Eetika, akadeemiline ausus, piirid ja täielik töövoog

Kasu:

• Oskus mõista ja rakendada tehisintellekti kasutamise eetilisi põhimõtteid matemaatikas (õppimise, läbipaistvuse, inimliku vastutuse, õigluse, konfidentsiaalsuse teenistuses olemine).
• Võimalus hinnata privaatsusriske ja võtta asjakohaseid ettevaatusabinõusid tundliku sisu puhul, nagu eksamiküsimused, õpilaste andmed ja avaldamata uuringud
• Võimalus ühendada kõik mooduli osad (tootmine + kontrollimine) üheks otsast lõpuni töövoogu, viies iga tootmisetapi lõpule kontrollietapi ja lõpliku inimese kinnitusega

Selles lõpuosas ühendame kaks asja: ühelt poolt tehisintellekti matemaatikas kasutamise eetilise, akadeemilise terviklikkuse ja konfidentsiaalsuse mõõtmed; Teisest küljest koondada kogu mooduli jooksul õpitu ühte otsast lõpuni töövoogu. AI matemaatikas on võimas tööriist, kuid sellega kaasneb nii vastutus kui ka jõud: kelle jaoks te seda kasutate, milleks te seda kasutate ja kuidas seda kasutate, sellel on eetilised tagajärjed. Õpilane, kelle kodutöö teeb tehisintellekt, ja õpetaja, kes kiirendab kursuse materjali AI abil, on väga erinevad asjad. See seade täiendab tehnilisi oskusi vastutustundliku kasutamisega.

Mõned määratlused. Akadeemiline ausus tähendab ausat näitamist, kellele teos tegelikult kuulub, ja mitte otseteed õppimisele. Plagiaat on kellegi teise (või kandja) toote esitlemine nii, nagu see oleks teie enda originaaltoode. Läbipaistvus tähendab selgelt määratlemist, kus tehisintellekti kasutatakse. Need mõisted on muutunud tehisintellekti ajastul matemaatikahariduses keskseks.

Eetilise kasutamise põhiprintsiibid

1. Mitte õppimise asemel, vaid selle teenimiseks. Tehisintellekt võib toetada õpilast mõiste õppimisel (seletus, alternatiivselgitus), kuid ei tohiks panna teda selle asemel mõtlema. Tehisintellekti kodutööde tegemine õõnestab õppimist.
2. Läbipaistvus. Märkige, kus AI-d kasutati – artiklis, kursuse materjalis või aruandes. Varjamine on ebaaus.
3. Vastutus kuulub inimestele. Igaüks, kes avaldab, õpetab või edastab tehisintellekti väljundit, vastutab selle täpsuse eest. "AI ütles nii" ei ole vabandus.
4. Õiglus. Tehisintellekti kasutamisel hindamisel peaksid kehtima võrdsed ja selged reeglid kõikide õpilaste jaoks.
5. Turvalisus. Ärge sisestage tundlikku teavet, nagu eksamiküsimused, õpilaste andmed või avaldamata uuringud, tehisintellekti tööriistadesse, mille konfidentsiaalsus ei ole tagatud.

Privaatsus: mida see matemaatika kontekstis tähendab?

Kuigi matemaatika võib tunduda, et sellel pole varjatud andmeid, on kontekst oluline. Avaldamata uurimistulemused, asutuse eksamiküsimuste pank, õpilaste isiklikud sooritusandmed või ettevõtte patenteeritud algoritm – kõik on tundlikud. Kõike, mida AI-tööriista sisestate, saab selle tööriista pakkuja töödelda ja mõnel juhul kasutada mudeli väljaõppel. Nii et tundliku sisu puhul kasutage kas kohalikult/institutsionaalselt turvatud tööriistu või muutke sisu anonüümseks.

Andmetüüp

Risk

ettevaatusabinõu

Avaldatud teoreem/ülesanne

madal

vabalt saadaval

Aktiivsed eksami küsimused

kõrge

Ärge sisenege sõidukisse ega kinnitage seda

Õpilaste isiku-/sooritusandmed

kõrge

Anonüümseks muutmine/ära sisesta

Avaldamata uurimus

kõrge

Turvaline/kohalik tööriist

Loengu konspekt

madal-keskmine

Üldiselt sobib

Ettevaatust. Enne eksamiküsimuse kontrollimiseks tehisintellektiga tutvumist mõelge, kas see küsimus peaks jääma saladuseks. Aktiivse eksami küsimused võivad teoreetiliselt paljastada, kui need sisestatakse tehisintellekti tööriista, mille konfidentsiaalsus ei ole tagatud. Kriitiliste eksamite jaoks muutke küsimusi või kasutage ainult ettevõtte heakskiidetud andmeprivaatsusega tagatud tööriistu.

