Apple приобрела парижский стартап в области искусственного интеллекта Datakalab в рамках реализации своего проекта по развёртыванию средств ИИ с локальной обработкой данных на устройствах. Генеративный ИИ — тип системы искусственного интеллекта, способной создавать текст, изображения и другой контент на основе данных, на которых выполнено обучение. Вадим Ветров: Конечно же, задания по искусственному интеллекту — последняя и предпоследняя задачи, направленные на машинное обучение и на рекомендательные системы.
Вы находитесь здесь: итоги 2023 года в сфере ИИ
Руководитель департамента больших данных и информационного поиска ВШЭ Евгений Соколов заявил СМИ, что «сейчас абсолютно все студенты бакалавриата изучают цифровую грамотность, программирование и анализ данных». По его словам, текущие курсы по ИИ разработаны под каждую программу, например, историки скорее учатся писать небольшие скрипты на Python и обрабатывать табличные данные с их помощью, а студенты факультета компьютерных наук изучают машинное и глубинное обучение. После публикации нового единого образовательного модуля по ИИ в вузе также задумались об объединении учебных программ по ИИ в отдельный блок. Он просто проверил систему на прочность, на мой взгляд. Это первый момент. А второй очень важный момент: вот такого рода ситуации, случающиеся внезапно, — хотя вроде бы об искусственном интеллекте, о нейросети и о её возможностях известно давно, показывают, что университетам надо перестраиваться.
А сильный искусственный интеллект будет действовать по-другому. Например, у вас есть самообучающаяся нейросеть, и она обучается на речи пользователей. Ей давали сначала речь профессоров, девочек в колл-центре, учащихся, а потом стали давать речь работяг на лесоповале. Она сразу поймёт, что это тоже речь, и что эта речь не распознается — значит, задача требует срочного решения.
Она предпримет все усилия, чтобы собрать как можно больше данных про эту нераспознанную речь. Нейросеть будет стремиться собрать как можно больше обсценной лексики отовсюду. Нейросеть будет лучше обучаться, когда у неё будет больше данных. Всё, что связано с человеческой культурой, с высшей математикой, с науками, будет иметь низший приоритет для неё. А потому, что эту задачу решить просто, а нужно решать дальнейшие задачи, которые не решены. Что самое главное при работе с ИИ? Самое главное — правильно задавать вопросы к данным. И вот этому нужно учиться и самим родителям, и учить этому детей. То есть формулировать вопросы, формулировать гипотезы, проверять эти вопросы и гипотезы на данных.
Задавать эти вопросы тем же нейросетям, искусственному интеллекту. Смотреть, что они выдадут. Переформулировать вопросы, по-новому задавать до тех пор, пока у вас не получится. Вот это умение задавать правильные вопросы было так же важно в XIX веке, как и сейчас. Ничего кардинально не изменилось. Просто сейчас мы можем задавать вопросы не только старинным фолиантам и ученым, профессорам, но и нейросетям. Как сегодня к этому приспособиться детям и родителям? Думаю, что родители ничего с этим сделать не смогут. И запрещать тоже не особо полезно.
Может быть, даже наоборот: стоит погрузиться вместе с ребёнком в этот сервис, посмотреть, как он работает. Я бы наоборот поощрял использование ИИ для самостоятельной подготовки — если говорить о семейном образовании, где родители занимаются детьми и используют продвинутые площадки для обучения. В подавляющем большинстве школ есть стандартный, понятный шаблон, по которому дети обучаются. И в основном наше обучение — это возможность понять, усвоить эти шаблоны и потом их применять. На этом всё заканчивается. Если мы говорим о семейном образовании или образовании в частных школах, то это другой подход. Здесь ИИ уместно применять. Уже известный сервис ChatGPT, или ресурс похожий на него, — Perplexity, который может применяться в России и доступен на русском языке. Если вы его запускаете в Яндекс-браузере, который автоматически всё переводит на русский, то сервис принесёт пользу.
