В настоящее время технологии искусственного интеллекта (ИИ) находят свое применение во всех сферах жизни общества, трансформируя отрасли, открывая новые возможности для инноваций. Поскольку системы ИИ способны выполнять задачи распознавания, обучения, планирования, взаимодействия с людьми и окружением, строить модели, которые обобщают данные и делают прогнозы или решения на основе новых данных, значимость их применения в современной науке и образовании только возрастает. Проведенный анализ открытых источников и примеров исследований в зарубежной и отечественной исторической науке показал большую заинтересованность как академических структур, так и коммерческих организаций во внедрении больших данных и технологий глубокого обучения в проекты анализа исторических документов. Полученные результаты помогают выделить новые закономерности в обширных коллекциях текстов. И хотя в российском научном сообществе с осторожностью оценивается применение технологий и методов ИИ в гуманитаристике, в том числе и в российской исторической науке, исследователи отмечают эффективность больших языковых моделей для проведения анализа исторических источников, совмещенного с критическим сопоставлением с данными традиционных методов исследования. В статье проанализированы практики использования генеративных нейросетей в исследовательских проектах ряда вузов и внедрение инструментов ИИ в учебный процесс Московского городского педагогического университета для реализации программ обучения по направлению «История». Подробно анализируются риски и границы использования сервисов ИИ и генеративных нейросетей в исторических исследованиях и в обучении.

Artificial intelligence (AI) technologies are currently being applied in all areas of society, transforming industries and opening up new opportunities for innovation. Because AI systems are capable of recognizing, learning, planning, interacting with people and the environment, building models that synthesize data, and make predictions or decisions based on new data, the significance of their application in modern science and education is only growing. An analysis of open sources and case studies in foreign and domestic historical scholarship has demonstrated significant interest from both academic institutions and commercial organizations in integrating big data and deep learning technologies into historical document analysis projects. The results help identify new patterns in vast text collections. Although the Russian scientific community is cautious about the use of AI technologies and methods in the humanities, including Russian historical scholarship, researchers note the effectiveness of large language models for analyzing historical sources, combined with critical comparisons with traditional research methods. This article analyzes the use of generative neural networks in research projects at several universities and the integration of AI tools into the educational process at Moscow City Pedagogical University for the implementation of history programs. The risks and limitations of using AI services and generative neural networks in historical research and education are explored in detail.