив или удалив PII.
• • Раскрытие конфиденциальной информации: Повышение доступности инструментов ИИ может привести к случайному обмену конфиденциальной информацией, такой как данные пациентов или фирменные стратегии. Для защиты конфиденциальной информации и интеллектуальной собственности необходимы четкое управление, руководящие принципы и коммуникация.
Для решения этих проблем и продвижения ответственного использования ИИ в инженерном образовании важно разработать этические рамки, которые приоритетно будут учитывать прозрачность, справедливость и подотчетность. Кроме того, учебные заведения должны усилить меры кибербезопасности для защиты конфиденциальных данных всех заинтересованных сторон.
Для интеграции генеративного ИИ в институциональные рамки инженерные кафедры должны сначала определить применимые области, такие как поддержка студентов, администрация или разработка учебных программ. Цели должны быть согласованы с результатами обучения инженерных программ, с учетом мнений преподавателей и сотрудников для
Цели устойчивого развития ООН (ЦУР) — Повестка на 2030 год —
представляют собой глобальный
план для решения актуальных
проблем, таких как общественное здравоохранение, бедность, неравенство, устойчивость и
действия по климату. Достижение этих амбициозных целей требует не только идей, но и решений, которые помогут преодолеть разрыв между теорией и реальной реализацией. Здесь на помощь приходит инженерия науки о данных, объединяя мощь искусственного интеллекта (ИИ) и инновационные подходы к решению проблем для создания практических инструментов, которые могут изменить ситуацию.
Используя такие методы, как машинное обучение, предсказательное моделирование и прогнозирование временных рядов, инженеры и специалисты по данным могут преобразовать сырые
решения этих проблем и продвижения глобального прогресса. В этой статье мы рассмотрим несколько реальных примеров, где инженерия науки о данных привела к эффективным решениям, соответствующим ЦУР, демонстрируя, как эти инструменты формируют более устойчивое будущее.
Практический пример 1: Разработка ИИ-инструментов для мобильных приложений в сфере здравоохранения (mHealth)
Представьте, что на вашем телефоне появляется мотивирующее сообщение, призывающее вас прогуляться или заняться осознанностью.
Эти небольшие побуждения, поддерживаемые инженерией науки о данных, являются частью вмешательств mHealth, направленных на улучшение благосостояния. С учетом растущей зависимости от мобильных технологий, приложения mHealth играют ключевую роль в сокращении неравенства в здравоохранении и продвижении ЦУР 3: Здоровье и благополучие.
С инженерной точки зрения, разработка инструментов mHealth включает создание
“Путь от данных к действию не обходится без проблем. Такие проблемы, как доступ к надежным данным, масштабирование решений и адаптация фреймворков к сложным реальным условиям, остаются ключевыми препятствиями.”
алгоритмов, которые адаптируются и оптимизируются в реальном времени. Например, обучение с подкреплением (один из методов ИИ) помогает этим системам изучать, какие сообщения наиболее эффективны для пользователей. В одном из наших проектов мы разработали гибридный алгоритм, использующий метод выборки Томпсона (метод обучения с подкреплением) и статистические модели для улучшения эффективности мотивирующих сообщений в приложениях mHealth. Этот подход был применен в приложении "Drink Less", которое помогает пользователям сократить вредное потребление алкоголя. Те же принципы можно применить и к приложениям для осознанности и физической активности, что демонстрирует, как
ИИ-инструменты могут быть разработаны для решения различных проблем здравоохранения.
Практический пример 2: Инструменты прогнозирования экономического роста и борьбы с эпидемиями
Прогнозирование является основой науки и инженерии — будь то предсказание траектории ракеты или рост потребительских цен. В контексте ЦУР 8: Достойная работа и экономический рост точные прогнозы помогают политикам разрабатывать эффективные экономические стратегии. Например, мы разработали ансамблевую нейронную сеть FEWNet для прогнозирования уровня инфляции в развивающихся экономиках, таких как Бразилия, Россия, Индия и Китай. Объединяя эконометрические
обоснованные решения.
Но прогнозирование — это не только экономика. Оно также играет ключевую роль в общественном здравоохранении. Моделирование эпидемий, или «эпикастинг», использует инструменты науки о данных для прогнозирования распространения заболеваний, таких как денге или грипп. Наша команда разработала программное обеспечение, которое учитывает ключевые характеристики заболеваний для предоставления надежных прогнозов, позволяя проводить своевременные вмешательства в пострадавших регионах. Эти инструменты подчеркивают инженерную изобретательность, необходимую для решения различных задач — от стабилизации экономик до спасения жизней.
