استفاده فراگیر دانشجویان از هوش مصنوعی و چالش‌های جدید آموزش ریاضی در UC Berkeley — AI use leads UC Berkeley math professor to see 'no point' in grading homework
خلاصه
یک استاد ریاضی دانشگاه UC Berkeley و برنده مدال Fields به دلیل استفاده گسترده دانشجویان از ابزارهای هوش مصنوعی برای حل تکالیف، نمره‌دهی به درستی تکالیف را متوقف کرده است. این رویداد چالش‌های جدی سیستم‌های آموزشی در عصر هوش مصنوعی و آینده مشاغل ریاضی را برجسته می‌کند.
مقدمه و زمینه
پیشرفت‌های سریع در حوزه هوش مصنوعی و استفاده گسترده دانشجویان از این فناوری، آینده آموزش و پژوهش در رشته‌های فنی و پایه مانند ریاضیات را با ابهامات جدی روبه‌رو کرده است. در تازه‌ترین نمونه، Richard Borcherds، استاد دانشگاه UC Berkeley و یکی از برندگان معتبر مدال Fields، اعلام کرده است که دیگر تکالیف خانگی دانشجویان را از نظر صحت و درستی تصحیح و نمره‌گذاری نمی‌کند.
این تصمیم پس از آن اتخاذ شد که او متوجه شد دانشجویان با استفاده از ابزارهای هوش مصنوعی می‌توانند به طور مداوم نمرات کامل را در تکالیف کسب کنند. او معتقد است وقتی استفاده از AI اجتناب‌ناپذیر شده، دیگر دلیلی ندارد که هزینه‌ای صرف استخدام دستیاران آموزشی برای تصحیح صحت تکالیف شود.
جزئیات فنی و وضعیت فعلی
تغییرات اخیر در مدل‌های زبانی بزرگ و قابلیت‌های آن‌ها در حل مسائل پیچیده ریاضی، مرزهای تقلب و کمک‌گرفتن را جابه‌جا کرده است. این تحولات هم‌زمان با اخبار مربوط به توانایی ایجنت‌های هوش مصنوعی در حل یکی از دشوارترین مسائل ریاضی یعنی مسئله وجود و همواری Navier-Stokes رخ داده است.
- سیاست جدید نمره‌گذاری: پروفسور Borcherds در حال حاضر تنها بر اساس تحویل‌دادن یا ندادن تکالیف (Completion) به دانشجویان نمره می‌دهد. او خودش اعتراف می‌کند که این سیستم ایده‌آل نیست، اما در شرایط فعلی جایگزین بهتری وجود ندارد.
- ناکارآمدی ابزارهای تشخیص: دانشگاه UC Berkeley ابزارهای مختلف تشخیص هوش مصنوعی مانند Turnitin و Rumi را آزمایش کرده، اما به این نتیجه رسیده است که این ابزارها دقت کافی برای استانداردسازی و استفاده سراسری را ندارند.
- ابهام در آینده شغلی: به گفته Borcherds، تا چند سال پیش ریاضیات یکی از امن‌ترین مشاغل در برابر موج هوش مصنوعی به نظر می‌رسید، اما اکنون حتی ابزارهایی مانند ChatGPT نیز پاسخ روشنی برای آینده این حوزه ندارند.
نگاه جامعه برنامه‌نویسان و هکرنیوز
بحث پیرامون این موضوع در Hacker News واکنش‌های متفاوتی از سوی مهندسان و برنامه‌نویسان به همراه داشته است:
- برخی کاربران اشاره کرده‌اند که چالش تکالیف خانگی و تقلب موضوع تازه‌ای نیست؛ در گذشته نیز دانشجویان از روش‌های مختلف برای کپی‌کردن تمرین‌ها استفاده می‌کردند، اما هوش مصنوعی این فرایند را چنان آشکار و فراگیر کرده که دیگر نمی‌توان آن را نادیده گرفت.
- دیدگاه دیگری مطرح می‌کند که شاید وقت آن رسیده که آموزش عالی به جای مهارت‌آموزی مستقیم برای صنعت، دوباره روی مباحث آکادمیک تمرکز کند و شرکت‌ها مسئولیت آموزش مهارت‌های کاربردی را بر عهده بگیرند.
- بسیاری از کاربران معتقدند سیستم نمره‌دهی باید به سمت ارزیابی‌های درون کلاسی (مانند آزمون‌های کتبی یا شفاهی بدون دسترسی به ابزار) بازگردد، زیرا حذف چرخه پاداش تمرین‌های تدریجی می‌تواند انگیزه یادگیری را در دانشجویان کم‌تجربه‌تر کاهش دهد.
چرا این موضوع برای مهندسان اهمیت دارد؟
برای توسعه‌دهندگان نرم‌افزار و فعالان حوزه فناوری، این مسئله نشان‌دهنده سرریز شدن تأثیرات تحولات LLMها به حوزه‌های سنتی‌تر مانند آکادمیا و آموزش است. زمانی که پایه‌ترین پایه‌های ارزیابی تحصیلی (یعنی تکالیف خانگی) توسط هوش مصنوعی دور زده می‌شوند، کل زنجیره تامین نیروی انسانی متخصص و نحوه سنجش مهارت‌ها دگرگون می‌شود. این امر نیازمند بازنگری اساسی در الگوهای آموزشی، ارزشیابی و حتی نحوه تعریف مسئله در دنیای مهندسی و علوم پایه است.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل