Часть III
В которой я рассказываю о том, как нейросети изменят образование, отношения и в целом повседневную жизнь
Как и многие предприниматели, рожденные в конце 1980-х годов, я с детства увлекаюсь технологиями и научной фантастикой. Поэтому мне так импонирует мысль, озвученная футуристами Эриком Бриньолфсоном и Эндрю Макафи в нашумевшей книге «Вторая эра машин». Они утверждают, что мы находимся в так называемой «точке перегиба» – то есть живем в эпоху, когда изобретения, придуманные писателями, становятся неотъемлемой частью нашей жизни. Мы пользуемся смартфонами и планшетами, как герой «2001: Космическая одиссея» Артура Кларка, наблюдаем за войнами дронов, как в «Дюне» Фрэнка Герберта, а компании по всему миру тестируют беспилотные автомобили, о которых мечтали фантасты 1920–1930-х годов.
Но еще ничто не приближало нас к миру, который человек делит с машинами, так, как генеративный искусственный интеллект. ChatGPT «выстрелил» в ноябре 2022 года, и спустя всего полтора года можно с уверенностью сказать: его влияние не ограничивается рынком труда. Я чувствую это на себе. Если первое время я давал чату простые рабочие задачки – презентации или посты для Telegram, – то сейчас он выполняет роль моего персонального ассистента, «второго пилота», говоря словами лидера Microsoft Сатьи Наделлы. Виртуальный напарник генерирует за меня идеи для подарков родным и друзьям, пишет эмоциональные сообщения. Выпускники моего курса пошли дальше: с помощью чата они планируют путешествия, составляют меню на неделю и плейлисты на вечеринки, делают домашние задания с детьми, разбираются со сложным программным обеспечением и многое другое.
Что сделала нейросеть для студентов Zerоcoder?
• Писала объявления о продаже автомобиля.
• Объясняла названия праздников или новые термины. Например, может рассказать, что такое Mubarak или EMAAR.
• Писала книгу о финансовой грамотности для сына.
• Давала рекомендации по воспитанию ребенка.
• Отвечала на вопросы, связанные с организацией или управлением своим временем, обучением по его грамотному использованию.
• Писала длинные формулы для Excel, задавая промпт своими словами и обозначая нужные диапазоны.
• Описывала вино и его происхождение по названию.
• Объясняла незнакомые описания продуктов, например, capsicum red.
• Отвечала на юридические вопросы, например, о требованиях для открытия ресторана в Дубае, налогах и т. д.
• Отвечала на бытовые вопросы: как отстирать пятна дезодоранта, что значит значок треугольника на бирке одежды и т. д.
• Писала отзыв по просьбе друзей о ресторане, в котором давно не был, взяв базовую информацию с официального сайта заведения.
• Рекомендовала книги и фильмы по индивидуальным запросам, например, для просмотра с ребенком и т. д.
Аналогия понятна: первый компьютер, который появился в 1981 году, создавался для офисных задач, но быстро «оброс» дополнительным функционалом. То же самое произошло со смартфоном: за последние десять лет он превратился в «пульт управления» нашей жизнью, как точно подметил глава Alphabet Сундар Пичаи, мы используем устройство для работы, обучения, просмотра кино, общения и т. д. То же самое произойдет и с продуктами на основе генеративных нейросетей, только влияние будет сильнее.
Как я писал в прошлых главах, ИИ может взять на себя часть (а в некоторых случаях – бóльшую часть) рутинных рабочих процессов. Выражаясь словами экспертов консалтингового агентства McKinsey, генеративные нейросети наделят нас «суперспособностями»: позволят быть исключительно эффективными сотрудниками и руководителями. Они также смогут взять на себя различные бытовые задачи, которые требуют от нас много времени, но не несут дополнительной ценности. Это, например, отправка письма в государственный орган или спор с жилконторой. Высвободившиеся часы можно потратить на творчество или, например, на личностный рост – саморазвитие и самопознание. Более того, сервисы на основе нейросетей могут помочь нам в той сфере, где все предыдущие изобретения были бессильны, – наших чувств и эмоций. Подобно психологу, они позволят разобраться с ментальными проблемами, выстроить отношения с друзьями, родственниками, коллегами и возлюбленными. Как заключают исследователи из Халлского университета, генеративный искусственный интеллект может стать для нас кем угодно: проводником в новые сферы знаний, собеседником и другом.