Практический пример 3: Генеративный ИИ для устойчивых городов
Урбанизация ускоряется, особенно в развивающихся странах, что приводит к таким проблемам, как заторы на дорогах, загрязнение и утрата зеленых зон. Как мы можем проектировать города, которые будут не только функциональными, но и устойчивыми? Генеративный ИИ,
Революция в педагогических подходах с
помощью искусственного интеллекта
Как преподаватель инженерного факультета,
который адаптировался к педагогическим
методикам, ориентированным на студента, включая перевернутую и активную учебу в
течение своей трехдесятилетней карьеры, я был заинтересован в пилотном проекте
использования чат-бота на основе
искусственного интеллекта (ИИ) для улучшения учебного опыта студентов. Я заметил, что
интеграция ИИ в образовательную среду
становится катализатором глубоких
изменений в том, как различные учащиеся
взаимодействуют с учебным материалом и
более активно вовлекаются в процесс
обучения. Благодаря возможности создавать
чат-ботов, ориентированных на конкретные курсы и темы, ИИ все чаще используется для
предоставления индивидуализированных образовательных опытов для студентов. В
этой статье рассматривается внедрение
чат-бота в качестве помощника
преподавателя в инженерном курсе на Колледже инженерии Университета Майами (UM). Изучая
его способность разъяснять сложные концепции, отвечать на вопросы студентов в
любое время дня и повышать вовлеченность, этот пилотный проект вносит вклад в растущий дискурс о роли ИИ в высшем
образовании. Результаты, поддержанные
отзывами студентов и научными
исследованиями, подчеркивают его
преобразующий потенциал.
Чат-боты на базе ИИ: Сдвиг парадигмы в образовании
Внедрение чат-ботов на базе ИИ
представляет собой значительный сдвиг в
методах образовательной поддержки,
обусловленный стремлением улучшить
обучение студентов через технологические
инновации. Как преподаватель инженерного факультета, я вижу основное применение чат-ботов в разъяснении и объяснении
концепций, а не в решении проблем. Мое решение протестировать чат-бота было основано на исследованиях, таких как работы Tyton Partners, подчеркивающих потенциал ИИ для повышения академической вовлеченности. Одновременно, данные из Youth Today отмечают растущую зависимость учащихся от решений
информационных нужд. Как подчеркивает The Chronicle of Higher Education, оснащение преподавателей необходимыми навыками для эффективного использования инструментов ИИ имеет решающее значение для устойчивого успеха поколения студентов, полагающихся на решения на базе ИИ. Участвуя в профессиональных развивающих семинарах в UM, я смог создать, протестировать и
внедрить чат-ботов для своих инженерных классов в этом году. В инженерном
образовании, где важно освоение сложных
теоретических и практических концепций, я обнаружил, что чат-боты предлагают адаптивный, увлекательный и, что важнее всего, доступный способ для студентов задавать вопросы по учебному материалу. Присутствие как традиционных, так и нетрадиционных студентов в классе также показало, что оба типа студентов извлекли пользу от чат-бота, при этом студенты, работающие полный рабочий день, получали наибольшую выгоду. Чат-бот стал эффективной альтернативой
приведение примеров лучших инженерных практик и извлечение информации из предыдущих
взаимодействий для персонализации поддержки.
С точки зрения преподавания, чтобы вывести результаты работы чат-бота в соответствие с целями курса, потребовались значительные
первоначальные вложения в проектирование
подсказок и настройку через итеративные
вопросы и ответы, при этом чат-боту было
поручено делиться своими источниками. После
периода тестирования чат-бот был готов к
пилотному запуску с моими студентами.
Удивленные увидев ссылку на чат-бота в
программе курса, студенты были заинтригованы, так как им представили чат-бот как
дополнительный инструмент, предназначенный
для дополнения, а не замены традиционных
методов преподавания.
Ключевые возможности чат-бота, специфичного
для курса, включали:
• Детальное объяснение инженерных
принципов.
• Предоставление кратких резюме основных
моментов темы.
• Обеспечение оперативных ответов на концептуальные вопросы вне запланированных часов занятий, что было наиболее значимым аспектом.
Студентов побуждали регулярно использовать чат-бота через
мере продвижения семестра
разговоры становились более естественными, с семью-восьмью вопросами по различным темам курса.