К тому же нейросеть Perplexity даёт ссылки по поводу того, откуда она взяла ответ и почему так считает. И если мы говорим об альтернативном обучении, то сервис будет помогать детям. Подготовка к уроку и сам урок — это разные вещи. Если на уроке ты должен продемонстрировать, как усвоил данный тебе на дом шаблон, то тогда никакой ChatGPT не нужен. Потому что шаблон нужно демонстрировать так, как он был тебе дан. Но если у нас урок носит дискурсивный формат: формат общения и рассуждения, тогда необходимо готовиться самому. И целый ряд школьных предметов, если их готовить правильно, поможет проявить навыки аналитического мышления, критического мышления, системного мышления. Например, с помощью нейросетей-советчиков можно удобно готовиться к форматам вроде «перевёрнутого класса» самостоятельно. Причем делать это прямо в классе и в команде.
Тут даже не родители, а образовательная среда должна отвечать вызовам этого технологического новшества.
Перцептрон можно использовать только для классификации данных на две группы. Из-за ограниченных возможностей такие нейронные сети в наше время практически не используются. Сигнал поступает во входной слой и сразу же отправляется к выходному, где происходят вычисления.
Связь между нейронами входного и выходного слоев обеспечивают синапсы. Помимо входного и выходного слоев, в таких нейронных сетях есть еще несколько скрытых промежуточных. Обработка информации и вычисления производятся на нескольких этапах, поэтому решения, предлагаемые такими сетями, более точные. В структуру таких нейросетей входят два дополнительных слоя - сверточные и объединяющие.
Сверточные нейронные сети используются для обработки изображений, картинок и фото. В эту группу входят нейросети, способные что-то создавать. Это, к примеру, генераторы картинок или текстов. Еще одна классификация делит нейросети на однонаправленные и реккурентные в зависимости от распределения данных по синапсам: Однонаправленные прямого распространения.
Сигнал движется от входного слоя к выходному, обратного движения нет. Нейросети такого типа используют для распознавания речи, кластеризации, составления прогнозов. Реккурентные с обратными связями. Реккурентные нейронные сети предполагают, что любое количество сигналов может перемещаться в разных направлениях, в том числе от выхода к входу.
По типам нейронов сети могут быть однородными или гибридными. Первые состоят из нейронов одного типа, вторые сочетают несколько классов нейронов. По характеру настройки синапсов нейронные сети бывают с фиксированными либо с динамическими связями. Сферы применения нейросетей Разные варианты нейросетей создаются для решения нескольких типов различных задач: Задачи Классификация — отнесение объектов к нужному классу.
Регрессия — предсказывание результата в виде чисел например, стоимости дома в зависимости от его площади и района, в котором он расположен. Распознавание — выделение объекта среди огромного множества других похожих пример - сеть может выделить конкретное лицо в толпе. Кластеризация — разделение объектов на несколько групп по какому-либо признаку, неизвестному ранее. Это, например, разбивка документов на разные классы.
Генерация — рождение чего-то нового в рамках заданной тематики. Прогнозирование — на основе полученных данных искусственный интеллект формулирует прогнозы по заданной теме на определенное время. В зависимости от задачи, которую могут решать искусственные нейронные сети она у каждого своя , они используются в разных областях. Перечислим сферы, где они наиболее востребованы: Медицина.
Искусственный интеллект помогает обрабатывать снимки и другие данные исследований и тем самым позволяет врачам устанавливать точный диагноз, при этом тратить меньше времени. Преподаватели с помощью искусственных сетей имеют возможность быстрее проверять домашние задания, за короткое время составлять сложные презентации и планы уроков. Нейросети создают изображения, произведения литературы и музыку. Строительство и архитектура.
Исследования по искусственным нейронным сетям обусловлены тем, что метод обработки информации мозгом существенно отличается от методов, реализованных в компьютерах. Мозг обладает совершенной структурой, которая позволяет создавать индивидуальны правила, основанные на накопленном с течением времени опыте. Развитие нейронов основывается на пластичности мозга — способности адаптации нервной системы в соответствии с условиями окружающей среды. Искусственная нейронная сеть — это машина, которая моделирует способ обработки мозгом конкретной задачи. Такая сеть обычно реализуется с помощью электронных компонентов или моделируется компьютерной программой. Для того чтобы добиться высокой производительности, нейронные сети используют множество взаимосвязей между элементарными ячейками вычислений — нейроны. Искусственная нейронная сеть — это громадный распределенный параллельный процессор, состоящий из элементарных единиц обработки информации, накапливающих экспериментальные знания и предоставляющих их для последующей обработки. Искусственная нейронная сеть сходна с мозгом по следующим параметрам: — знания, используемые искусственной нейронной сетью в процессе обучения, поступают в нее из окружающей среды; — для накопления знаний используются синаптические веса — связи между нейронами.