Глава 1
Обучение
Персонализация
Впервые с сегментом образования я познакомился в 2016 году. Тогда я случайно увидел пост в Facebook , где говорилось о том, что крупной сети образовательных центров для школьников «Юниум» требуется коммерческий директор. Я не искал работу – у меня был туристический бизнес, который уже почти оправился от кризиса 2014 года. К тому же я проходил программу MBA. Но меня зацепил лозунг компании: «Развиваем детей – меняем будущее». Я сходил на собеседование и остался в команде на полтора года.
До «Юниума» я занимался малым бизнесом, поэтому опыт оказался впечатляющим. У сети были уже десятки центров, где обучалось более 20 000 детей, и много ресурсов для экспериментов. И как-то мы с командой задумались об IT-системе, которая позволила бы персонализировать обучение. Персонализация – один из краеугольных камней в сфере образования. Курс, учитывающий индивидуальные интересы и цели студента, может значительно повысить его мотивацию и улучшить успеваемость. Об этом еще писал Гейтс в своей книге, ссылаясь на слова профессора Гарварда Говарда Гарднера (Howard Gardner). Тот отмечал, что детей нужно учить по-разному, так как ни один ребенок не воспринимает мир так же, как другой. Однако до сих пор большинство образовательных программ заточено на массовую аудиторию. Во многом это связано со стоимостью и длительностью подготовки персонализированных треков. Чтобы разработать такой материал под каждого ученика в классе, придется потратить десятки часов и сотни тысяч рублей. Причем курс придется постоянно менять по мере развития ребенка, а для каждого нового студента готовить отдельную программу.
Внедрить персонализированный подход пытались многие реформаторы на протяжении истории. Один из самых ярких примеров – английский педагог Джозеф Ланкастер, который приехал в США в конце XVIII – начале XIX веков. К тому моменту страна только провозгласила свою независимость от британской короны и проводила масштабные реформы. Они коснулись и образования как основополагающего института в демократическом государстве. До так называемой американской революции доступ к обучению в стране получали лишь представители привилегированных слоев. Дети из состоятельных семей посещали частные школы либо получали индивидуальных наставников, бедняков же обучали родители в меру своих способностей. В новом государстве двери образовательных учреждений открылись представителям всех сословий. При этом дети оказались в неравных условиях: кто-то опережал сверстников в арифметике, но отставал в языках, кто-то вовсе попадал в школу с нулевой подготовкой. Эту проблему и приехал решать Джозеф Ланкастер из Старого Света.
Он предложил педагогический метод, который позже назвали мониторинговым. Его придумал современник Ланкастера шотландский священник Эндрю Белл, который возглавлял приют для мальчиков-сирот в индийском городе Мадрасе. Идея была простой: учитель обучал старших или наиболее способных учеников – «мониторов», а те, в свою очередь, под присмотром учителя занимались с остальными детьми. Для этого класс делили на небольшие группы по 6–10 человек, предварительно оценив знания и навыки каждого ученика. Группы изучали отдельные темы – например, умножение, чтение или написание слов по слогам. Таким образом учитывался уровень способностей учащихся и каждому получалось уделить должное внимание. Считалось, что система не только снижает нагрузку на учителя, но и позволяет детям лучше усваивать знания: «мониторам» – благодаря повторению пройденного, остальным – за счет более понятного объяснения материала. Методика применялась для изучения чтения, письма, арифметики и Закона Божьего.
Ланкастер стал адептом метода еще в родной Англии и даже открыл собственную школу в 1798 году. Впоследствии он описал систему в ряде книг, включая брошюру «Усовершенствования в образовании…». Она вышла в 1803 году и прославила Ланкастера на весь мир – подход начал распространяться по Европе и дошел до России. Первая отечественная школа, которая придерживалась принципа взаимного обучения, открылась в Омске в 1810 году, а в 1818 году будущие декабристы Фёдор Глинка, Вильгельм Кюхельбекер и другие видные деятели «Союза благоденствия» сформировали «Вольное общество учреждения училищ по методу взаимного обучения». Через год оно открыло Училище взаимного обучения в Санкт-Петербурге. При этом российская мониторинговая система не ограничивалась чтением и математикой – с ее помощью изучали географию, историю и другие дисциплины. Но, несмотря на популярность, метод не прижился. Его регулярно критиковали, в том числе за использование старших учеников как бесплатной рабочей силы.
