«Оставаться конкурентным специалистом без применения нейросетей может стать нелегкой задачей»

Цифровые технологии прочно вошли в нашу жизнь и продолжают стремительно развиваться. Неудивительно, что все чаще возникает вопрос, сможет ли однажды искусственный интеллект полностью заменить специалистов. О перспективах лингвистики в эпоху нейросетей рассуждает Даниил Осипов, кандидат филологических наук, доцент Школы иностранных языков НИУ ВШЭ.
Также Даниил Осипов является участником проекта НИУ ВШЭ «Консультанты по преподаванию в цифровой среде» и преподает английский язык и кросс-культурный менеджмент участникам Президентской программы подготовки управленческих кадров.
Даниил Осипов
— С какими вызовами сталкивается сфера лингвистики в век цифровых технологий?
— Началась эпоха, в которую тексты, содержащие смысл, может создавать не только человек. Мы ставим задачи, но уже не контролируем каждый элемент процесса.
При этом важно отметить, что нейросети учатся на больших данных и пока допускают много ошибок.
Если говорить о межкультурной коммуникации, нейросети знают о типологии культурных различий Герта Хофстеде, делении культур Эдварда Холла, классификации культур Ричарда Льюиса. Но в любом межкультурном диалоге ключевую роль играют нюансы, которые нейросети не могут учесть.
Поэтому эффективной может быть только совместная работа нейросетей и профильных специалистов. А одним из ключевых навыков в выстраивании коммуникации с искусственным интеллектом становится промпт-инжиниринг — умение правильно задавать нейросетям вопросы.
Для этого необходимо поставить задачу, описать контекст, указать роль, привести примеры, отметить формат и задать тон. Также можно воспользоваться дополнительными показателями, например указать важность (стоит подчеркнуть нейросети, насколько значимым для вас будет ее ответ) и пообещать виртуальное вознаграждение (считается, что в таком случае нейросеть может дать более развернутый ответ).
— Сможет ли однажды искусственный интеллект заменить специалиста в сфере межкультурной коммуникации? И как остаться востребованным специалистом в условиях быстро меняющихся реалий?
— На мой взгляд, быть востребованным специалистом — значит уметь использовать в работе современные технологии, в том числе нейросети, сохраняя при этом критический подход.
Оставаться конкурентным специалистом без применения нейросетей может стать нелегкой задачей уже в ближайшем будущем. Учитывая, что нейросети общаются с нами на нашем языке, без специалистов, которые занимаются исследованием языка, не обойтись.
Например, по данным агрегаторов Will Robots take my Job и Beyond Agency, преподаватели иностранных языков — в зоне минимального риска, связанного с заменой специалистов искусственным интеллектом (вероятность 9–11%).
Более того, уверен, что лингвистам в эпоху общения с искусственным интеллектом будет отведена самая важная роль.
— Как нейросети могут помочь специалистам в области изучения иностранных языков: преподавателям, переводчикам, специалистам по межкультурной коммуникации?
— Прежде всего нейросети помогают ускорить рутинную работу. Например, преподаватели иностранных языков с их помощью могут быстро подготовить несколько вариантов тестов и других заданий, включив в промпт пример готового теста или задания.
Задача усложняется, если вы хотите создать новое задание или текст. Качество ответа нейросети в таком случае будет зависеть от умения грамотно формировать промпт.
На начальном этапе времени на разработку качественного промпта будет уходить почти столько же, сколько на подготовку материалов с нуля. Но впоследствии сформированный навык позволит значительно экономить рабочее время.
Скоро будут появляться новые модели нейросетей, которые станут способными «рассуждать», а не просто брать и интерпретировать информацию из датасетов. Например, o1-preview уже может решать сложные логические задачи.
Сегодня использование различных нейросетей позволяет создавать целый комплекс материалов:
генерирование текстов и диалогов с определенными устойчивыми словосочетаниями в ChatGPT, Perplexity, Merlin;
озвучивание и генерирование звуковых эффектов в ElevenLabs;
создание аватаров в Hedra.
С примером созданного видеоинтервью по заданной теме можно ознакомиться по ссылке.
Комбинация нескольких нейросетей, грамотный промпт-инжиниринг позволяют не только ускорить выполнение задач, но и увидеть новые идеи в сочетаниях ответов на запросы:
ChatGPT, Claude уже стали мультимодальными;
ElevenLabs, Suno, Udio полезны для работы с аудио;
Midjourney, Stable Diffusion (локальная установка), Luma Dream Machine создают изображения и видео;
KlingAI, MiniMax — новые нейросети, которые внесли ряд изменений в индустрию генерации видео и дали возможность создавать небольшие фильмы для разных профессиональных целей.
При этом у нейросетей, которые работают на разных языковых моделях, свои особенности. Например, ChatGPT 4o логичен в ответах, Claude Sonnet 3.5 готов давать развернутые ответы, которые не так легко отличить от ответов человека, Gigachat склонен проявлять «этику» в ответах на острые вопросы.
Для тренировки устного перевода будет полезен CharacterAI или приложение ChatGPT в вашем смартфоне. CharacterAI позволяет создать персонажа, задать ему роль (например, отвечать на вопросы на испанском языке) и внести в базу знаний информацию по необходимой тематике. Пример диалога.
При переводе пословиц, поговорок, фразеологизмов нейросети по умолчанию выдают дословный вариант. Решением может стать запрос о поиске эквивалента, а не перевода.

Нейросеть не напишет за вас научную работу, но поможет в подборе литературы. Хорошо с этим справляются Consensus и OpenRead, чьи базы постоянно пополняются. Если соединить поиск литературы с обработкой информации в ChatGPT или Claude с использованием Python, то можно существенно сэкономить время.