Преимущества нейронных сетей, во-первых, обусловлены возможностью распараллеливания обработки информации и, во-вторых, самообучением, т. Указанные преимущества позволяют искусственным нейронным сетям решать сложные задачи, считающиеся на сегодняшний день трудноразрешимыми. Использование нейронных сетей обеспечивает следующие полезные свойства систем. Отображение входной информации в выходную. Адаптивность к изменениям окружающей среды. Очевидность ответа. Отказоустойчивость: при неблагоприятных условиях производительность нейронных сетей падает незначительно. Эффективная реализуемость на сверхбольших интегральных схемах.
Единообразие анализа и проектирования, что позволяет одно и то же проектное решение нейронной сети использовать во многих предметных областях. Аналогия с нейробиологией. Суть задачи заключается в определении принадлежности входного образа, представленного вектором признаков, одному или нескольким предварительно определенным классам. Решение данного класса задач основано на подобии образов и размещении близких образов в одном кластере. Суть задачи: пусть имеется обучающая выборка X 1 , Y 2 , X 2 , Y 2 ,... Суть задачи: найти максимальное или минимальное значение целевой функции, удовлетворяющее системе ограничений. Следовательно, с помощью искусственных нейронных сетей можно решать задачи из разнообразных областей, а именно: обработка зашумленных данных, распознавание и дополнение образов, распознавание речи, ассоциативный поиск, абстрагирование, классификация, прогнозирование, оптимизация, составление расписаний, диагностика, обработка сигналов, управление процессами, сегментация сигналов и данных, моделирование сложных процессов, сжатие информации, машинное зрение. Как уже отмечалось ранее, основное преимущество искусственных нейронных сетей заключается в том, что они строят модель на основе предъявленной информации, т.
Именно по этой причине искусственные нейронные сети широко применяются в тех области человеческой деятельности, где есть плохо алгоритмизуемые задачи. Например: — Ввод и обработка информации: распознавание рукописных текстов, отсканированных почтовых, платежных, финансовых и бухгалтерских документов.
ЕГЭ будет проверять нейросеть: как искусственный интеллект стал частью госэкзаменов в России
Аппаратная реализация искусственных нейронных сетей. Искусственные нейронные сети (ИНС), навеянные вычислительными и коммуникативными способностями мозга человека, являются значительной парадигмой в машинном обучении. Проходят обучение программированию нейронных сетей. Генеративный ИИ — тип системы искусственного интеллекта, способной создавать текст, изображения и другой контент на основе данных, на которых выполнено обучение. Основы искусственного интеллекта и нейронные сети от корпорации «Синергия».
Живут своим умом: российские нейросети бросили вызов ChatGPT и Midjourney
| Курс "Нейронные сети и их применение в научных исследованиях" | Искусственный интеллект (ИИ) все активнее внедряется в различные отрасли, включая образование. |
| ChatGPT, Lexica и другие нейросети: мнение учителей о новых инструментах в руках школьников | Искусственный интеллект Gemini от Google превзошел всех людей и нейросети в 57 науках. |
| ТОП-10 актуальных курсов по нейросетям и искусственному интеллекту (AI) в 2024 году | Уже скоро мы узнаем, можно ли списать под присмотром искусственного интеллекта и кто оценивает строже — учитель или нейросеть. |
| Искусственный интеллект | Университет 2035 | » предлагает обучение по теме искусственного интеллекта в искусстве. |
| Виртуальный учитель: как ИИ меняет образование | Учить ИИ разуму: как нейросети влияют на сферу образования. |
Что умеет самая умная нейросеть на Земле и почему недовольны разработчики искусственного интеллекта
После завершения первого мини-проекта и начинается настоящее изучение. Выпускник 3-го потока курса Аспирант Физического факультета МГУ Очень интересный и модный практически-ориентированный курс. Задач для машинного обучения в моей лаборатории оказалось уйма, и не будет преувеличением сказать, что этот курс изменил нашу научную группу.