Эмпирические данные на основе отзывов студентов
Структурированное анкетирование, проведенное в конце семестра среди всех студентов, выявило убедительные тенденции: • Повышение эффективности обучения: 67% студентов сильно согласились и 33% согласились с тем, что чат-бот
способствовал более глубокому пониманию сложного материала и улучшил их общий учебный опыт. Им понравилось
взаимодействовать с чат-ботом.
• Академическая уверенность: 67% участников сильно согласились и 33% согласились с тем, что чат-бот положительно повлиял на их развитие как более способных и уверенных студентов. Чат-бот был обучен иметь менталитет роста и вежливый тон, что было тепло воспринято студентами.
• Универсальная поддержка: 100% респондентов в опросе высказались за продолжение интеграции чат-ботов в
будущие версии курса.
Качественные отзывы студентов еще раз
продемонстрировали влияние чат-бота и его потенциал для будущих занятий:
• «Это было действительно полезно... Была некоторая информация, которую я постоянно забывала, и чат-бот всегда мог вернуть информацию с предыдущих сессий. Это определенно инструмент, который может быть полезен для студентов, не для списывания или выполнения заданий за них, а для помощи им с частями, которые они могли не понять».
• «Как работающая мать-одиночка, работающая полный рабочий день, чат-бот позволил мне продолжить свое образование... Я была в ситуации, когда я отставала в своей курсовой работе, и думала бросить свои курсы. Взаимодействие с чат-ботом в поздние часы сыграло
Преимущества интеграции ИИ в
инженерное образование
Вклад чат-бота вышел за рамки удовлетворения
непосредственных академических
потребностей, предоставив более широкие
педагогические преимущества:
• Непрерывная доступность: его доступность 24 часа в сутки и семь дней в неделю позволила студентам искать разъяснения и закрепление тем независимо от времени и местоположения.
• Персонализированное обучение: используя данные взаимодействия, чат-бот предлагал детальные рекомендации, адаптированные к индивидуальным траекториям обучения. Как преподаватель, который разработал чат-бот, имея возможность анонимно
Представление будущего обучения с использованием ИИ
Развертывание чат-бота в роли помощника преподавателя на инженерном курсе принесло неожиданные ценные выводы о потенциале ИИ для дополнения традиционных педагогических подходов. Хотя чат-бот не может заменить глубину человеческого обучения, он оказался незаменимым дополнением, улучшая доступность, вовлеченность и эффективность. Отзывы студентов
Принятие решений на основе ИИ в Американском университете Рас-эль-Хайма (AURAK):
Профессор Халид, для нас большая радость приветствовать вас в
почетном составе лидеров высшего образования, представленных в UniNewsletter. Мы с нетерпением ждем ваших эксклюзивных взглядов на то, что
обещает стать значимым специальным выпуском, посвященным инженерии и
генеративному ИИ. Могли бы вы начать с того, чтобы поделиться с
нашими читателями вашим
академическим и лидерским путем?
В частности, как ваши
переживания привели к тому, что
вы стали деканом Школы инженерии и вычислительных наук в AURAK?
Мой путь в академической сфере охватывает более трех десятилетий, за которые мне посчастливилось занимать все более
Прежде чем начать свою академическую карьеру, я работал инженером по проектам автомобильного усовершенствования в Motor Industry Research Association (MIRA) в Великобритании, что дало мне бесценные отраслевые знания, оказавшие влияние на мою академическую работу. Я начал свой академический путь в Университете Брэдфорда в Великобритании в 1994 году, где более 20 лет вносил вклад в преподавание и исследования в области инженерии, в итоге став деканом факультета инженерии на три года.
В 2016 году я перешел в Университет Вуллонгонга в Дубае (UOWD) на должность
применить свой обширный опыт академического руководства, чтобы помочь университету пройти через период значительного роста и повышения видимости, с акцентом на глобальную конкурентоспособность и социальное воздействие. AURAK славится своей приверженностью развитию образования
“ “
инженерные программы разработаны с акцентом на ключевые области, которые соответствуют этим глобальным вызовам, включая проектирование, инновации, устойчивое развитие, умные технологии, умные города, возобновляемую энергию и, более недавно, искусственный
Генеративный ИИ представляет собой передовой рубеж технологических инноваций, и его интеграция в наши учебные программы по инженерии и вычислительным наукам полностью соответствует
более широкой цели AURAK по
достижению академического
превосходства и инноваций. Университет давно привержен созданию среды, которая поощряет ориентированное на будущее, исследовательски направленное обучение и развитие выпускников, которые не только являются экспертами в своих областях, но и способны адаптироваться к быстро меняющимся требованиям современных отраслей. Мы не
просто обучаем наших студентов новейшим технологическим инструментам — мы формируем культуру творчества, критического мышления и инноваций, которые являются необходимыми качествами для успеха в быстро меняющемся инженерном
В конечном итоге, генеративный ИИ дополняет миссию AURAK по воспитанию следующего поколения инженеров и технологов, способных возглавить трансформационные изменения как на региональном, так и на глобальном уровне, разрабатывая новаторские решения для самых насущных проблем мира.
