Κέρδη:
- Ικανότητα χρήσης τεχνητής νοημοσύνης στην επίλυση προβλημάτων σε τρεις διαφορετικούς ρόλους ως σύμβουλος στρατηγικής, παραγωγός λύσεων και ελεγκτής λύσεων, ανάλογα με το επίπεδο κινδύνου του καθενός.
- Δυνατότητα συστηματικού ελέγχου κάθε βήματος μιας λύσης με αρίθμηση, αναζήτηση κανόνων, αριθμητικό έλεγχο, αθροίσματα ελέγχου και καταχώριση όλων των περιπτώσεων.
- Να είναι σε θέση να επαληθεύει τόσο το αποτέλεσμα όσο και τη λύση με ανεξάρτητες μεθόδους, κατανοώντας ότι το σωστό αποτέλεσμα δεν σημαίνει τη σωστή διαδρομή.
Η λύση σε ένα μαθηματικό πρόβλημα είναι μια αλυσίδα διασυνδεδεμένων βημάτων. Εάν κάποιος κρίκος στην αλυσίδα σπάσει, το αποτέλεσμα είναι άκυρο. Η τεχνητή νοημοσύνη είναι πολύ καλή στη γρήγορη κατασκευή αυτής της αλυσίδας — αλλά εναπόκειται στους ανθρώπους να παρακολουθούν την ισχύ της αλυσίδας. Σε αυτή την ενότητα, θα μάθετε πώς να χρησιμοποιείτε το AI ως συνεργάτη επίλυσης προβλημάτων και, το πιο σημαντικό, πώς να ελέγχετε συστηματικά κάθε βήμα που παράγεται. Ο στόχος είναι να εκμεταλλευτείτε την ταχύτητα της τεχνητής νοημοσύνης χωρίς να χάσετε κανένα λάθος.
Πρώτον, ένας ορισμός: Η επαλήθευση βήμα προς βήμα είναι ο έλεγχος εάν κάθε ενδιάμεσο βήμα μιας λύσης είναι σωστό ένα προς ένα. Στα μαθηματικά, "Είναι σωστό το αποτέλεσμα;" Η ερώτηση δεν είναι αρκετή. "Είναι σωστό κάθε ενδιάμεσο βήμα;" Το ερώτημα είναι ουσιαστικό. Επειδή μερικές φορές τα λάθος βήματα οδηγούν τυχαία στο σωστό αποτέλεσμα (μια ασταθής λύση), μερικές φορές ένα μόνο αριθμητικό λάθος σε μια σωστή στρατηγική χαλάει το αποτέλεσμα.
Τρεις διαφορετικοί ρόλοι της τεχνητής νοημοσύνης στην επίλυση προβλημάτων
Μπορείτε να χρησιμοποιήσετε το AI στην επίλυση προβλημάτων με τρεις διαφορετικούς τρόπους και ο καθένας απαιτεί διαφορετική επικύρωση:
- Σύμβουλος στρατηγικής: "Πώς μπορώ να λύσω αυτό το πρόβλημα;" Εδώ, το AI προτείνει μια μέθοδο. Ο κίνδυνος είναι χαμηλός γιατί κάνετε τους υπολογισμούς μόνοι σας.
- Γεννήτρια λύσεων: "Λύστε αυτό το πρόβλημα." Ο κίνδυνος είναι υψηλός επειδή τόσο η στρατηγική όσο και ο υπολογισμός προέρχονται από την τεχνητή νοημοσύνη. Κάθε βήμα πρέπει να επιβλέπεται.
- Έλεγχος λύσεων: "Ελέγξτε τη λύση μου." Είναι μεσαίου κινδύνου. Η τεχνητή νοημοσύνη μπορεί να βρει σφάλματα, αλλά μπορεί επίσης να δημιουργήσει σφάλματα που δεν υπάρχουν ή να χάνουν το πραγματικό σφάλμα.
Η πιο ασφαλής προσέγγιση είναι συνήθως να συνδυάσετε το 1 και το 3: λάβετε τη στρατηγική από το AI, κάντε τον υπολογισμό μόνοι σας ή με το SymPy και, στη συνέχεια, κάντε τον έλεγχο τεχνητής νοημοσύνης και τη διασταύρωση.
Βήμα προς βήμα: πώς να ελέγξετε μια λύση
1. Αριθμήστε κάθε βήμα. Ζητώντας από το AI τη λύση σε αριθμημένα βήματα, μπορείτε να πείτε, "Υπάρχει σφάλμα στο βήμα 3".
