Richard Borcherds ศาสตราจารย์คณิตศาสตร์ UC Berkeley และผู้ชนะเลิศ Fields Medalist ได้หยุดให้คะแนนการบ้านของนักเรียนในเรื่องความถูกต้อง ซึ่งเป็นการตัดสินใจที่เขาอ้างถึงความจริงที่ว่าตอนนี้นักเรียนใช้เครื่องมือ AI เป็นประจำเพื่อทำชุดปัญหาให้สำเร็จ
ในการให้สัมภาษณ์กับ The Daily Californian ที่ตีพิมพ์ในสัปดาห์นี้ Borcherds กล่าวว่าหลังจากเห็นว่านักเรียนของเขากี่คนใช้ AI เพื่อส่งงานที่ได้คะแนนสูงสุดอย่างต่อเนื่อง เขาสรุปว่า "ไม่มีประโยชน์" ที่จะจ่ายเงินให้ผู้อ่านให้คะแนนการบ้านเพื่อความถูกต้องต่อไป เนื่องจากการใช้ AI ในหลักสูตรกลายเป็นเรื่องที่หลีกเลี่ยงไม่ได้ For more context on this story, see our ongoing artificial intelligence updates.
แต่ในตอนนี้เขาให้คะแนนเมื่อสำเร็จ: นักเรียนที่ส่งการบ้านจะได้รับเครดิต ไม่ว่าโซลูชันจะผลิตโดยใช้ความช่วยเหลือของเครื่องจักรหรือไม่ก็ตาม
“มันไม่ใช่ระบบที่ดีนัก” Borcherds ยอมรับ โดยอธิบายว่าข้อตกลงนี้เป็นตัวเลือกที่แย่น้อยที่สุดที่มีอยู่ในขณะนี้
ผู้ชนะเลิศสาขาประเมินอาชีพอีกครั้ง
Borcherds ผู้ได้รับรางวัล Fields Medal ในปี 1998 จากผลงานของเขาเกี่ยวกับพีชคณิตโอเปอเรเตอร์จุดสุดยอดและการคาดเดาแสงจันทร์อันมหึมา ให้สัมภาษณ์ไม่นานหลังจากที่ OpenAI ประกาศว่าตัวแทน AI ของตนได้สร้างวิธีแก้ปัญหาที่ชัดเจนสำหรับการดำรงอยู่และปัญหาความราบรื่นของ Navier-Stokes ซึ่งเป็นหนึ่งในปัญหาทางคณิตศาสตร์ที่ยังไม่ได้รับการแก้ไขที่โด่งดังที่สุด
คำกล่าวอ้างดังกล่าวยังคงถูกโต้แย้งโดยนักคณิตศาสตร์ และสถาบันคณิตศาสตร์เคลย์ไม่ได้มอบรางวัล Millennium Prize มูลค่า 1 ล้านดอลลาร์ที่เกี่ยวข้อง แต่การประกาศดังกล่าวได้เปลี่ยนรูปแบบวิธีที่นักคณิตศาสตร์บางคนพูดถึงอนาคตของสาขาของตนใหม่แล้ว
“หาก AI ยังคงพัฒนาต่อไปในอัตราปัจจุบัน ในอีกไม่กี่ปีข้างหน้า ไม่มีอะไรที่นักคณิตศาสตร์ของมนุษย์สามารถทำได้ และ AI จะไม่สามารถทำได้ดีกว่านี้” Borcherds กล่าวกับรายงานของนักเรียน
ความคิดเห็นของเขาทำให้เขาเป็นหนึ่งในกลุ่มนักคณิตศาสตร์ที่มีชื่อเสียงที่กำลังเติบโตซึ่งกำลังต่อสู้กับผลกระทบของ AI ระดับแนวหน้าต่อระเบียบวินัยของพวกเขา การประกาศ Navier-Stokes ดึงข้อเรียกร้องจากนักวิจัยว่า OpenAI จะเผยแพร่ข้อพิสูจน์ที่ตรวจสอบได้ และเมื่อต้นปีนี้ กลุ่มผู้ชนะเลิศ Fields ได้ลงนามในคำเตือนเกี่ยวกับบทบาทการเร่งของ AI ในด้านคณิตศาสตร์
"ฉันยังถาม ChatGPT"
Borcherds กล่าวว่าเขาไม่รู้ว่าจะสนับสนุนให้นักเรียนเรียนคณิตศาสตร์อีกต่อไปหรือไม่ ซึ่งเป็นสาขาที่ดูเหมือนจะเป็นอาชีพที่ปลอดภัยที่สุดจากกระแส AI เมื่อห้าปีที่แล้ว
"ฉันไม่รู้ว่าจะแนะนำอะไร ฉันยังถามคำถามนี้กับ ChatGPT และแม้แต่ ChatGPT ก็บอกว่าไม่รู้ว่าจะเกิดอะไรขึ้น" เขากล่าว