Были и другие попытки. Например, в 1960–1970-е годы американский педагог и психолог Фред Келлер разработал систему, получившую название «План Келлера». По этой методике ученик получал знания небольшими порциями в индивидуальном темпе. Когда он чувствовал, что усвоил материал, то выполнял контрольную работу. Ее оценивал педагог, после чего решал, может ли ученик перейти к следующей «порции» знаний. Система показывала положительные результаты, но не стала массовой. Одна из причин – трудозатраты учителя. Ему ожидаемо требовалось вкладывать больше времени и сил в образовательный процесс, чем в конвенциональной системе. Впоследствии к «Плану Келлера» периодически возвращались. Предполагалось, что информационные технологии могут постепенно упростить работу учителей, связанную с частым тестированием студентов и обратной связью. Они могли бы снизить и административную нагрузку, которая возникала, когда каждый ученик в классе занимался в индивидуальном темпе. Подобные надежды возлагались на персональные компьютеры во второй половине ХХ века, как писал педагог Гарвардской школы образования (Harvard Graduate School of Education) Дэвид Доктерман (David Dockterman). Однако давно понятно, что сам по себе компьютер на это не способен – кастомизировать программу может лишь методист или учитель. Эта задача под силу алгоритмам. Собирая и затем обрабатывая гигантские массивы данных об учениках, они могут персонализировать материалы. Однако даже в середине 2010-х годов, когда мы задумывались о такой технологии в «Юниуме», не было настолько мощных инструментов, а разработка требовала гигантских вложений. Поэтому наши разговоры ни к чему не привели.
Большие языковые модели кардинально изменили ситуацию. Сейчас любой человек даже без навыков программирования и data-аналитики может адаптировать материал урока под 30 учеников за считаные минуты – достаточно ввести корректный промпт. Причем, в зависимости от запроса, модель учтет как физиологические и неврологические особенности детей, так и их интересы. Например, нейросеть составит программу для ребенка, который лучше воспринимает информацию визуально, а не аудиально. Или же объяснит теорему Пифагора, используя знакомые ему аналогии из футбола.
Пользователь: Действуй, как лучший учитель математики, которого дети очень любят. Твоя задача, объяснить теорему Пифагора для ребенка, который ее не понимает, при этому любит футбол. Используй максимально понятные и простые примеры и формулировки.
ChatGPT: Представь, что ты на футбольном поле, и ты стоишь у одного из углов вратарской зоны, а твой друг – у другого угла той же вратарской зоны, но на противоположной стороне. Вы оба хотите передать мяч друг другу, но прямо через ворота бежать нельзя, так как там вратарь. Вам нужно бежать вокруг ворот, чтобы встретиться. Дорога будет длиннее, но это единственный путь.
Если бы вратаря не было и вы могли бы просто перебросить мяч друг другу прямо через ворота, то это был бы самый короткий и быстрый путь. Этот прямой путь мяча от одного угла вратарской зоны к другому – это как раз то, что называется гипотенузой в теореме Пифагора. А две стороны вратарской зоны, по которым вы бежите, чтобы встретиться – это катеты.
Теперь, представим, что мы хотим точно узнать, насколько длинен этот прямой путь (гипотенуза). Теорема Пифагора говорит нам, что если мы возьмем длину одной стороны вратарской зоны, возведем ее в квадрат (то есть умножим саму на себя), затем возьмем длину другой стороны и тоже возведем ее в квадрат, а потом сложим эти два числа, то получим длину прямого пути (гипотенузы) в квадрате. Чтобы найти саму длину гипотенузы, нам нужно извлечь квадратный корень из полученного числа.
Другими словами, если представить, что длина одной стороны вратарской зоны – это a, а другой – b, тогда самый короткий путь мяча (гипотенуза) будет c. Теорема Пифагора говорит, что а2+ b2= c2.
Это как если бы ты хотел узнать, насколько быстро и коротко можно передать мяч, не оббегая ворота, используя только длину сторон вратарской зоны. Это помогает нам в футболе понять, как лучше всего сделать передачу или ударить по воротам, даже если это и не касается бега вокруг ворот.
Стандартные математические задачки могут превратиться в игру, причем без больших усилий со стороны учителя. С помощью одного запроса можно трансформировать Петь, Кать и других героев из учебников по математике в более знакомых детям покемонов или персонажей из фильма «Барби». Давайте рассмотрим возможности нейросети на примере пробного варианта № 1 по математике ОГЭ 2023.
