Richard Borcherds, profesor matematyki na Uniwersytecie Kalifornijskim w Berkeley i medalista Fields, przestał oceniać prace domowe swoich uczniów pod kątem poprawności. Decyzję tę przypisuje rzeczywistości, w której uczniowie rutynowo korzystają obecnie z narzędzi sztucznej inteligencji do rozwiązywania zestawów problemów.
W opublikowanym w tym tygodniu wywiadzie dla „The Daily Californian” Borcherds powiedział, że po zobaczeniu, jak wielu jego uczniów korzysta ze sztucznej inteligencji, aby konsekwentnie przesyłać najwyżej oceniane prace, doszedł do wniosku, że „nie ma sensu” w dalszym ciągu płacić czytelnikom za ocenianie prac domowych pod kątem poprawności, ponieważ wykorzystanie sztucznej inteligencji na kursach stało się nieuniknione. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Zamiast tego ocenia teraz po ukończeniu zajęć: uczniowie oddający pracę domową otrzymują zaliczenie niezależnie od tego, czy rozwiązania zostały opracowane przy pomocy maszyny.
„To nie jest zbyt dobry system” – przyznał Borcherds, opisując ten układ jako najmniej złą opcję dostępną w tej chwili.
Medalista Fieldsa ponownie ocenia swój zawód
Borcherds, który w 1998 roku zdobył Medal Fieldsa za pracę nad algebrami operatorów wierzchołków i potworną hipotezą bimbru, udzielił wywiadu wkrótce po ogłoszeniu przez OpenAI, że jego agenci AI opracowali pozorne rozwiązanie problemu istnienia i gładkości Naviera-Stokesa — jednego z najbardziej znanych nierozwiązanych problemów matematycznych.
Matematycy kwestionują to twierdzenie, a Instytut Matematyki Claya nie przyznał powiązanej z nim Nagrody Milenijnej w wysokości 1 miliona dolarów. Jednak ogłoszenie to zmieniło już sposób, w jaki niektórzy matematycy mówią o przyszłości swojej dziedziny.
„Jeśli sztuczna inteligencja będzie się nadal rozwijać w obecnym tempie, za kilka lat matematycy nie będą mogli zrobić nic, czego sztuczna inteligencja nie byłaby w stanie zrobić lepiej” – stwierdził Borcherds w gazecie studenckiej.
Jego komentarze umieszczają go w rosnącej grupie wybitnych matematyków publicznie zmagających się z konsekwencjami pionierskiej sztucznej inteligencji dla ich dyscypliny. Samo ogłoszenie Naviera-Stokesa wywołało żądania badaczy, aby OpenAI udostępniło weryfikowalne dowody, a na początku tego roku grupa medalistów Fieldsa podpisała deklarację ostrzegającą o rosnącej roli sztucznej inteligencji w matematyce.
„Nawet zapytałem ChatGPT”
Borcherds powiedział, że nie wie już, czy zachęcać uczniów do studiowania matematyki, dziedziny, która jeszcze pięć lat temu wydawała się jedną z najbezpieczniejszych karier w okresie boomu na sztuczną inteligencję.
„Nie mam pojęcia, co doradzić. Zadałem nawet ChatGPT dokładnie to pytanie i nawet ChatGPT powiedział, że nie ma pojęcia, co się wydarzy” – powiedział.
Opisał znaczną „inercję” w systemie akademickim i przewidział, że wydział matematyki może wyglądać tak samo przez kilka lat, pomimo tempa rozwoju sztucznej inteligencji. Porównał obecną chwilę do czasopism papierowych, które nadal publikują, mimo że, jego zdaniem, są „całkowicie bezcelowe” przez dwie dekady.
Zauważył, że historia oferuje podobieństwa – ręczne tkanie zostało wyparte przez krosna, a konie przez samochody – ale podkreślił, że w matematyce nic porównywalnego nie wydarzyło się wcześniej.
„W przeszłości doszło do wielu przełomów technicznych – krosna wyeliminowały z rynku tkactwo ręczne, samochody mechaniczne wyeliminowały konie i tak dalej” – stwierdził Borcherds. „Jednak coś takiego wydarzyło się w matematyce po raz pierwszy”.
Zasady kampusu starają się dotrzymać kroku
Reakcja instytucjonalna Berkeley ilustruje, jak nierówna polityka w zakresie sztucznej inteligencji pozostaje w całym szkolnictwie wyższym. Jak wynika z e-maila od Anne Marie Richard, zastępcy prorektora ds. kształcenia licencjackiego i dyrektora ds. technologii akademickich na kampusie, Wydział Senatu Akademickiego w Berkeley prosi wykładowców o dołączenie oświadczenia na temat oczekiwań dotyczących wykorzystania sztucznej inteligencji w programach nauczania, ale bezpośrednie zasady różnią się znacznie w zależności od poziomu kursu i przedmiotu.
Kampus eksperymentował z narzędziami do wykrywania sztucznej inteligencji, w tym Turnitin i Rumi, ale stwierdził, że nie są one wystarczająco niezawodne, aby można je było ujednolicić. Polityka dotycząca sztucznej inteligencji pozostaje zatem w gestii poszczególnych instruktorów, wspierana przez rosnącą bazę danych przykładowych oświadczeń dotyczących wykorzystania sztucznej inteligencji w uniwersyteckim centrum AI.
Ocenianie na podstawie ukończenia nauki przez Borcherdsa jest w rzeczywistości jednostronnym dostosowaniem do tej luki w egzekwowaniu prawa: zamiast kontrolować użycie sztucznej inteligencji, którego nie może wiarygodnie wykryć, na nowo zdefiniował, co oznacza zaliczenie za pracę domową.
Sygnał dla szkolnictwa wyższego
Ten odcinek stanowi mały, ale konkretny punkt danych w szerszej debacie na temat oceniania w erze sztucznej inteligencji. Jeśli medalista Fieldsa na jednym z czołowych wydziałów matematyki na świecie dojdzie do wniosku, że zestawy problemów, które można zabrać do domu, nie mogą już mierzyć tego, do czego zostały zaprojektowane, konsekwencje sięgają daleko poza Berkeley.
Nauczyciele różnych dyscyplin borykają się z tym samym napięciem: narzędzia do wykrywania pozostają w tyle za narzędziami generującymi, kodeksy honorowe są trudne do egzekwowania na dużą skalę, a formaty ocen opracowane dla świata przed sztuczną inteligencją coraz częściej nie odróżniają wiedzy uczniów od wyników modelu.
Na razie rozwiązanie Borcherdsa jest raczej pragmatyczne niż optymistyczne – oceniaj to, co można ocenić, i otwarcie przyznaj, że reszty nie da się zweryfikować. To, czy edukacja matematyczna może zachować swój tradycyjny model praktyk zawodowych w dobie coraz bardziej zdolnych matematyków zajmujących się sztuczną inteligencją, jest pytaniem, na które, według jego relacji, nawet ChatGPT nie chce odpowiedzieć.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