เขาอธิบายถึง "ความเฉื่อย" ที่สำคัญในระบบการศึกษา และคาดการณ์ว่าภาควิชาคณิตศาสตร์อาจดูเหมือนเดิมมากไปอีกสองสามปี แม้ว่าการพัฒนา AI จะก้าวไปอย่างรวดเร็วก็ตาม เขาเปรียบเทียบช่วงเวลาปัจจุบันกับวารสารกระดาษ ซึ่งยังคงตีพิมพ์ต่อไปแม้จะเป็นคำพูดของเขาว่า “ไร้จุดหมายโดยสิ้นเชิง” มานานสองทศวรรษแล้ว
เขาตั้งข้อสังเกตว่าประวัติศาสตร์มีความคล้ายคลึงกัน การทอผ้าด้วยมือถูกแทนที่ด้วยเครื่องทอผ้า และการแทนที่ม้าด้วยรถยนต์ แต่เขาเน้นย้ำว่าไม่เคยมีสิ่งใดเทียบเคียงได้เกิดขึ้นมาก่อนในวิชาคณิตศาสตร์
“ในอดีตมีความก้าวหน้าทางเทคนิคมากมาย การทอผ้าด้วยมือต้องเลิกกิจการโดยใช้เครื่องทอผ้า และม้าก็เลิกกิจการด้วยรถยนต์ และอื่นๆ” Borcherds กล่าว “นี่เป็นครั้งแรกที่มีเหตุการณ์เช่นนี้เกิดขึ้นในวิชาคณิตศาสตร์”
กฎของวิทยาเขตดิ้นรนเพื่อให้ทัน
การตอบสนองของสถาบันของ Berkeley แสดงให้เห็นว่านโยบาย AI ที่ไม่สม่ำเสมอยังคงอยู่ในการศึกษาระดับอุดมศึกษาอย่างไร ตามอีเมลจาก Anne Marie Richard ผู้ช่วยรองอธิการบดีฝ่ายการศึกษาระดับปริญญาตรีและหัวหน้าเจ้าหน้าที่เทคโนโลยีวิชาการของวิทยาเขต แผนก Berkeley ของวุฒิสภาทางวิชาการขอให้คณาจารย์รวมคำแถลงเกี่ยวกับความคาดหวังในการใช้ AI ไว้ในหลักสูตรของหลักสูตร แต่นโยบายโดยตรงจะแตกต่างกันไปอย่างมากตามระดับของหลักสูตรและสาขาวิชา
วิทยาเขตได้ทดลองใช้เครื่องมือตรวจจับ AI ซึ่งรวมถึง Turnitin และ Rumi แต่พบว่าเครื่องมือเหล่านี้ไม่น่าเชื่อถือเพียงพอที่จะสร้างมาตรฐาน นโยบาย AI จึงขึ้นอยู่กับดุลยพินิจของผู้สอนแต่ละคน โดยได้รับการสนับสนุนจากฐานข้อมูลตัวอย่างการใช้งาน AI ที่เพิ่มมากขึ้นใน AI Hub ของมหาวิทยาลัย
การให้เกรดตามความสมบูรณ์ของ Borcherds เป็นการปรับฝ่ายเดียวอย่างมีประสิทธิภาพต่อช่องว่างการบังคับใช้นั้น แทนที่จะควบคุมการใช้ AI ที่เขาไม่สามารถตรวจจับได้อย่างน่าเชื่อถือ เขาได้กำหนดความหมายของเครดิตการบ้านใหม่
สัญญาณของการอุดมศึกษา
ตอนนี้เป็นจุดข้อมูลเล็กๆ แต่ชัดเจนในการถกเถียงในวงกว้างเกี่ยวกับการประเมินในยุค AI หากผู้ได้รับรางวัล Fields Medalist จากแผนกคณิตศาสตร์ชั้นนำแห่งหนึ่งของโลกสรุปว่าชุดปัญหาแบบนำกลับบ้านไม่สามารถวัดสิ่งที่พวกเขาออกแบบมาเพื่อวัดได้อีกต่อไป ความหมายจะมีผลไปไกลกว่า Berkeley
นักการศึกษาจากทุกสาขาวิชาต้องต่อสู้กับความตึงเครียดแบบเดียวกัน เครื่องมือตรวจจับล้าหลังเครื่องมือรุ่น รหัสเกียรติยศเป็นเรื่องยากที่จะบังคับใช้ในวงกว้าง และรูปแบบการประเมินที่สร้างขึ้นสำหรับโลกก่อน AI ล้มเหลวในการแยกแยะความเข้าใจของนักเรียนจากผลลัพธ์ของแบบจำลองมากขึ้นเรื่อยๆ
สำหรับตอนนี้ วิธีแก้ปัญหาของ Borcherds เป็นแบบเชิงปฏิบัติมากกว่าการมองโลกในแง่ดี โดยให้คะแนนสิ่งที่สามารถให้คะแนนได้ และรับทราบอย่างเปิดเผยว่าส่วนที่เหลือไม่สามารถตรวจสอบได้ การศึกษาคณิตศาสตร์สามารถรักษารูปแบบการฝึกงานแบบดั้งเดิมในยุคที่นักคณิตศาสตร์ AI ที่มีความสามารถมากขึ้นได้หรือไม่ นั้นเป็นคำถามที่ ChatGPT ปฏิเสธที่จะตอบตามบัญชีของเขา
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