Otsast lõpuni töövoog: näidisülesanne

Oletame, et nädala jooksul tuleb ette valmistada nii kursuse materjal kui ka mingi aine eksam. Mooduli kõiki osi ühendav voog võib olla järgmine:

1. Planeerimine. Tee selgeks teema, tase ja eesmärgid (7. peatükk).

2. Materjali koostamine. Laske tehisintellektil koostada tasemele vastavad loengud + lahendatud näited (7. osa).

3. Näidiskinnitus. Kontrollige iga lahendatud näidet SymPy (üksus 4) abil.

4. Visualiseerimine. Looge ja renderdage Matplotlib koodiga narratiivi toetavat graafikat ja võrrelge seda matemaatikaga (6. osa).

5. Märge. Puhastage indeks, renderdage ja kontrollige valemeid LaTeX-iga (üksus 10).

6. Küsimuste genereerimine. Valmistage eksami jaoks valikvastustega küsimused + segajad (osa 8).

7. Hulgikinnitus. Lahendage SymPy abil kõik küsimused hulgi ja kontrollige vastuseklahvi (üksus 8, 9).

8. Eetika ja läbipaistvuse kontroll. Kas konfidentsiaalsus on asjakohane? Kas olete AI kasutamisest materjalis vajadusel märkinud? Teil on ülim vastutus (see üksus).

9. Inimlik heakskiit. Vaadake kõik üle ja kinnitage viimast korda. Ükski kontrollimata tükk ei lähe eetrisse/testi.

Näpunäide. Lõpp-lõpuni töövoo puhul on kõige tõhusam strateegia asetada AI "kiiruskihiks", deterministlikud tööriistad (SymPy, renderdamine) "õigsuse kihiks" ja ennast "hinnangu- ja vastutuskihiks". Igale tootmisetapile peaks järgnema kontrollietapp; Kontrollimata väljundit ei tohiks järgmisse etappi edasi kanda.

kolm minikarpi

Juhtum 1 – läbipaistvus suurendas usaldust. Üks akadeemik kasutas tehisintellekti õpiku peatüki esimeses mustandis, kontrollis seejärel iga matemaatilist väidet ja märkis eessõnas, et "käsikirja valmistamisel saadi tehisintellekti toetus, kogu sisu kontrollis autor." Selline läbipaistvus suurendas kolleegide usaldust ja säilitas aususe standardi.

2. juhtum – õppimist õõnestav kasutamine. Üks õpilane lasi tehisintellektil lahendada kogu oma kodutöö ja selle esitada. Ta kukkus samades ainetes eksamil läbi, kuna polnud mõisteid kunagi õppinud. Õpetaja soovitas kasutada tehisintellekti lahenduse kontrollimiseks ja alternatiivse seletuse saamiseks, kuid kõigepealt lahendada probleemid ise. AI peaks olema õppimise teenistuses, mitte selle asemel.

Juhtum 3 – privaatsuse rikkumise oht. Üks õpetaja kaalus üldise tehisintellekti tööriista sissemurdmist, et kontrollida keskse eksami küsimusi, mida polnud veel korraldatud, kuid otsustas siis selle vastu; selle asemel lahendas ta SymPy küsimusi ise ja kolleeg. Aktiivsete eksamiküsimuste sisestamine välisesse tööriista kujutas endast tõsist privaatsusriski; kohalik autentimine andis turvalise tee.

Neli kopeeritavat malli

1) Õppimist toetav kasutamine (õpilastele):

Lahendasin selle probleemi ESIMESE, minu lahendus on lisatud. ÄRA anna mulle lahendust; lihtsalt näita mulle, kus ma valesti läksin ja millisest kontseptsioonist ma valesti aru sain, et saaksin selle parandada. Minu lahendus: [siin]

2) Läbipaistvusmärkuse loomine:

Valmistasin ette [kursuse materjali/aruande] ja kasutasin tehisintellekti mustandetapis, kontrollides ise kogu matemaatikat. Kirjutage lühike professionaalne läbipaistvusmärkus, milles on see ausalt öeldud.