— Какие опасности и риски несет в себе обращение к нейросетям?
— Качество полученной информации, безусловно, требует проверки. Факты могут быть придуманы или искажены, расчеты — содержать ошибки. Здесь стоит подчеркнуть и филологический аспект: на выходе мы получаем хороший, логически выстроенный текст, но если его тщательно проанализировать, то в большинстве случаев обнаружим ошибки в примыкании и управлении.
Помимо этого, мы можем передать нейросети в форме запроса информацию, содержащую конфиденциальные данные, которые попадают в общую базу знаний и могут быть извлечены третьими лицами. Поэтому при формировании запросов стоит быть предельно внимательными, особенно в рамках исследовательских проектов. Решением могут стать локальные версии нейросетей, установленные на собственный компьютер.
— Что представляет собой проект «Консультанты по преподаванию в цифровой среде», участником которого вы являетесь?
— Проект нацелен на оказание преподавателям НИУ ВШЭ постоянной и квалифицированной поддержки по методическим вопросам преподавания в цифровой среде или в офлайн-среде, но с использованием цифровых образовательных технологий.
В настоящее время многие преподаватели НИУ ВШЭ, участвующие в проекте, проводят консультации по эффективному использованию нейросетей в образовательном процессе.
Больше информации — на странице проекта.
Вам также может быть интересно:
AI AWARDS 2026: аналитическую основу премии формирует iFORA НИУ ВШЭ
Высшая школа экономики вошла в число партнеров премии AI AWARDS 2026, которая пройдет 29 апреля в Москве. Проект, реализуемый командой «Билайн Big Data & AI», посвящен практическому применению искусственного интеллекта и объединяет компании, технологии и команды, которые уже сегодня влияют на развитие новой цифровой экономики. Вклад номинантов AI AWARDS в развитие ИИ анализируется на основе данных, поэтому качество аналитической базы и прозрачность методологии становятся для рынка принципиально важными.
Будущее кардиогенетики — с искусственным интеллектом
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ (Институт ИИиЦН) создали программу, которая способна анализировать участки генома человека, ранее недоступные для точной интерпретации при генетическом тестировании. Программа адаптирует большие генеративные модели (ГенИИ) под задачи кардиогенетики, чтобы предсказывать, как мутация влияет на работу конкретного гена.
НИУ ВШЭ и Альфа-Банк запускают исследовательские проекты в сфере искусственного интеллекта
НИУ ВШЭ и Альфа-Банк объявили о старте трех совместных проектов в области искусственного интеллекта. Они направлены на развитие аналитических инструментов для банковских сервисов — от более точных прогнозов до новых подходов к управлению рисками и персонализации клиентского опыта.
Участники «Я — профессионал» разработают ИИ-агентов для бизнеса на Весенней экономической школе Вышки и Сбера
На площадке СберУниверситета стартовала Весенняя экономическая школа, организованная Высшей школой экономики и Сбером для участников Всероссийской олимпиады студентов «Я — профессионал» Президентской платформы «Россия — страна возможностей». С 22 по 24 апреля студенты будут работать над созданием ИИ-агента для бизнеса — от идеи и научной гипотезы до прототипа, готового к защите перед экспертами.
Уже не выбор, а реальность: трансформация мира под влиянием ИИ
Искусственный интеллект уже не воспринимается как технология будущего: он стремительно меняет процессы принятия решений, рынок труда и социальные практики. Вместе с тем он несет с собой не только новые грандиозные возможности, но и системные риски, связанные с ростом зависимости от данных, трансформацией профессий и изменением человеческого поведения. В НИУ ВШЭ создали семантическую карту разломов, которая показала ключевые тренды в развитии технологий.
Почему искусственный интеллект не способен поработить человечество
1 апреля на факультете математики НИУ ВШЭ встретили российского ученого, преподавателя и специалиста по информационной безопасности Андрея Масаловича, известного как КиберДед. Он представил студентам Вышки свои «Двадцать вопросов искусственному интеллекту» и поделился ответами, раскрывающими суть проблем в сфере развития ИИ, а также рассказал, почему тот никогда не сможет захватить человечество.
Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
«Подготовка инженеров нового поколения невозможна без интеграции инструментов ИИ в отраслевые ОП»
26 февраля в Уфе на площадке Межвузовского студенческого кампуса Евразийского научно-образовательного центра прошла защита итоговых проектов пилотного курса образовательной программы «ИИ-инженерия в нефтегазовой отрасли». Эксперты НИУ ВШЭ оценили студенческие проекты в сфере искусственного интеллекта, выполненные для «Газпрома» в рамках федерального проекта «Экономика данных и цифровая трансформация государства».
Стартует набор на онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов»
В Центре непрерывного образования факультета компьютерных наук НИУ ВШЭ открыт набор на новую онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов». Программа разработана для тех, кто стремится перейти от базового использования нейросетей в формате чат-ботов к созданию прикладных интеллектуальных инструментов для автоматизации бизнес-задач. Курс ориентирован на слушателей, заинтересованных в практическом освоении современных подходов к разработке автономных ИИ-агентов на базе больших языковых моделей и их внедрении в рабочие процессы.
Ученые НИУ ВШЭ научились сжимать большие языковые модели без потерь в качестве
Исследователи из Института искусственного интеллекта и цифровых наук (Институт ИИиЦН) ФКН НИУ ВШЭ разработали новый метод сжатия больших языковых моделей, таких как GPT и LLaMA, который позволяет уменьшить их объем на 25–36% без дополнительного обучения и значительной потери в точности. Это первый подход, который использует математические преобразования — вращения весов модели, — чтобы сделать модели более удобными для сжатия с помощью структурированных матриц. Результаты исследования опубликованы в ACL Findings 2025. Код метода доступен на GitHub.