Почти все эксперты высоко оценили работу, проделанную датасайентистами OpenAI Так по оценке технического директора компании Cloud, Федора Прохорова, GPT4 - это действительно значительный шаг вперед в области универсальных ML-моделей. Однако, несмотря на впечатляющие характеристики GPT4, у сообщества ИИ-разработчиков возникли вопросы к Open AI, которая практически не предоставила никакой информации о данных, используемых для обучения системы, затратах на разработку и обучение, характеристиках оборудования и методах, использованных для создания GPT-4. Закрытый подход является самым заметным за последнее годы изменением политики OpenAI, которая была основана в 2015 году небольшой группой экспертов и бизнесменов, и в которую входили нынешний генеральный директор Сэм Альтман, генеральный директор Tesla Илон Маск ушел из совета директоров в 2018 году и исследователь ИИ Илья Суцкевер.
Изначально OpenAI позиционировалась, как некоммерческая организация, но позже стала "компанией с ограниченной прибылью". Это было сделано для того чтобы обеспечить миллиардные инвестиции от Microsoft, с которой было заключено эксклюзивное партнерство. На вопрос издания The Verge, почему OpenAI изменила свой подход к публикации своих исследований, главный научный сотрудник и соучредитель OpenAI Суцкевер ответил: " Если вы, как и мы, верите, что в какой-то момент ИИ - станет чрезвычайно, невероятно мощным, тогда в открытом исходном коде просто нет смысла. Это плохая идея… Я полностью ожидаю, что через несколько лет всем станет совершенно очевидно, что ИИ с открытым исходным кодом просто неразумен". Многие в сообществе ИИ раскритиковали это решение, отметив, что оно подрывает дух компании OpenAI, как исследовательской организации и затрудняет повторение ее работы другими исследователями.
Также важно, что это мешает разработке средств защиты от угроз, исходящих от такой мощной ИИ-системы, как GPT-4. Эксперты отмечают, что ИИ прогрессирует столь быстро, что бизнес, сообщество и государство не успевают адекватно оценить уровень рисков, который несут подобные нейросети.
Несмотря на то, что GPT-4 самая мощная и совершенная версия искусственного интеллекта, ее презентация вызвала не только восторг специалистов по работе с данными, но и вопросы к Open AI. GPT-4 понимает очень сложные запросы, сформулированные на 26 языках с большим количеством нюансов.
Этого удалось добиться благодаря увеличению лимита слов в запросе. Модель обрабатывает до 25 тысяч слов GPT-3. Более чем трехкратное увеличение напрямую влияет на детализацию, которую можно использовать при постановке задач. Глубину понимания запросов и контекста ярко демонстрируют успешно сданные нейросетью экзамены и стандартизированные тесты в коллегию адвокатов, университеты и другие организации.
GPT-4 проходила тесты и сдавала экзамены без специальной подготовки и дообучения. GPT-4 стала мультимодальной и теперь понимает не только тексты, но и изображения в качестве вводимой информации. Причем возможности GPT-4 при считывании изображений выходят за рамки простой интерпретации. Во время демонстрации своих возможностей модель распознала эскиз сайта, нарисованный от руки в качестве техзадания, написала HTML-код и JavaScript и превратила эскиз в веб-сайт.
В 2022 году в открытом доступе также появилась модель YaLM 100B на 100 млрд, которая умеет генерировать тексты на русском и английском языках. Это самые мощные суперкомпьютеры в России и Восточной Европе. У нас очень сильная команда разработчиков и экспертов в области машинного обучения, которая постоянно расширяется", — поделился собеседник "ДП". ИИ повсюду Дмитрий Иванков, эксперт Центра искусственного интеллекта СКБ "Контур", отмечает, что есть ещё множество российских нейросетей, на которые стоит обратить внимание.
Это приложение для генерации изображений, которое после выпуска, а также благодаря хорошему продвижению попало в топ—чарт российского App Store. При этом обучение модели всё ещё продолжается для бета—версии было использовано 240 млн примеров картинок из 500 млн доступных компании. И разработчики обещают в дальнейшем поэтапно улучшать качество получаемых изображений. Вячеслав Борисов, владелец продукта "Сфера.
Данная сеть может повышать качество и разрешение видео", — говорит эксперт. Многие опрошенные эксперты отмечают, что индустрия нейросетей в России развивается стремительно. Бизнес давно обратил внимание на искусственный интеллект и применяет его в разных областях: чат—боты, голосовые помощники, сервисы, системы модерации контента на сайтах и маркетплейсах.