3) Privaatsuse eelkontroll:

Soovin enne tehisintellekti tööriista sisestamist järgmise sisu privaatsuskvalifitseeruda: [sisu tüüp]. Kas seda tüüpi sisu peetakse tundlikuks, millised riskid sellega kaasnevad, milliseid ettevaatusabinõusid (anonüümseks muutmine, kohalik tööriist) peaksin kasutama? Ütle see lühidalt ja selgelt.

4) Täieliku kontrollimise kontrollplaan:

Valmistan ette [aine] kursuse materjali + eksami. Loetlege kontrollplaanina, mida ma pean igas tootmisetapis kontrollima: näidiskontroll, graafiline juhtimine, märge, vastuse võti, konfidentsiaalsus, inimeste heakskiit.

Nõrk viip / Tugev viip

Nõrk: "Lahendage need kodutöö küsimused ja ma esitan need." (õpilane)

Tulemus: õppimine jäetakse vahele, akadeemiline terviklikkus on rikutud, õpilane ei õpi mõistet selgeks. See on eetiliselt ja pedagoogiliselt taunitav.

Güçlü: "Üritasin seda kodutöö küsimust lahendada, kuid jäin jänni; minu lahendus on lisatud. Ärge andke otse vastust; näidake mulle vihjega, millise sammu ja miks ma valesti tegin, tuletage meelde õiget kontseptsiooni, siis proovin uuesti."

Järeldus: tehisintellekti kasutatakse õppimise teenistuses; Õpilane jätkab mõtlemist, ausus säilib.

Levinud vead

• Selle kasutamine õppimise vahelejätmiseks. Tehisintellektiga kodutöö tegemine on lühiajaliselt lihtne, kuid pikas perspektiivis hävitab õppimise.
• Ei ole läbipaistev. Tehisintellekti kasutamise varjamine on vastuolus akadeemilise aususega; täpsustada, kui vaja.
• Vastutuse panemine AI-le. "AI ütles nii" ei ole vabandus; Vastutab väljaandja/õpetaja.
• Konfidentsiaalse sisu sisestamine välisesse tööriista. Tundlikud on aktiivne eksam, õpilaste andmed, avaldamata uurimustöö.
• Valideerimise jätmine töövoo lõppu. Kontrollimine peaks toimuma pärast iga tootmisetappi; Vead ei tohiks koguneda.

Kokkuvõttes

AI kasutamine matemaatikas nõuab eetilist vastutust ja tehnilisi oskusi: see peaks olema õppimise teenistuses (mitte seda asendama), olema läbipaistev, säilitama lõpliku vastutuse, järgima õiglasi reegleid ja austama konfidentsiaalsust. Lõpp-otsani töövoo puhul on AI kiiruskiht, SymPy ja renderdustööriistad täpsuskihiks ning inimesed otsustavad ja vastutavad. Igale tootmisetapile peaks järgnema kontrollietapp; Kontrollimata väljundit ei tohi avaldada, loengut ega eksamit kasutada. See on selle mooduli olemus: tehke tehisintellektiga kiiremaks, kuid kontrollige iga sammu ja võtke selle eest vastutus.

Rakenduse ülesanne

Kavandage väikesemahuline otsast lõpuni ülesanne: lühike jutustus + 1 tabel + 3 valikvastustega küsimust teema kohta. Järgige mooduli kulgu: (1) planeerige, (2) tehke tehisintellektiga, (3) kinnitage näited SymPy abil, (4) renderdage ja kontrollige graafikut, (5) puhastage ja renderdage märge LaTeX-iga, (6) kontrollige küsimusi SymPy abil, (7) kontrollige privaatsust ja läbipaistvust, (8) andke inimese lõplik kinnitus. Pange kirja, millise kinnituse te igal sammul tegite ja mida leidsite. Protsessi lõpus hinnake, kus AI säästab aega ja kus on teie otsustusvõime hädavajalik.

kontrollnimekiri

• [ ] Kasutasin tehisintellekti õppimise teenistuses (mitte selle asemel).
• [ ] Olen vajaduse korral tehisintellekti kasutamisest selgelt välja öelnud.
• [ ] Olen võtnud endale vastutuse ülima täpsuse eest.
• [ ] Ma ei pääsenud kaitsmata tööriistade kaudu juurde konfidentsiaalsele/tundlikule sisule.
• [ ] Jälgisin iga tootmisetappi kontrollimisetapiga.
• [ ] Ma ei kandnud saatesse/tundi/eksamisse ühtegi kontrollimata väljundit.