Пользователь: Действуй как составитель задач для экзамена ОГЭ по математике. Я даю тебе задачу, а твоя цель – сделать 5 вариантов этой задачи так, чтобы смысл задачи и ответ оставались такими же. Ты можешь менять названия, объекты, действия. Сделай проверку и реши каждую из задач, чтобы убедиться, что ответ совпадает с первоначальным.
Задача: В лыжных гонках участвуют 13 спортсменов из России, 2 спортсмена из Норвегии и 5 спортсменов из Швеции. Порядок, в котором спортсмены стартуют, определяется жребием. Найдите вероятность того, что первым будет стартовать спортсмен из Норвегии или Швеции.
ChatGPT: Для решения исходной задачи нужно сначала определить общее количество возможных исходов, а затем количество благоприятных исходов для нашего события. Общее количество спортсменов, участвующих в гонках, равно сумме спортсменов из России, Норвегии и Швеции: 13 (Россия) + 2 (Норвегия) + 5 (Швеция) = 20 спортсменов. Так как нас интересует вероятность того, что первым будет стартовать спортсмен из Норвегии или Швеции, благоприятными исходами будут случаи, когда первым стартует один из спортсменов из Норвегии (2 спортсмена) или Швеции (5 спортсменов), что в сумме дает 7 благоприятных исходов. Вероятность рассчитывается как отношение числа благоприятных исходов к общему числу исходов.
Теперь я создам 5 вариантов этой задачи с сохранением смысла и ответа.
Вариант 1: На музыкальном конкурсе выступают 13 участников из России, 2 участника из Италии и 5 участников из Франции. Порядок выступлений определяется случайным образом. Найдите вероятность того, что первым будет выступать участник из Италии или Франции.
Вариант 2: В шахматном турнире играют 13 игроков из России, 2 игрока из Индии и 5 игроков из Китая. Порядок игр определяется жребием. Какова вероятность того, что в первой игре будет участвовать игрок из Индии или Китая?
Вариант 3: На кулинарном конкурсе представлено 13 блюд российской кухни, 2 блюда итальянской кухни и 5 блюд французской кухни. Порядок дегустации определяется случайным образом. Определите вероятность того, что первым будет представлено блюдо итальянской или французской кухни.
Вариант 4: В конкурсе фотографии участвуют 13 работ от российских авторов, 2 работы от авторов из Японии и 5 работ от авторов из Германии. Порядок показа работ определяется жребием. Найдите вероятность того, что первой будет показана работа автора из Японии или Германии.
Вариант 5: На выставке автомобилей представлено 13 моделей из России, 2 модели из США и 5 моделей из Германии. Порядок демонстрации автомобилей определяется случайным образом. Какова вероятность того, что первой будет демонстрироваться модель из США или Германии?
Теперь я решу каждую из этих задач для проверки, что ответ остается таким же.
Решение каждого из предложенных вариантов задачи показывает, что вероятность того, что первым будет выбран участник (или объект) из заданных категорий (Норвегии или Швеции, Италии или Франции, и т. д.), составляет 0,35 или 35 %. Это подтверждает, что смысл и ответ во всех пяти вариантах задач остались неизменными по сравнению с исходной задачей.
В данном примере мы составили пять вариантов задачи с разными формулировками, но одинаковым смыслом и ответом. На создание этих задач потребовалось менее минуты. Если необходимо, нейросеть может сделать 10, 20, 100 и более таких упражнений. Теперь преподаватель, имея базовую задачу, может за несколько минут создать персонализированное упражнение для каждого ученика с учетом его интересов, а процент списывания уменьшится, так как формулировки различны и ученику в любом случае потребуется адаптировать решение.
Нейросеть умеет не просто составлять варианты разных задач, но и адаптировать их под конкретных учеников. Так, преподаватель может, используя заранее заготовленные данные по своим ученикам, за одну минуту подготовить адаптированные задачи для каждого из своих учеников. Разберем возможности нейросети на той же задаче. В примере мы рассматриваем случай, когда учеников всего пять, но такой же принцип будет работать для любого их количества.
Пользователь: Действуй как составитель задач для экзамена ОГЭ по математике. Я даю тебе задачу, а твоя цель – подготовить вариант этой задачи для каждого из учеников. Не меняй смысл задачи. Измени контекст и события в задаче, измени числа. Используй информацию об учениках, чтобы адаптировать задачу под их интересы.