Как подчеркивается в этом выпуске, генеративный ИИ революционизирует инженерные процессы, от
является
гордостью
стала первым учебным
заведением в
стране,
предлагающим
полноценную
бакалаврскую
программу по ИИ.
на ИИ, машинном
данных с акцентом на их практическое применение в инженерных контекстах. Эти курсы, а также использование новейших инструментов, таких как ИИ-управляемые симуляции, современные лаборатории, алгоритмы оптимизации и модели предсказательной аналитики, направлены не только на предоставление теоретических знаний, но и на оснащение студентов техническими навыками, необходимыми для применения решений ИИ к реальным инженерным задачам. Какие возможности и вызовы вы видите в интеграции инструментов генеративного ИИ
учебные программы
инженерии, особенно в контексте этических аспектов, сотрудничества и развития навыков?
Интеграция инструментов генеративного ИИ в учебные программы по инженерии открывает массу возможностей для студентов взаимодействовать с одной из самых трансформационных технологий нашего времени. Эти инструменты позволяют студентам инновационно подходить к решению задач, оптимизировать проекты и моделировать решения сложных инженерных проблем способами, которые раньше были немыслимы. Например, инструменты для проектирования на базе ИИ позволяют студентам быстро исследовать множество вариантов дизайна, а платформы для симуляции с ИИ-управлением дают возможность предсказывать поведение материалов и конструкций при различных условиях, что значительно улучшает
студенты освоили основные
концепции инженерии, прежде чем переходить к более специализированным областям, таким как ИИ и аналитика данных. Например, в нашей программе по машиностроению студентам сначала преподаются основные принципы механики и термодинамики, которые
критически важны для понимания того, как ведут себя системы, а затем они знакомятся с более продвинутыми темами, такими как оптимизация проектирования
с использованием ИИ и алгоритмы
машинного обучения для
предсказательного обслуживания. Это обеспечивает не только умение использовать новейшие инструменты, но и понимание основных принципов, которые лежат в основе их применения.
Помимо технической компетентности, мы подчеркиваем важность основных инженерных компетенций, которые выходят за рамки конкретных технологий. Например, системное
мышление, процесс проектирования и научный метод являются ключевыми составляющими нашей учебной программы.
В конечном итоге, наша цель — обеспечить, чтобы студенты стали адаптивными, критически мыслящими специалистами, которые смогут применять как традиционные, так и современные
инженерные инструменты в
реальных сценариях. Основывая студентов на фундаментальных
инженерных принципах,
одновременно знакомя их с
последними технологиями, мы
готовим их быть лидерами,
которые могут стимулировать
инновации в постоянно
меняющемся инженерном ландшафте.
Смотря в будущее, помимо генеративного ИИ, что вы видите
систем, особенно в контексте умных городов, Интернета вещей (IoT) и робототехники. Мы предлагаем специализированные курсы и проекты в этих областях, которые позволяют нашим студентам внести вклад в цифровую трансформацию общества. Наконец, я особенно воодушевлен растущим влиянием биомедицинской инженерии
Спасибо за все ваши мысли,
профессор Халид. В завершение,
какие в целом захватывающие
перспективы открываются для Школы инженерии в AURAK? На что могут рассчитывать текущие и будущие студенты?
Я в восторге от перспектив, которые открываются перед
в будущем, и уверен в
захватывающих
сотрудничества с промышленностью.
Для дальнейшего повышения трудоустройства мы постоянно развиваем наши
образовательные программы, чтобы они соответствовали потребностям отрасли, а также уделяем особое внимание укреплению связи с
“ “
отраслевых занятиях. Я
работаю уже больше 28 лет и занимал около семи разных должностей, в основном в энергетической
компании здесь, в Дубае, а также занимался
консалтингом в далеком прошлом. Моя работа в
основном связана с областью охраны окружающей среды, здоровья и безопасности (EHS), но я также расширил свои знания и в другие области, такие как устойчивое развитие, планирование
бизнес-непрерывности, корпоративное управление, операционное совершенство, рефлексивное обучение и так далее.