Mooduli eksam

1. Milline järgmistest on tehisintellekti jaoks kõige täpsem positsioneerimine matemaatikas?

• A) Tehisintellekt on strateegia, plaan ja organiseerimisvahend; Täpse arvutuse ja tulemuse kontrollimine deterministlike vahenditega on inimese enda asi ✔
• B) Tehisintellekt on nagu kalkulaator ja iga selle numbriline tulemus on täpne
• C) Tehisintellekt ei eksi kunagi järeldustes, mida ta enesekindlalt esitab, seega pole kontrollimine vajalik
• D) Tehisintellekt on kasulik ainult teksti kirjutamisel, sellel pole mingit pistmist ühegi matemaatiliste ülesannetega

Kirjeldus: suur keelemudel on tööriist, mis genereerib statistiliselt teksti; See ei ole kalkulaator ega tõendite kontrollija. See toodab enamasti õiget matemaatikat, kuid see ei garanteeri; seega tuleks iga väljundit kontrollida deterministlike vahenditega (SymPy, kalkulaator, käsitsi valideerimine) ja vastutus peaks jääma inimesele.

2. Õpilane palub tehisintellektil integraali lahendada ja soovib saada tulemust. Milline on kõige usaldusväärsem viis tulemuse kontrollimiseks?

• A) Tulemuse eristamine ja kontrollimine, kas see naaseb algse funktsiooni juurde (SymPy või käsitsi) ✔
• B) Küsige tehisintellektilt, kas see on tõsi? küsida
• C) Tulemuse aktsepteerimine sellisena, nagu see on, kuna see esitatakse ladusalt ja enesekindlalt.
• D) Üleminek teise küsimuse juurde ja tulemust üldse mitte kontrollida

Selgitus: Tuletise-integraali pöördväärtus on matemaatikas sisseehitatud kontrollitööriist: leitud tulemuse tuletise võtmine ja selle kontrollimine, kas see naaseb iseseisvalt algse funktsiooni juurde, kinnitab integraali õigsust. Sama ristkontrolli saab teha SymPy abil.

3. Mida tähendab tehisintellektiga probleemide lahendamisel põhimõte "õige tulemus pole õige tee"?

• A) Õige tulemus tõestab alati, et ka tee on õige
• B) Tee on ebaoluline, ainult tulemus tuleks hinnata
• C) Valed vaheetapid võivad juhuslikult viia õige tulemuseni; Seega tuleb üle vaadata nii tulemus kui iga vaheetapp ✔
• D) Kindlat teed on võimatu leida, seega vaatame ainult tulemust

Selgitus: Mõnikord viivad valed vaheetapid juhuslikult õige tulemuseni; Isegi kui tulemus on õige, võib tee olla kehtetu. Sellepärast on matemaatikas lihtsalt "kas tulemus on õige?" vaid pigem "kas iga vaheetapp on õige?" Küsimus on samuti oluline ja iga sammu tuleks jälgida.

4. Mida peaksite tegema, kui tehisintellekt kasutab tõestuses fraasi "üldsust kaotamata"?

• A) Tõendi kehtivusega nõustumine, kuna väide on ladus
• B) Enda õigustamine, et üldistus pole tegelikult katki; ✔ ei võta küsimata vastu
• C) Tõestuse lugemine kehtivaks ilma seda üldse lugemata
• D) Selle avaldise otsimine allikast teoreemi nimena

Täpsustus: Väide "üldisust kaotamata" on mõnikord kehtiv (kui on olemas tõeline sümmeetria), kuid mõnikord on see varjatud viga. Tehisintellekt kasutab seda väljendit palju; Peate iga kord endale põhjendama, et üldistust tõesti ei rikuta, ja te ei tohi väidet küsimata vastu võtta.

5. Kirjutasite tehisintellektile SymPy koodi. Kuidas tulemust õigesti saada?

• A) Tehisintellekti panemine koodi väljundit ennustama
• B) Eeldades, et kood on õige ilma seda lugemata
• C) AI väljundi tõlgenduse usaldamine
• D) Käivitage kood ise reaalses Pythoni keskkonnas ja vaadake täpset väljundit ✔

Kirjeldus: SymPy võimsus ilmneb ainult siis, kui koodi käitatakse päris Pythoni keskkonnas. Küsige tehisintellektilt "mida see kood toodab?" küsimine ei ole kontrollimine, sest AI võib moodustada ka koodiväljundi. Peate koodi ise käivitama.