Сделай вычисления для каждой из задач и напиши ответ. Задачу сформулируй в том же формате, в котором я даю тебе ее изначальный вариант.
Информация об учениках:
1. Кирилл любит играть в компьютерные игры.
2. Маша любит играть в Барби.
3. Иван любит футбол.
4. Владимир любит играть в настольные игры.
5. Ирина проводит много времени со своими подругами, любит гулять.
Задача: В лыжных гонках участвуют 13 спортсменов из России, 2 спортсмена из Норвегии и 5 спортсменов из Швеции. Порядок, в котором спортсмены стартуют, определяется жребием. Найдите вероятность того, что первым будет стартовать спортсмен из Норвегии или Швеции.
ChatGPT: Чтобы адаптировать задачу под интересы каждого ученика, изменим контекст исходной задачи, сохранив её математическое содержание. Затем проведём вычисления для каждого варианта.
Кирилл (любит играть в компьютерные игры)
Задача: В онлайн-турнире по видеоигре участвуют 15 игроков из России, 3 игрока из Японии и 6 игроков из США. Порядок, в котором игроки начинают игру, определяется случайным образом. Найдите вероятность того, что первым будет играть участник из Японии или США.
Решение: Всего участников турнира 15 + 3 + 6 = 24. Игроки из Японии или США составляют 3 + 6 = 9 человек. Вероятность того, что первым будет играть участник из Японии или США, равна 9/24 = 3/8.
Ответ: 3/8.
Маша (любит играть в Барби)
Задача: На конкурсе красоты для кукол Барби участвуют 10 кукол от России, 2 куклы от Италии и 4 куклы от Франции. Порядок выхода кукол на подиум определяется жребием. Найдите вероятность того, что первой на подиум выйдет кукла из Италии или Франции.
Решение: Общее количество кукол 10 + 2 + 4 = 16. Куклы из Италии или Франции составляют 2 + 4 = 6 кукол. Вероятность того, что первой на подиум выйдет кукла из Италии или Франции, равна 6/16 = 3/8.
Ответ: 3/8.
Иван (любит футбол)
Задача: В турнире по футболу участвуют 12 команд из России, 3 команды из Германии и 4 команды из Испании. Порядок, в котором команды играют свои первые матчи, определяется жребием. Найдите вероятность того, что первой будет играть команда из Германии или Испании.
Решение: Всего команд 12 + 3 + 4 = 19. Команды из Германии или Испании составляют 3 + 4 = 7 команд. Вероятность того, что первой будет играть команда из Германии или Испании, равна 7/19.
Ответ: 7/19.
Владимир (любит играть в настольные игры)
Задача: На турнире по настольным играм участвуют 14 игроков из России, 2 игрока из Германии и 5 игроков из Канады. Порядок, в котором игроки начинают свои партии, определяется жребием. Найдите вероятность того, что первым будет играть участник из Германии или Канады.
Решение: Общее количество игроков на турнире 14 + 2 + 5 = 21. Игроки из Германии или Канады составляют 2 + 5 = 7 человек. Вероятность того, что первым будет играть участник из Германии или Канады, равна 7/21 = 1/3.
Ответ: 1/3.
Ирина (проводит много времени со своими подругами, любит гулять)
Задача: В фестивале уличного искусства участвуют 11 групп из России, 2 группы из Италии и 4 группы из Бразилии. Порядок выступлений групп определяется жребием. Найдите вероятность того, что первой будет выступать группа из Италии или Бразилии.
Решение: Всего групп 11 + 2 + 4 = 17. Группы из Италии или Бразилии составляют 2+4=6 групп. Вероятность того, что первой будет выступать группа из Италии или Бразилии, равна 6/17
Ответ: 6/17.
Таким образом, каждая задача была адаптирована под интересы учеников, сохраняя при этом одинаковую математическую структуру исходной задачи, но с изменённым контекстом и числами.
Как видно из примера, нейросеть не только адаптировала задачи под каждого ученика, но еще сделала вычисления и написала ответ. Это позволяет преподавателю максимально упростить работу с персонализацией.