Я твердо верю в практическую науку и считаю, что академические знания, если они не применяются на практике в промышленности (т.е. в профессиональной деятельности), иногда напоминают сохранение коробки шоколадок до того, как они станут непригодными. Для каждого должен существовать круговорот обучения и знаний, и
за последние 15 лет я стал уделять гораздо больше внимания именно процессам обучения, а не знаниям как таковым. Я долго размышлял о вопросе успеха и понял, что моими основами для этого стали знания в области инженерии и то, чему меня научила инженерия о «процессе мышления». Первое, чему учат инженера, — это его цель, которая заключается в том, чтобы либо решить проблему, либо найти способ
облегчить жизнь людям. Ты хочешь перебраться с одного берега реки на другой, поэтому мы строим мост.
Так вот, когда строишь мост, помимо очевидных вещей - инженерной математики, физики, расчетов, проектирования и так далее -ты начинаешь понимать все цели, которые он будет служить, и сколько людей он будет обслуживать. После того как определена проблема и рассмотрены возможные решения, следующим шагом идет определение рамок решения. Затем ты оцениваешь различные варианты, понимаешь потребности в ресурсах для реализации решения и строишь решение исходной проблемы. Дьявол кроется в деталях, и ими управляет многопрофильная команда инженеров и архитекторов. Хотя они все
представляют разные дисциплины, они все инженеры, прошедшие обучение по одинаковым основам — некоторые в одних и тех же ключевых предметах, но самое важное,
втором курсе, после чего начали специализироваться. Это были такие курсы, как
изучение энергетики с электриками,
геотехническая инженерия с строителями и
продвинутая термодинамика с механиками.
Прошло 20 лет с тех пор, как я работал на
должности, где мои инженерные навыки были
важной частью роли. Большинство моих коллег в
похожей ситуации, и многие инженеры не
используют свои знания в области инженерии за
пределами первых 5-10 лет своей карьеры. Я —
инженер-эколог, и закончил университет около 30
лет назад, получив степень бакалавра инженерии с
отличием. Выпуск в Кардиффе в Южном Уэльсе, Великобритания, был отличным опытом, потому что всего два-три года до моего поступления программа была направлена на материалы и горное дело. После закрытия большинства шахт, нужно было создавать новый тип инженера — того, кто мог бы решить задачи по очистке следов, оставшихся от горной и добывающей
промышленности. Мы были вынуждены переосмысливать использование земли, оборудования и навыков для будущего!
Инженеры гибкие. От инженерной программы, направленной на строительство и эксплуатацию шахт, до программы, предназначенной для
“Инженеры
инженеры
позднем возрасте заниматься многими другими профессиями, такими как ИТ, финансы, менеджмент и т. д.”
развиты коммуникативные навыки, во многих европейских компаниях 2000-х годов инженеров с разнообразным организационным опытом даже нанимали на должности в отделах кадров.
Я даже использовал свои инженерные навыки для создания компаний. Как эксперт в области управления и лидерства, многие из структурных работ, которые я выполнял, основывались на моем системном инженерном подходе. Будучи директором, проектирование должностей, которые входили в мою компетенцию в области охраны окружающей среды, устойчивого развития, операционного совершенства или морской гарантии, основывалось на тех базовых навыках, рациональном мышлении и подходах, ориентированных на структуру, которым меня обучали и которые я продолжал (в свободное время) изучать на протяжении многих лет.
С приходом мира цифровых технологий, включая мощь искусственного интеллекта (ИИ) и машинного обучения (МЛ), которые рассматриваются в этом специальном выпуске, инженеры, как я считаю, находятся между двумя поколениями. Старшее поколение понимает и ценит первые принципы обучения в инженерии. Когда я учился на инженерном факультете в 90-х, мы еще использовали бумагу и ручки с утяжеленным наконечником для создания инженерных чертежей. На самом деле, я начал использовать очень базовую модель программы AutoCAD в последние годы учебы. Программирование — в то время мы все еще использовали программу под названием Fortran 77, хотя тогда уже начали использовать языки Basic — было одним из тех навыков, которые я больше никогда не использовал
наиболее важным для инженера, так это
понимание и осознание того, что независимо от
использования технологий для помощи в их задачах, они остаются в конечном итоге
ответственными и подотчетными за то, что они, как инженеры, создают. Это чувство ответственности и личной подотчетности не
должно быть утрачено.
