Освітня модель засвоєння етапів генеративного штучного інтелекту
DOI:
https://doi.org/10.33099/2304-2745/2025-3-86/79-86Ключові слова:
Генеративний штучний інтелект; цифрові технології; освітня модель; глибоке навчання; генеративні мережі; цифрова трансформація; штучні нейронні мережі.Анотація
Генеративний ШІ ‑ це технологічний інструмент та новий підхід до освітнього процесу в підготовці (тренуванні) офіцерів органів військового управління (штабів), що діють в складному, динамічному та непередбачуваному середовищі. Освоєння генеративного ШІ залишається складним завданням, особливо для початківців та спеціалістів інших галузей. Основною причиною можна визначити ‑ високий поріг входження, який передбачає опанування знань з математики, програмування, принципів машинного навчання, особливостей глибоких нейронних мереж, а також усвідомлення потенційних соціальних та безпекових ризиків.
Мета статті – розроблення освітньої моделі поетапного засвоєння генеративного штучного інтелекту, в якій поєднано технічну підготовку, спеціалізовані знання з глибокого навчання та розуміння застосування штучного інтелекту.
На відміну від дискримінативних моделей, які вирішують задачі класифікації або регресії, генеративні моделі навчаються повному або спільному розподілу даних. Це дозволяє їм відтворювати нові об’єкти, подібні до тих, що містяться в навчальній вибірці. Завдяки цій здатності до генерації контенту ‑ текстів, зображень, звукових сигналів чи коду ‑ ГШІ набуває широкого застосування в освіті, креативних індустріях, охороні здоров’я, сфері безпеки та управлінні.
У межах проведеного дослідження запропоновано освітню модель поетапного засвоєння генеративного штучного інтелекту (ГШІ), що поєднує технічну, методологічну, когнітивну та етичну компоненти. У розробленій моделі враховано сучасні вимогам цифрової трансформації освіти, що сприяє формуванню цілісних компетентностей у сфері ШІ. Модель орієнтована на розвиток навичок, релевантних до реальних викликів, а також узгоджена з вимогами існуючих міжнародних та вітчизняних нормативно-правових документів, що підтверджує її значущість.
Посилання
Sordo Z., Chagnon E., Ushizima D. A review on generative AI for text-to-image and image-to-image generation and implications to scientific images // arXiv preprint. 2025. arXiv:2502.21151. URL: https://arxiv.org/ pdf/2502.21151 (дата звернення: 17.10.2025).
Про схвалення Концепції розвитку штучного інтелекту в Україні : Розпорядження Кабінету Міністрів України від 02.12.2020 № 1556-р. URL: https://zakon.rada.gov.ua/laws/show/1556-2020-%D1%80#Text (дата звернення: 17.10.2025).
European Parliament, Council of the European Union. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) and amending certain Union legislative acts // Official Journal of the European Union. 2024. URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32024R1689 (дата звернення: 17.10.2025).
Prather J., Reeves B., Leinonen J., MacNeil S., Randrianasolo A. S., Becker B., Kimmel B., Wright J., Briggs B. The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers // arXiv preprint. 2024. arXiv:2405.17739. DOI: https://doi.org/10.48550/ arXiv.2405.17739.
McDonald N., Johri A., Ali A., Hingle A. Generative Artificial Intelligence in Higher Education: Evidence from an Analysis of Institutional Policies and Guidelines // arXiv preprint. 2024. arXiv:2402.01659. DOI: https://doi.org/10.48550/arXiv.2402.01659.
Yan L., Tang J., Zhang Y., Wang S. Practical and ethical challenges of large language models in education // arXiv preprint. 2023. arXiv:2303.13379. DOI: https://doi.org/10.48550/arXiv.2303.13379.
Mittal S., Sharma R., Verma A. A comprehensive review on generative AI for education (UNESCO MGIEP Working Paper No. 03/2023). Paris : United Nations Educational, Scientific and Cultural Organization (UNESCO), 2023. DOI: https://doi.org/10.54675/EWZM9535.
McCall A. Applications of generative AI in the creative sector // ResearchGate. 2024. URL: https://www.researchgate.net/publication/386050395 (дата звернення: 17.10.2025).
Chakraborty S. Generative AI in modern
education society // arXiv preprint. 2024. arXiv:2412.08666. URL: https://arxiv.org/pdf/ 2412.08666 (дата звернення: 17.10.2025).
Anderson L. W., Krathwohl D. R. (Eds.) // A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. New York : Longman, 2001. URL: https://www.quincycollege.edu/wp-content/uploads/Anderson-and-Krathwohl_Revised-Blooms-Taxonomy.pdf (дата звернення: 17.10.2025).
Hart S. G., Staveland L. E. Development of NASA-TLX (Task Load Index): Results of empirical and theoretical research // Advances in Psychology. 1988. Vol. 52. P. 139–183. DOI: https://doi.org/10.1016/S0166-4115(08)62386-9.
Radanliev P., Santos O., Ani U. D. Generative AI cybersecurity and resilience // Frontiers in Artificial Intelligence. 2025. Vol. 8. Article №1568360. DOI: https://doi.org/10.3389/frai.2025.1568360.
Addepto Blog.. Multimodal AI Models // Understanding Their Complexity. 2024. URL: https://addepto.com/blog/multimodal-ai-models-understanding-their-complexity. (дата звернення: 17.10.2025).
Milvus. What are some challenges in training multimodal AI models? // Milvus AI Quick Reference. 2024. URL: https://milvus.io/ai-quick-reference/what-are-some-challenges-in-training-multimodal-ai-models (дата звернення: 17.10.2025).
