Richard Borcherds, UC Berkeleys matematikprofessor och Fields-medaljör, har slutat betygsätta sina elevers läxor för korrekthet – ett beslut som han tillskriver verkligheten att studenter nu rutinmässigt använder AI-verktyg för att slutföra sina problemuppsättningar.
I en intervju med The Daily Californian som publicerades denna vecka sa Borcherds att efter att ha sett hur många av hans elever som använde AI för att konsekvent skicka in toppbetyg, drog han slutsatsen att det var "ingen mening" att fortsätta att betala läsare för att betygsätta läxor för korrekthet, eftersom AI-användning i kursen har blivit oundviklig. For more context on this story, see our ongoing AI industry coverage.
Istället betygsätter han nu på färdigställande: elever som lämnar in sina läxor får tillgodoräkna sig, oavsett om lösningarna tagits fram med maskinassistans.
"Det är inte ett särskilt bra system," medgav Borcherds och beskrev arrangemanget som det minst dåliga alternativet som finns för tillfället.
En Fields-medaljör omvärderar yrket
Borcherds, som vann Fields-medaljen 1998 för sitt arbete med vertexoperatoralgebras och den monstruösa moonshine-förmodan, gav intervjun kort efter att OpenAI meddelade att dess AI-agenter hade tagit fram en uppenbar lösning på Navier-Stokes existens- och jämnhetsproblem - ett av de mest berömda olösta problemen inom matematik.
Det påståendet ifrågasätts fortfarande av matematiker, och Clay Mathematics Institute har inte tilldelat det tillhörande millenniepriset på 1 miljon dollar. Men tillkännagivandet har redan omformat hur vissa matematiker talar om sitt områdes framtid.
"Om AI fortsätter att förbättras i nuvarande takt, kommer det om några år att inte finnas något mänskliga matematiker kan göra som AI inte kan göra bättre," sa Borcherds till studentuppsatsen.
Hans kommentarer placerar honom bland en växande grupp framstående matematiker som offentligt brottas med konsekvenserna av frontier AI för deras disciplin. Navier-Stokes tillkännagivande i sig drog krav från forskare att OpenAI släpper verifierbara bevis, och tidigare i år undertecknade en grupp Fields-medaljörer en deklaration som varnar för AI:s accelererande roll i matematik.
"Jag frågade till och med ChatGPT"
Borcherds sa att han inte längre vet om han ska uppmuntra studenter att ägna sig åt matematik, ett område som verkade - så sent som för fem år sedan - vara bland de säkraste karriärerna från AI-boomen.
"Jag har ingen aning om vad jag ska ge råd. Jag ställde till och med denna exakta fråga till ChatGPT, och till och med ChatGPT sa att det inte hade någon aning om vad som skulle hända", sa han.
Han beskrev betydande "tröghet" i det akademiska systemet och förutspådde att matematikavdelningen kunde se ungefär likadan ut under ett par år trots takten i AI-utvecklingen. Han jämförde det aktuella ögonblicket med fysiska papperstidskrifter, som fortsätter att publiceras trots att de, med hans ord, varit "fullständigt meningslösa" i två decennier.
Historien erbjuder paralleller, noterade han - handvävning fördrevs av vävstolar och hästar av bilar - men han betonade att inget jämförbart tidigare har hänt inom matematiken.
"Det har varit många tekniska genombrott tidigare - handvävning lades ner av vävstolar, och hästar sattes i konkurs av bilar och så vidare," sa Borcherds. "Det här är dock första gången något liknande har hänt i matematik."
Campusregler kämpar för att hänga med
Berkeleys institutionella svar illustrerar hur ojämn AI-policy förblir över högre utbildning. Enligt ett e-postmeddelande från Anne Marie Richard, biträdande vice provost för grundutbildning och campus tekniska chef, ber Berkeley Division of the Academic Senate fakulteten att inkludera ett uttalande om förväntningar på AI-användning i kursplanerna – men direkta policyer varierar dramatiskt beroende på kursnivå och ämne.
Campuset har experimenterat med AI-detektionsverktyg, inklusive Turnitin och Rumi, men fastställt att de inte är tillräckligt tillförlitliga för att standardisera. AI-policy förblir därför upp till individuella instruktörer, med stöd av en växande databas med exempel på AI-användningsutlåtanden i universitetets AI Hub.
Borcherds avslutningsbaserade betygsättning är i själva verket en ensidig anpassning till den efterlevnadsluckan: snarare än att kontrollera AI-användning som han inte kan upptäcka tillförlitligt, har han omdefinierat vad läxkredit betyder.
En signal för högre utbildning
Avsnittet är en liten men tillspetsad datapunkt i en större debatt om bedömning i AI-eran. Om en Fields-medaljör vid en av världens främsta matematiska institutioner har kommit fram till att problemuppsättningar för hemtagning inte längre kan mäta vad de var designade för att mäta, når konsekvenserna långt bortom Berkeley.
Lärare från olika discipliner har brottats med samma spänning: detekteringsverktyg släpar efter generationsverktyg, hederskoder är svåra att genomdriva i stor skala och bedömningsformat som byggts för en värld före AI misslyckas alltmer med att skilja elevernas förståelse från modellutdata.
För tillfället är Borcherds lösning pragmatisk snarare än optimistisk – betygsätt det som kan betygsättas och erkänn öppet att resten har blivit overifierbart. Huruvida matematikutbildning kan bevara sin traditionella lärlingsmodell i en tid av alltmer kapabla AI-matematiker är en fråga som även ChatGPT, enligt hans konto, vägrar att svara på.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