Наконец, инженеров часто стигматизируют за
недостаток эмоционального интеллекта и эмпатии. Я согласен с тем, что инженеры могут быть очень рациональными и иногда менее креативными. Однако это не означает, что инженеры не могут эффективно взаимодействовать
инженеры, очень важно заниматься экспериментальным обучением и рефлексивной практикой, развивая свои межличностные навыки, чтобы стать эффективными — в том, чем бы они ни занимались после окончания учебы!
Я бы сказал,
Будучи старшекурсником, обучающимся по специальности «Компьютерная инженерия» в
AURAK, я, как и многие другие в наше время, размышляю о возможностях и рисках, связанных с трендом искусственного интеллекта (ИИ). AURAK, с его прогрессивной философией и культурой, ориентированной на достижения, предоставил мне множество возможностей для непосредственного взаимодействия с различными видами ИИ-сервисов в различных задачах. В этом эссе я поделюсь своими наблюдениями, основанными на опыте, размышляя о роли ИИ в образовании: является ли он инструментом, наставником или искушением?
ИИ обещает трансформационные достижения в
разных областях, и образование не исключение. Размышляя о своем собственном опыте, я благодарен, что такие инструменты, как Chat GPT, не существовали, когда я проходил свой первый курс по программированию. Борьба с ручным отслеживанием ошибок, поиском пропущенных точек с запятой и написанием собственных комментариев к каждой строке, чтобы не забыть ее функциональность, — все это было важными точками на моем пути обучения. Ключевое слово в моем предыдущем предложении — «борьба»; именно борьба сделала важные
моменты обучения незабываемыми. Возможно, какой-то умный химический процесс в моем мозгу
заставил меня больше ценить знания и крепче их
удерживать, поскольку я осознавал, как трудно и
долго мне пришлось их освоить и осмыслить.
Скорость, с которой Chat GPT отвечает на наши вопросы и «решает» наши проблемы, приводит к столь же быстрой утрате того, что мы узнали, и в этом я вижу один из его самых больших рисков.
Внедрение ИИ в мой рабочий процесс было
путешествием, полным скептицизма. Я помню, как долго оставался последним в кругу друзей, кто
открыто использовал его, если вообще использовал. Моя первоначальная сильная
антипатия была вызвана огромной тревогой по
поводу подлинности моей работы и моего собственного образа честности — будь то академической или в другой области. Я часто
студентов.
не менее, несмотря на мои первоначальные сомнения, все более очевидно, что ИИ становится всё более надежным, и отказ от его использования
означает потерю конкурентного преимущества. Я начал замечать, как мои преподаватели открыто обсуждают использование ИИ, и вдруг это уже не казалось таким скандальным или
постыдным. Встал вопрос: использовать его
правильно или отстать, использовать
неправильно и рисковать подорвать карьеру, которую ты едва начал строить. Со временем я научился обращаться к ИИ для таких задач, как
повторное объяснение слайдов, которые не имели смысла для меня, или ответы на
сверхспецифические вопросы, которые обычные поисковые системы не могут решить. Это также ускорило процесс освоения новых языков
программирования, не только написанием высоко
настроенного кода (который иногда не работает), но и объяснением его строки за строкой. Хотя мне и не хватает поисков моих
точек с запятой, ИИ стал своего рода виртуальным наставником: он отвечает
мгновенно и не устает от моих бесконечных
вопросов. Сложилось ощущение, что каждый студент нашего поколения теперь имеет неофициальную вторую специальность в области разработки запросов (Prompt Engineering).
Хотя инструменты ИИ могут быть невероятно полезными, они далеко не совершенны. Одной из их самых больших проблем, например, является создание фиктивных источников для своих утверждений или бессмысленное рассуждение
цветистым языком там, где это неуместно. Сколько раз вы нажимали на ссылку, предложенную Chat GPT, только чтобы оказаться никуда не приведенным? Чтобы эффективно использовать ИИ, нужно освоить
продукт не является надёжным доказательством обучения. Синапсы мозга формируются в те (часто раздражающие) моменты, когда нужно понять, как выразить свои идеи или найти недостающую часть уравнения, и пропуск этого шага с помощью ИИ-сокращений подрывает развитие критического мышления. Взаимодействуя с инструментами ИИ ежедневно, я сознательно стараюсь не позволять им захватывать мой творческий процесс или делать «размышления» за меня. Автор Жоанна Мацеевска сказала: «Я хочу, чтобы ИИ стирал мне бельё и мыл посуду, чтобы я могла заниматься искусством и писательством, а не чтобы ИИ занимался моим искусством и
писательством, пока я занимаюсь стиркой и мытьём посуды», и это меня глубоко тронуло. Инжиниринг, по крайней мере, с точки зрения проектирования, ведь в конце концов, это форма искусства.
