Richard Borcherds, professor de matemática da UC Berkeley e medalhista Fields, parou de avaliar a correção dos trabalhos de casa dos seus alunos - uma decisão que ele atribui à realidade de que os alunos agora usam rotineiramente ferramentas de IA para completar seus conjuntos de problemas.
Em uma entrevista ao The Daily Californian publicada esta semana, Borcherds disse que depois de ver quantos de seus alunos usaram a IA para enviar consistentemente trabalhos com as melhores pontuações, ele concluiu que "não fazia sentido" continuar a pagar aos leitores para avaliar a correção dos trabalhos de casa, uma vez que o uso da IA no curso se tornou inevitável. Para mais contexto sobre esta história, confira nossa últimos desenvolvimentos em IA.
Em vez disso, ele agora avalia a conclusão: os alunos que entregam os trabalhos de casa recebem créditos, independentemente de as soluções terem sido produzidas com auxílio de máquinas.
“Não é um sistema muito bom”, admitiu Borcherds, descrevendo o acordo como a opção menos ruim disponível no momento.
Um medalhista Fields reavalia a profissão
Borcherds, que ganhou a Medalha Fields em 1998 por seu trabalho em álgebras de operadores de vértices e a monstruosa conjectura do luar, deu a entrevista logo depois que a OpenAI anunciou que seus agentes de IA haviam produzido uma solução aparente para o problema de existência e suavidade de Navier-Stokes – um dos mais célebres problemas não resolvidos da matemática.
Essa afirmação continua a ser contestada pelos matemáticos, e o Clay Mathematics Institute não atribuiu o Prémio Millennium de 1 milhão de dólares associado. Mas o anúncio já remodelou a forma como alguns matemáticos falam sobre o futuro da sua área.
“Se a IA continuar a melhorar no ritmo atual, então, em alguns anos, não haverá nada que os matemáticos humanos possam fazer que a IA não possa fazer melhor”, disse Borcherds ao jornal estudantil.
Seus comentários o colocam entre um grupo crescente de matemáticos proeminentes que lutam publicamente com as implicações da IA de fronteira para sua disciplina. O próprio anúncio de Navier-Stokes atraiu exigências dos investigadores para que a OpenAI divulgasse provas verificáveis, e no início deste ano um grupo de medalhistas Fields assinou uma declaração alertando sobre o papel acelerador da IA na matemática.
"Eu até perguntei ao ChatGPT"
Borcherds disse que já não sabe se deve incentivar os estudantes a seguirem a matemática, uma área que parecia - há apenas cinco anos - estar entre as carreiras mais seguras desde o boom da IA.
"Não tenho ideia do que aconselhar. Até fiz exatamente essa pergunta ao ChatGPT, e até o ChatGPT disse que não tinha ideia do que iria acontecer", disse ele.
Ele descreveu uma “inércia” substancial no sistema acadêmico e previu que o departamento de matemática poderia parecer o mesmo por alguns anos, apesar do ritmo de desenvolvimento da IA. Ele comparou o momento atual aos periódicos físicos em papel, que continuam a publicar apesar de serem, em suas palavras, “totalmente inúteis” por duas décadas.
A história oferece paralelos, observou ele – a tecelagem manual foi substituída pelos teares e os cavalos pelos automóveis – mas enfatizou que nada comparável aconteceu anteriormente na matemática.
“Houve muitos avanços técnicos no passado – a tecelagem manual foi eliminada pelos teares, e os cavalos foram eliminados pelos automóveis, e assim por diante”, disse Borcherds. "Esta é a primeira vez que algo assim acontece na matemática."
As regras do campus lutam para acompanhar
A resposta institucional de Berkeley ilustra como a política de IA permanece desigual no ensino superior. De acordo com um e-mail de Anne Marie Richard, vice-reitora assistente de ensino de graduação e diretora de tecnologia acadêmica do campus, a Divisão de Berkeley do Senado Acadêmico pede ao corpo docente que inclua uma declaração sobre as expectativas de uso de IA nos programas de curso - mas as políticas diretas variam dramaticamente por nível de curso e assunto.
O campus fez experiências com ferramentas de detecção de IA, incluindo Turnitin e Rumi, mas determinou que elas não são confiáveis o suficiente para serem padronizadas. A política de IA, portanto, permanece a critério de cada instrutor, apoiada por um banco de dados crescente de exemplos de declarações de uso de IA no AI Hub da universidade.
A classificação baseada na conclusão de Borcherds é, na verdade, uma adaptação unilateral a essa lacuna de aplicação: em vez de policiar o uso da IA que ele não consegue detectar de forma confiável, ele redefiniu o que significa o crédito do dever de casa.
Um sinal para o ensino superior
O episódio é um pequeno mas pontual dado num debate mais amplo sobre avaliação na era da IA. Se um medalhista Fields de um dos principais departamentos de matemática do mundo concluiu que os conjuntos de problemas para levar para casa não podem mais medir o que foram projetados para medir, as implicações vão muito além de Berkeley.
Os educadores de todas as disciplinas têm enfrentado a mesma tensão: as ferramentas de detecção ficam atrás das ferramentas de geração, os códigos de honra são difíceis de aplicar em grande escala e os formatos de avaliação criados para um mundo pré-IA falham cada vez mais em distinguir a compreensão dos alunos dos resultados do modelo.
Por enquanto, a solução de Borcherds é mais pragmática do que optimista – avaliar o que pode ser classificado e reconhecer abertamente que o resto se tornou inverificável. Se a educação matemática pode preservar o seu modelo tradicional de aprendizagem numa era de matemáticos de IA cada vez mais capazes é uma questão que até mesmo o ChatGPT, segundo ele, se recusa a responder.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