Бесплатные нейросети и курсы по ИИ
Вспоминаем всё, что случилось в мире нейросетей и искусственного интеллекта за 2023 год, и пытаемся понять, чего от них ждать в ближайшем будущем. Узнаете, что такое искусственный интеллект и нейросети. Поймете, почему их нужно осваивать именно сейчас. Составите список дел, которые сможете им делегировать уже сейчас. Дополнительное профессиональное образование в области искусственного интеллекта и в смежных областях при финансовой поддержке от государства.
«Сириус», Яндекс и ВШЭ запустили бесплатный курс по искусственному интеллекту для школьников
Машинное обучение искусственного интеллекта сейчас бывает трех типов: обучение с учителем (Supervised learning) — алгоритм учится распознавать закономерности в данных и затем может делать прогнозы или принимать решения на основе новой. Такой показатель предусмотрен в указе президента, который вносит изменения в действующую Национальную стратегию развития искусственного интеллекта (ИИ) до 2030 г. В 2022 г. только 5% россиян владели подобными компетенциями, говорится в документе. совместно с факультетом компьютерных наук Высшей школы экономики и Яндексом запустили бесплатный курс по искусственному интеллекту для школьников «Глубокое обучение». Новые алгоритмы и нейросети позволяют внедрить искусственный интеллект практически в любые сферы.
Курсы по нейронным сетям
Мы уже не обращаем внимания, как точно попадают в наши вкусы видео и посты в рекомендательных лентах, как четко работает поиск по изображениям, не удивляемся, когда видим релевантную и полезную рекламу — все это возможно благодаря ИИ. Искусственный интеллект используют и в бизнесе: например, в небольшой пекарне на основе данных за несколько лет можно рассчитать, сколько хлеба и выпечки производить, чтобы не выкидывать лишнее, а в крупном банке ИИ за 5 минут принимает решение о выдаче кредита без участия менеджера. Помните новости о том, что скоро многих работников заменит искусственный интеллект? Это происходит уже сейчас, но точно не с AI-разработчиками — специалистами по работе с ИИ, спрос на которых растет каждый год. Чтобы нейросеть работала правильно, ее нужно обучать: загружать в нее миллионы строк данных, в которых она будет находить закономерности и распределять объекты по определенным признакам. Обучением и моделированием нейросетей занимаются люди. Специалистом по машинному обучению легко стать даже с минимальными знаниями математики и языка Python, знакомых еще с вуза, если знать, как выстроить процесс обучения.
В этой статье рассмотрим путь специалиста по нейросетям и искусственному интеллекту, который хочет в будущем работать в этой сфере. Нейросети: с чего начать Нейросети и ИИ — это узкая специализация Data Scientist , специалиста по большим данным. Поэтому сначала нужно изучить науку о данных, а потом выходить на следующий уровень. Обучение Data Science начинается с основ: математика, статистика, математический анализ и теория вероятности.
Дата-сайентисты могут спрогнозировать спрос на товары в маркетплейсах, оценить платежеспособность клиента в банке, разработать систему распознавания лиц для городского транспорта. Электронные голосовые помощники, роботы-автопилоты, рекомендательные и системы компьютерного зрения — будущее, которое наступило. Крупные компании и стартапы ищут специалистов по Data Science, потому что без них работа бизнес-команды будет неэффективной.
Поэтому курсы по Data Science — нейронным сетям и машинному обучению — стали так популярны в последние годы. Курсы по созданию нейронных сетей онлайн Студенты учатся работать с Python для проектирования алгоритмов, строить математические и ML-модели, применять алгоритмы для рекомендательных систем, интегрировать решения в бизнес. Проходят обучение программированию нейронных сетей. Теория разбита на короткие блоки, после которых обязательно идет практика. На курсах по нейросетям в Data Science есть 5 видов практических занятий: тренажеры, тесты, домашние задания, проекты и хакатоны. Разные форматы дают возможность эффективно усваивать новые знания. Часто задаваемые вопросы Где обучают работе с нейросетями?
Можно поступить в вуз на специальность, связанную с информатикой или программированием. Другой вариант — учиться онлайн. Например, в Skillfactory можно проходить курсы из любой точки мира и выбрать направление по силам. Присмотритесь к программе «Специалист по нейронным сетям». Она поможет стать уверенным джуном за 2 месяца, даже если сейчас вы ничего не знаете о профессии и никогда не работали в IT. Кто занимается созданием нейронных сетей? Нейронные сети разрабатывают специалисты по машинному обучению — дата-сайентисты.