2. Σε κάθε βήμα "ποιος κανόνας;" Κύριε. Ζητήστε από το AI να γράψει ποιος αλγεβρικός κανόνας, θεώρημα ή ταυτότητα χρησιμοποιείται σε κάθε πέρασμα. Εάν το όνομα του κανόνα είναι λάθος, το βήμα είναι επίσης αμφίβολο.
3. Ελέγξτε την αριθμητική χωριστά. Ακόμα κι αν η αλγεβρική λογική είναι σωστή, τα αριθμητικά σφάλματα είναι κοινά. Ελέγξτε κάθε προσθήκη, πολλαπλασιασμό και αλλαγή πρόσημου.
4. Δοκιμάστε όρια και εξαιρέσεις. Δοκιμάστε το αποτέλεσμα σε απλές τιμές όπως x=0, x=1. Εάν ο τύπος είναι παράλογος σε αυτές τις τιμές, υπάρχει σφάλμα.
5. Επιστρέψτε αντίστροφα. Ελέγξτε το αποτέλεσμα της παραγώγου ολοκληρώνοντας, αντικαθιστώντας τη ρίζα της εξίσωσης, πολλαπλασιάζοντας την παραγοντοποίηση πίσω.
6. Αναζητήστε συνέπεια μεγέθους/μονάδας. Εάν οι μονάδες δεν αθροίζονται στα εφαρμοσμένα προβλήματα (π.χ. προσθήκη μετρητών και δευτερολέπτων), ο τύπος είναι εσφαλμένος.
Συμβουλή: Η "Επαλήθευση με αντίστροφη λειτουργία" είναι το πιο ισχυρό εργαλείο επαλήθευσης στα μαθηματικά και είναι σχεδόν δωρεάν. Αν βρήκατε τη ρίζα μιας εξίσωσης, αντικαταστήστε την. Εάν πήρατε ένα ολοκλήρωμα, πάρτε την παράγωγό του. Εάν κάνατε παραγοντοποίηση, πολλαπλασιάστε ξανά. Αυτός ο έλεγχος 30 δευτερολέπτων αποτρέπει ώρες λάθος κατεύθυνσης.
Η ισχύς της παροχής προέρχεται από την ανεξαρτησία της από την τεχνητή νοημοσύνη. Όταν αντικαθιστάτε μια ρίζα, κάνετε έναν ντετερμινιστικό έλεγχο που είναι εντελώς ανεξάρτητος από το τι κάνει η τεχνητή νοημοσύνη στη διαδικασία λύσης: είτε η εξίσωση ικανοποιείται είτε δεν είναι, δεν υπάρχει ενδιάμεσο. Γι' αυτό η επαλήθευση είναι πολύ πιο πολύτιμη από το AI που λέει "σίγουρα, σωστά". επειδή το AI μπορεί να επαναλάβει το ίδιο λάθος κατά την επικύρωση της δικής του λύσης, αλλά η ανεξάρτητη επαλήθευση βρίσκεται εκτός αυτού του βρόχου. Όταν μπορείτε να παραδώσετε ένα κρίσιμο αποτέλεσμα με δύο διαφορετικούς ανεξάρτητους τρόπους (π.χ. αντικατάσταση και SymPy), η αυτοπεποίθησή σας αυξάνεται εκθετικά.
Ταξινόμηση σφαλμάτων
Ο παρακάτω πίνακας συνοψίζει τους τύπους σφαλμάτων που βλέπετε πιο συχνά σε λύσεις τεχνητής νοημοσύνης και τον τρόπο εντοπισμού του καθενός.
Τύπος σφάλματος
παράδειγμα
διαδρομή σύλληψης
σφάλμα υπογραφής
Γράψιμο −(a−b) = −a−b
Άνοιγμα και έλεγχος του ονόματός μου με μη αυτόματο τρόπο
αριθμητικό λάθος
7×8 = 54
Επιβεβαίωση με αριθμομηχανή/SymPy
λάθος κανόνας
ξεχάστε τον κανόνα της αλυσίδας
«Ποιος κανόνας;» να ρωτήσω
Σφάλμα πεδίου/ορισμού
λήψη αρχείου καταγραφής (αρνητικό)
Έλεγχος του τομέα
Παράλειψη κατάστασης
Παράβλεψη διακριτικού < 0
Καταχωρίστε όλες τις καταστάσεις
Φτιαγμένο θεώρημα
ανύπαρκτο όνομα θεωρήματος
Επιβεβαίωση από την πηγή
τρεις μίνι θήκες
Περίπτωση 1 — Σωστό αποτέλεσμα, λάθος διαδρομή. Ένας μαθητής έκανε στο AI μια ερώτηση ορίου. Το AI βρήκε το αποτέλεσμα να είναι 3 — το οποίο ήταν σωστό — αλλά στο ενδιάμεσο βήμα χρησιμοποίησε τον κανόνα του L'Hôpital όπου δεν μπορούσε να εφαρμοστεί (χωρίς την αβεβαιότητα 0/0). Ο μαθητής ρωτά "ποιος κανόνας ισχύει και γιατί;" Όταν ρωτήθηκε, το AI αποδέχτηκε το λάθος και έφτασε ξανά στο 3 με τον σωστό τρόπο. Το αποτέλεσμα ήταν το ίδιο, αλλά η διαδρομή δεν ήταν σταθερή. Το ταξίδι βαθμολογήθηκε και στην εξέταση.