Ещё до появления ИИ система образования требовала значительных изменений. Возможно, ИИ станет катализатором, который, наконец, принесёт те изменения, которые заслуживают будущие поколения. Оглядываясь вперёд, я не опасаюсь, что ИИ «захватит» мою будущую работу. Один из моих преподавателей сказал нам на занятии, что изобретение Chat GPT для программистов — это как изобретение калькуляторов для математиков. Это ускоряет процесс, позволяя нам сосредоточиться на решении важных проблем, а не тратить время на повторяющиеся задачи. ИИ, в своей основе, является инструментом — мощным инструментом, который может повысить производительность, упростить рабочие процессы и открыть новые пути для возможности и вдохновения. Он побуждает нас пересмотреть традиционные структуры, позволяя инженерам исследовать неизведанные территории более эффективно. Для меня, как для человека, который пережил «взрыв» ИИ прямо в середине своего образования, очевидно, что использование ИИ должно быть ограничено базовыми курсами. Вместо этого инструменты ИИ следует использовать
Подготовка
Энн-Гаэль Колом Помощник руководителя школы и директор по обучению и преподаванию, Школа компьютерных наук и инженерии, Вестминстерский университет, Лондон, Великобритания
Генеративный ИИ производит революцию в разработке программного обеспечения,
разработчикам писать код и создавать прототипы приложений гораздо быстрее, чем это было возможно ранее. Эти
достижения приносят значительный рост эффективности, но также сигнализируют о
грядущем изменении требуемых навыков для разработчиков программного обеспечения. В
конечном итоге, генеративный ИИ
переопределит роли разработчиков
программного обеспечения и возлагаемые на них
ожидания. Для будущих студентов, родителей и
педагогов понимание этих изменений имеет решающее значение для подготовки к будущему.
Инструменты ИИ, такие как GitHub Copilot, Chat GPT и Cursor, отлично справляются с созданием высокомодульного кода и решением ранее выявленных или четко определенных проблем. Это означает, что спрос на младших разработчиков, которые традиционно сосредоточены на этих задачах, снижается. Компании переходят от найма младших разработчиков к поиску профессионалов с
другим и более продвинутым набором навыков
для разработки новых рабочих процессов, включающих интеграцию ИИ.
Чтобы оставаться актуальными,
разработчикам необходимо будет уметь просматривать, оценивать, улучшать и интегрировать код, сгенерированный ИИ, в
сложные системы. Это также касается студентов, пытающихся присоединиться к
профессии. Потребность в разработке ими
прочной основы принципов компьютерной науки
никогда не была выше.
Низкоквалифицированные разработчики будут
полностью заменены ИИ, и вместо этого мы
ожидаем большую потребность в людях для
выполнения ролей, требующих критического
мышления и стратегического надзора.
Позвольте мне объяснить, почему.
Можно утверждать, что ИИ значительно
повышает эффективность и возможности
всех кодеров. Однако правда может быть
В
конечном итоге, генеративный ИИ
переопределит роли разработчиков программного обеспечения
и возлагаемые на них ожидания. Для будущих студентов, родителей и педагогов понимание этих
изменений имеет
решающее значение для подготовки к будущему
несколько иной. Кодеры с большим опытом в создании сложных решений научились предвидеть, распознавать и решать проблемы. Они могут использовать ИИ как инструмент для быстрого создания различных прототипных решений, которые они могут оспаривать, тестировать и оптимизировать, расширяя свои знания в процессе. Они также понимают важность поддерживаемости кода. В результате они постоянно критически оценивают и совершенствуют предложения, сгенерированные ИИ, чтобы гарантировать качество и сосредоточиться на сложных архитектурных решениях и стратегической интеграции. Другими словами, опытные разработчики используют ИИ для ускорения процесса внедрения решений, которые они спроектировали, спроектировали или, по крайней мере, полностью понимают.