В отличие от программистов, они не создают программы, которые работают на алгоритмах. Data Scientist пишет модель нейросеть , обучает и проверяет, насколько корректно она работает. Сколько стоит курс по нейросетям?
Виртуальный учитель: как ИИ меняет образование 06. Решить задачи, написать текст, сочинение, защитить дипломную работу, найти факты, разобрать термины и проанализировать большие объемы информации - теперь для этого необязательно часами сидеть в библиотеке или долго и упорно искать нужную информацию в интернете. Новые технологии упрощают задачу и сокращают время поиска. ИИ плотно проникает в сферу образования и начинает ее менять. В России уже есть примеры успешной реализации нейросетей в этой сфере. Например, платформа "Высшая математика" использует алгоритмы ИИ для создания индивидуальных программ обучения по математике.
Также в университетах внедряются системы онлайн-обучения, которые используют ИИ для повышения эффективности обучения и оценки успеваемости студентов. Нейросеть способна анализировать данные, автоматизировать процессы и прогнозировать - все это делает ее ценным инструментом для управления образовательными траекториями, персонализации, обучения, выявлении проблем и минимизации рисков, поддержки учеников и педагогов. Генеративные нейросети уже несколько лет активно используют в разработке учебных материалов и виртуальных ассистентов. Сейчас в мире существует множество примеров использования сервисов и платформ на основе ИИ в системе образования: Сервисы прогнозирования успешности оценки рисков. На основе данных о прошлой академической деятельности учащегося, нейросети могут предсказывать его будущую успеваемость, оценивать возможные риски и предлагать соответствующие меры для улучшения результатов. Такие решения внедрены во многие зарубежные школы и вузы. Интеллектуальные учебные материалы. Фактически речь идет об учебниках нового поколения. Это цифровые образовательные платформы, которые позволяют организовать персонализированный учебный процесс, оценивать прогресс, выявлять пробелы в знаниях, и формировать предложения для педагогов по организации учебного процесса.
Инструменты автоматизированной проверки и оценки.
Школьники и студенты вовсю используют их, чтобы мгновенно получить ответы на любые вопросы и тем самым облегчить процесс обучения. Может ли это навредить образованию? Станет ли мышление современных школьников более поверхностным и клиповым? Или, наоборот, мы наблюдаем появление супер-силы, которая поможет детям лучше усваивать новые знания? Что об этом думают преподаватели? Нейросети в школе: за и против В большинстве современных школ России преподаватели уже имеют опыт работы с нейросетями и поддерживают их использование в обучении. Чаще всего это молодые кадры. Есть и те, кто относится к применению искусственного интеллекта с определенным недоверием.
Евгений Павловский, заведующий лабораторией аналитики потоковых данных и машинного обучения Механико-математического факультета НГУ и доцент кафедры дискретной математики и информатики СУНЦ НГУ, считает , что нейросети могут привести к ухудшению качества обучения, если будут использоваться только как способ избежать усилий и заменить учебный процесс. По его мнению, ученики и студенты должны осознавать, что заменять собственные умственные усилия нейросетями при выполнении заданий является неэтичным. В качестве примера Евгений приводит интернет. После его появления не только школьники, но и все люди в принципе перестали запоминать большие объемы информации и точечные факты. Ведь зачем это делать, если все всегда можно найти онлайн? В связи с этим учителям стало сложнее объяснять детям, почему им нужно запоминать формулы, заучивать определения и даты. Поэтому, когда нейросети прочно войдут в жизнь каждой семьи, эксперт не исключает, что многие зададутся вопросом о том, зачем нужно тратить время и усилия на правильное построение предложений и формулировку мыслей, если с этим легко справится нейросеть. Однако, как отмечает Павловский, нейросети могут быть полезны, если их использовать правильно — для развития знаний, навыков и квалификации как ученика и преподавателя. Например, в качестве тренажера, чтобы привлечь внимание к предмету: составить список вопросов для лучшего понимания материала, сформулировать основные тезисы, изучить алгоритм решения задач, рассмотреть особенности фигур речи и прочее.
В общем, при грамотном применении нейросетей на уроках ученики могут не только многому научиться, но также развить критическое мышление и кругозор. Готовые решения отучат школьников думать?