Περίπτωση 2 — Παράλειψη υπόθεση. Ένας μηχανικός, |2x − 4| = 6 εξίσωση απόλυτης τιμής λύθηκε με ΥΖ. Ο YZ έλυσε μόνο 2x − 4 = 6 και έδωσε x = 5. Παράβλεψε την κατάσταση 2x − 4 = −6 (x = −1). Ο μηχανικός ρωτά "πόσες καταστάσεις υπάρχουν σε απόλυτη τιμή;" Όταν ρώτησα, εμφανίστηκε η δεύτερη ρίζα. Η ορθότητα και των δύο ριζών επιβεβαιώθηκε με αντικατάσταση.
Περίπτωση 3 — Ο διασταυρούμενος έλεγχος βρήκε 3 σφάλματα. Ένας δάσκαλος έβαλε το AI να κάνει μια τριγωνομετρική απόδειξη ταυτότητας 10 βημάτων. Στη συνέχεια, συνέκρινε την ίδια απόδειξη βήμα προς βήμα με τη συνάρτηση απλοποίησης του SymPy. Διαπίστωσε ότι το AI εφάρμοσε λάθος ταυτότητα σε 3 στα 10 βήματα. Συνολικός χρόνος ελέγχου 12 λεπτά. Η εμπιστοσύνη που αποκτήθηκε είναι ανεκτίμητη.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Αριθμημένη, βασισμένη σε κανόνες λύση:
Λύστε αυτό το πρόβλημα: [πρόβλημα]. Γράψτε τη λύση σε ΑΡΙΘΜΗΤΑ βήματα. Σε κάθε βήμα, αναφέρετε το όνομα του κανόνα/θεωρήματος που χρησιμοποιήσατε σε παρένθεση. Μην παραλείψετε κανένα βήμα λέγοντας "προφανώς". δείχνουν κάθε μετάβαση.
2) Μην πιέζετε όλες τις καταστάσεις:
Λύστε αυτό το πρόβλημα: [πρόβλημα]. Καταγράψτε ΟΛΕΣ ΤΙΣ ΠΙΘΑΝΕΣ περιπτώσεις κατά την επίλυση (π.χ. απόλυτη τιμή, τετραγωνικοί, περιορισμοί τομέα). Μην παραλείπετε καμία περίπτωση. Αν το παρακάμψετε, αιτιολογήστε γιατί το παραλείψατε.
3) Αιτητική παροχή:
Βρήκατε: [αποτέλεσμα]. Τώρα ΕΠΑΛΗΘΕΥΣΤΕ αυτό το αποτέλεσμα με την αντίστροφη πράξη: [διαφοροποίηση / αντικατάσταση / πολλαπλασιασμός πίσω]. Δείξτε το αποτέλεσμα του αθροίσματος ελέγχου και πείτε εάν είναι συνεπές με το αρχικό πρόβλημα.
4) Έλεγχος προσανατολισμένου σε σφάλματα:
ΑΠΛΩΣ αναζητήστε σφάλματα στην παρακάτω λύση. Ελέγξτε κάθε βήμα με τη σειρά. όταν βρείτε το πρώτο σφάλμα, γράψτε ποιο βήμα, τι είδους σφάλμα (σύμβολο/αριθμητικό/κανόνας) και ποιο είναι το σωστό. Δημιουργία νέας λύσης. Λύση: [εδώ]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Επίλυση x² − 5x + 6 = 0."
Αποτέλεσμα: "x = 2 και x = 3" — μπορεί να είναι αλήθεια, αλλά δεν θα παρατηρήσετε εάν η περίεργη περίπτωση παραλείπεται ή η παραγοντοποίηση είναι λάθος.
Ισχυρή: "Λύστε την εξίσωση x² − 5x + 6 = 0 τόσο με παραγοντοποίηση όσο και με τον τύπο διάκρισης. Δείξτε ότι οι δύο μέθοδοι δίνουν τις ίδιες ρίζες. Στη συνέχεια, δώστε κάθε ρίζα αντικαθιστώντας την στην εξίσωση."