Для студентов и начинающих разработчиков кодирование с помощью ИИ поначалу выглядит как магия. ИИ действительно способен создавать прототипы за считанные минуты и реализовывать большинство частей
требований обычного реального приложения. В результате соблазн чрезмерно полагаться на ИИ огромен. Традиционный процесс обучения разработке программного обеспечения включает написание кода с нуля, его тестирование, совершение ошибок,
Генеративный ИИ может сократить этот процесс, предоставляя готовые решения. Когда студенты в значительной степени полагаются на код, сгенерированный ИИ, они упускают возможности полностью понять логику, структуру и нюансы программирования. Борьба с проблемой и обучение ее преодолению — это то, что формирует устойчивость и опыт, необходимые для решения более сложных задач в будущем. Таким образом, без преднамеренных усилий младшие разработчики рискуют упустить базовые принципы компьютерной науки и глубокий опыт решения проблем, способствующий росту.
Образовательные учреждения должны всегда адаптировать свои учебные программы с учетом тенденций отрасли, и это особенно актуально в данном случае. Традиционные навыки кодирования остаются важными, но теперь их необходимо
дополнять:
• Грамотность в области ИИ: понимание того,
как интегрировать и оптимизировать
инструменты ИИ в рабочие процессы.
• Критическое мышление и креативность: оценка и уточнение результатов, созданных
ИИ, для точности и релевантности.
• Этическая осведомленность: устранение предубеждений и обеспечение
ответственного использования ИИ.
• Понимание проблем: развитие глубокого
понимания проблем для эффективного
руководства ИИ при создании
индивидуальных решений.
• Инженерия подсказок: обучение написанию точных и эффективных подсказок для управления инструментами ИИ.
Обучение на рабочем месте, например, внедрение идей из практик на рабочем месте и того, как работают старшие разработчики, может дополнительно подготовить студентов к
реальным задачам. Как обсуждалось ранее, старшие разработчики
кода. Например, курсовая работа может включать:
• Парное программирование ИИ-студент, где студенты сотрудничают с ИИ для написания кода. Партнер ИИ генерирует решения, но студент дорабатывает и дополняет код, особенно в ситуациях, когда выходные данные ИИ неполны или содержат ошибки.
• Критический анализ выходных данных, сгенерированных ИИ, где студенты должны выявлять потенциальные ошибки и области для оптимизации.
• Работа с API, где студенты должны решать проблемы, работая с обновленными API, о которых ИИ «не знал» и которые имели плохую обратную совместимость, что приводило к ошибкам или ошибкам.
• Моделирование профессиональной среды, в которой студенты управляют рабочими процессами с использованием искусственного интеллекта, контролируют качество кода, обеспечивают правильность и подтверждают, что он будет работать в критически важном сценарии.
Студенты также должны использовать ИИ как мощный инструмент обучения. С помощью ИИ они могут экспериментировать с концепциями кодирования, генерировать примеры и отлаживать свои проекты. Это позволяет студентам укреплять свое понимание, а также развивать навыки самостоятельного решения проблем, необходимые для долгосрочного успеха. Поскольку генеративный ИИ становится неотъемлемой частью разработки программного обеспечения, справедливый доступ к этим ресурсам имеет решающее значение. Расширенные модели ИИ часто требуют платных подписок, что создает неравенство между студентами. Университеты и колледжи должны рассмотреть возможность предоставления институциональных лицензий, чтобы гарантировать всем студентам возможность развивать навыки
Использование генеративного ИИ в разработке программного
обеспечения больше не
является вариантом, это необходимо
ответственной адаптации к развитию на основе ИИ. Это включает в себя рассмотрение таких вопросов, как интеллектуальная собственность, предвзятость в моделях ИИ и социальное влияние автоматизации.
Использование генеративного ИИ в разработке ПО больше не является вариантом, это необходимо. Однако, чтобы преуспеть в этой меняющейся среде, начинающие разработчики должны соблюдать баланс и проявлять осторожность. Хотя инструменты ИИ являются мощными, они пока не могут заменить творческие и аналитические способности хорошо подготовленного разработчика, способного выявлять несовершенные или неполные решения, предлагаемые ИИ.
Студентам также необходимо изменить свое мышление. Поскольку ИИ теперь превосходит среднестатистического разработчика и тех, у кого нет продвинутых навыков, для начинающих разработчиков важно усердно работать и полностью посвятить себя
освоению основ. Студенты должны заниматься проектным обучением, изучать новые технологии, совершать ошибки и
учиться на них, чтобы развивать
креативность и устойчивость, необходимые для адаптации к этой динамичной области.
В заключение, генеративный ИИ является преобразующей силой в разработке программного обеспечения. Он предлагает как проблемы, так и возможности