ИИ может решить «проблему двух сигм» (2 sigma problem), описанную в 1980-х годах психологом и специалистом в области образовательных измерений Бенджамином Блумом. Он отмечал более высокую эффективность индивидуальных занятий по сравнению с работой в группе и считал, что благодаря персонализированному обучению можно превратить среднего студента в исключительного и дотянуть двоечника до средних результатов. В то же время он понимал, что обеспечить персонализированный подход к каждому сложно, и поэтому пытался найти способ изменить обучение в классах так, чтобы оно было не менее эффективным, чем урок один на один с репетитором.
Эту проблему пыталась решить американская некоммерческая образовательная организация «Академия Хана», созданная в 2006 году Салманом Ханом. Его цель – создать набор онлайн-инструментов, которые помогают эффективно обучать студентов. В 2023 году команда на основе ChatGPT создала образовательного помощника Khanmigo , который помогает ребенку осваивать точные и гуманитарные науки, выступая в качестве тьютора. Выступая на конференции TED , Хан отмечал, что бот – ни в коем случае «не инструмент для мошенничества». Он не выдает ученику правильный ответ, но заметит, если тот ошибся, и попросит объяснить причину:
Перевод на русский язык:
Я вижу, что вы попытались упростить уравнение, но мне любопытно, как вы пришли к вашему шагу. Можете объяснить ваш ход мыслей? Помните, раскрыв скобки, нам нужно умножить на –2 и 9, и 2m. Давайте попробуем этот шаг снова: 3–2 9–2 • 2m = m
Он также может объяснить ученику, почему у того не получается достичь нужного результата. Хан приводил пример из области программирования, когда школьнику требовалось написать такой код, чтобы облака на картинке сдвинулись в левую или правую сторону. Тот справился с задачей частично: правое облако осталось на месте. Тогда ученик спросил у модели, в чем причина, та не только распознала код и вопрос, но и ответила на него, а также дала дальнейшие инструкции к действию:
Перевод на русский язык: Отличное наблюдение! В вашем текущем коде, вы используете leftX- внутри функции draw, что заставляет левое облако двигаться влево на 1 пиксель за кадр. Однако подобного кода для переменной rightX нет, поэтому правое облако остается на месте.
Чтобы заставить и правое облако двигаться, попробуйте добавить строку кода в функцию draw, которая будет увеличивать переменную rightX на 1 пиксель.
Хан обратил внимание на педагогические способности бота, отмечая, что не каждый учитель информатики способен объяснить предмет. У бота есть и преимущество перед учителем: ему можно задавать вопросы бесконечно. А еще он может принять на себя роль известной личности и предмета и объяснить тот или иной феномен с его точки зрения. Во время выступления Хан вспоминал историю одной ученицы, которая не могла понять, почему главный герой книги «Великий Гэтсби» постоянно смотрит на зеленый луч. Ответы из исследований ее не устраивали, поэтому она задала вопрос модели. Как ответил бот, читатель может оценить самостоятельно :
Перевод на русский язык: Я бы хотела встретиться с Джеем Гэтсби
Ах, прекрасный выбор, старина! Теперь я Джей Гэтсби, загадочный миллионер из классического романа Ф. Скотта Фицджеральда «Великий Гэтсби». Моя жизнь – это история амбиций, любви и трагедии на фоне бурных двадцатых годов. Что привело вас в мой роскошный особняк сегодня?
Ах, зеленый свет, старина! Это символ моих мечтаний и желаний, понимаете ли. Он расположен на конце пристани Дэйзи Бьюкенен, через бухту от моего особняка. Я смотрю на него с тоской, потому что он символизирует мою тоску по прошлому и мою надежду воссоединиться с Дэйзи, любовью моей жизни. Зеленый свет – это постоянное напоминание о неуловимой природе американской мечты и расстоянии между реальностью и нашими стремлениями. А теперь расскажите мне, была ли у вас когда-нибудь мечта или желание, которое казалось всего лишь недосягаемым?
Наверняка найдутся родители, которые скажут: «С моделью ребенок разучится мыслить и писать». Напротив! Модель способна развивать мышление и навык письма, превращая создание историй в игру :
Перевод на русский язык:
Ох, история ужасов! Как это захватывающе и жутко! Погрузимся в мир зловещих теней и жутких тайн. У вас есть какие-нибудь идеи для сеттинга или персонажей? Давайте, напишите первые два предложения нашей истории ужасов!
Беатрис была непонятным призраком. Она хотела завести друзей, но всё время случайно пугала их.
Бедная Беатрис, одинокий дух, жаждущий общения! Однажды она наткнулась на старый, заброшенный особняк, где надеялась найти кого-то.