Αποτέλεσμα: Δύο ανεξάρτητες μέθοδοι επαληθεύουν η μία την άλλη, διασφαλίζοντας ότι το αποτέλεσμα είναι ακριβές. Εάν υπάρχει κάποιο σφάλμα, οι δύο μέθοδοι θα έρθουν σε διένεξη και θα το δείτε αμέσως.
Συνήθη λάθη
- Κοιτάζοντας μόνο το αποτέλεσμα. Το σωστό αποτέλεσμα δεν σημαίνει σταθερή πορεία. Ελέγξτε επίσης το δρόμο.
- Παράλειψη παροχής. Ένας έλεγχος αντικατάστασης/επιστροφής παραγώγου διάρκειας 30 δευτερολέπτων καταγράφει τα περισσότερα λάθη. Μην το αμελείτε.
- Δεν απαριθμεί καταστάσεις. Παραλείψεις σε απόλυτη τιμή, τετραγωνικοί περιορισμοί, ρίζες και περιορισμοί τομέα είναι τα πιο συνηθισμένα σφάλματα.
- Εμπιστεύεστε το AI για να πείτε "no bugs". Η τεχνητή νοημοσύνη στον ρόλο του ελεγκτή μπορεί να χάσει το πραγματικό σφάλμα. Το ανθρώπινο μάτι είναι απαραίτητο στην κριτική εργασία.
- Το να είσαι ικανοποιημένος με μια μέθοδο. Εάν είναι δυνατόν, λύστε και συγκρίνετε χρησιμοποιώντας δύο ανεξάρτητες μεθόδους.
Προσοχή: Όταν η τεχνητή νοημοσύνη ελέγχει τη λύση σας, μερικές φορές μπορεί να δημιουργήσει ένα ανύπαρκτο «σφάλμα» και να σας αποτρέψει από τη σωστή λύση. Έτσι, όταν το AI εμφανίζει ένα σφάλμα, ελέγχετε επίσης αν αυτό το σφάλμα είναι πραγματικά σφάλμα. Ο ελεγκτής μπορεί επίσης να κάνει λάθος.
Συνοπτικά
Στην επίλυση προβλημάτων, η τεχνητή νοημοσύνη παίζει τρεις ρόλους: σύμβουλος στρατηγικής, δημιουργός λύσεων, ελεγκτής λύσεων. Η πιο ασφαλής προσέγγιση είναι να πάρετε τη στρατηγική από την τεχνητή νοημοσύνη, να κάνετε τους υπολογισμούς με ανεξάρτητα εργαλεία και να ελέγξετε συστηματικά κάθε βήμα. Αριθμημένα βήματα, "ποιος κανόνας;" Η ερώτηση, το άθροισμα ελέγχου (αντίστροφη λειτουργία), οι περιοριστικές περιπτώσεις και η λίστα όλων των περιπτώσεων είναι τα βασικά εργαλεία για τον εντοπισμό σφαλμάτων. Το σωστό αποτέλεσμα δεν σημαίνει σταθερή πορεία. Ελέγξτε και το αποτέλεσμα και τη διαδρομή.
Εργασία εφαρμογής
Επιλέξτε μια τετραγωνική εξίσωση ή μια εξίσωση απόλυτης τιμής. Λύστε το YZ με τα πρότυπα 1 και 2. Στη συνέχεια: (α) ελέγξτε ότι έχουν καλυφθεί όλες οι περιπτώσεις, (β) διασφαλίστε κάθε ρίζα αντικαθιστώντας, (γ) λύστε και συγκρίνετε ξανά με μια δεύτερη μέθοδο, αν είναι δυνατόν. Εάν βρείτε κάποιο σφάλμα, σημειώστε τι είδους είναι (σύμβολο/αριθμητικός/κανόνας/παράλειψη συνθήκης).
λίστα ελέγχου
- [ ] Πήρα τη λύση σε αριθμημένα βήματα.
- [ ] Επιβεβαίωσα τον κανόνα που χρησιμοποιείται σε κάθε βήμα.
- [ ] Έχω επαληθεύσει ότι όλα τα απρόβλεπτα έχουν αντιμετωπιστεί.
- [ ] Έλεγξα το αποτέλεσμα με αντίστροφη λειτουργία (έλεγχος).
- [ ] Αν είναι δυνατόν, το συνέκρινα με μια δεύτερη μέθοδο.
- [ ] Επίσης, επαλήθευσα ανεξάρτητα τα "λάθη" που έδειξε η AI.