6. Kui tehisintellekti poolt käsitsi leitud võrrandi lahendus ja SymPy poolt antud tulemus erinevad, siis kumba tuleks usaldada ja miks?

• A) SymPy tulemus, kuna see on deterministlik ja täpne; Seejärel laske tehisintellektil leida oma vea asukoht ✔
• B) Tehisintellekti tulemus, sest see seletab ladusamalt
• C) Valides ühe juhuslikult, kuna mõlemad on võrdselt usaldusväärsed
• D) Mõlema tagasilükkamine ja küsimuse käsitlemine lahendamatuna

Kirjeldus: SymPy on deterministlik sümboolne arvutussüsteem: see annab samale sisendile alati sama täpselt õige tulemuse. Tehisintellekt toodab teksti statistiliselt ja võib hallutsineerida. Vaidluses tuleks võtta aluseks SymPy ja teha tehisintellekt selle vea asukoha leidmiseks.

7. Miks tingimus '0.1 + 0.2 == 0.3' ei tööta Pythoni koodis ootuspäraselt ja kuidas seda parandada?

• A) Pythonis on lisamine katki; tuleb kasutada teist keelt
• B) Täpne võrdsus ei kehti ujukomaarvu täpsuse tõttu; Kasutada tuleks hälvet, näiteks „abs(a-b) < 1e-9” ✔
• C) Väärtus 0,3 on vale; On vaja kirjutada 0,30000000004
• D) Seisukord töötab alati korrektselt, probleemi pole

Selgitus: arvutid salvestavad kümnendarvud piiratud täpsusega ujukomavormingus; 0,1 + 0,2 salvestatakse väga väikese kõrvalekaldega, mitte täpselt 0,3. Seetõttu tuleks täpse võrdsuse '==' asemel kasutada tolerantsi, näiteks 'abs(a-b) < 1e-9'.

8. Milline on parim terve mõistuse test enne skalaarjuure leidmise koodi rakendamist tegelikule probleemile?

• A) Koodi rakendamine otse tegelikule probleemile ilma seda üldse testimata
• B) Kontrollige koodi pikkust ja lugege see õigesti, kui see on pikk.
• C) Koodi testimine lihtsa sisendiga, mille vastus on teada (nt x²-4=0 juurt ±2) ja kontrollimine, kas see annab oodatud tulemuse ✔
• D) Tehisintellektile kinnitamine, et kood on õige

Selgitus: Koodi testimine lihtsa sisendiga, mille vastust te juba teate (nt ±2 x²-4=0 puhul, mille juured on selged), on odavaim ja tõhusaim kontroll. Kui kood annab teadaoleva olukorra õigesti, suureneb tõenäosus, et see on usaldusväärne probleemide puhul, mida te ei tea.

9. Kuidas kontrollida visualiseerimisel, et graafik kajastaks matemaatikat õigesti?

• A) Kui graafik tundub esteetiliselt meeldiv, peetakse seda õigeks.
• B) Graafi võrdlemine funktsiooni teadaolevate omadustega ja vähemalt ühe punkti tõelise väärtusega ✔
• C) Ei vaata üldse telgede silte
• D) Toetudes tehisintellekti graafiku sõnalisele kirjeldusele

Selgitus: kena graafika ei pea olema täpne; AI võib joonistada vale funktsiooni, vales vahemikus või moonutatud asümptoodiga. Graafiku võrdlemine funktsiooni teadaolevate omadustega (võnkevahemik, sümmeetria, asümptoot) ja vähemalt ühe punkti arvutamisega tabab vigu.

10. Mis on tehisintellektiga toodetud kursuse materjali kõige kriitilisem kontrollpunkt ja miks?

• A) Materjali font ja värvilahendus
• B) Materjali pikkus ja lehekülgede arv
• C) Lahendatud näidete täpsus; sest õpilased võtavad neid eeskujuks ja õpetavad vale eeskuju ja vale meetodit ✔
• D) Kui kiiresti materjal valmib

Selgitus: Lahendatud näiteid võtavad õpilased mudeliks; Valesti lahendatud näide õpetab õpilastele otseselt vale meetodi. Seetõttu tuleb iga lahendatud näide eraldi, samm-sammult, kas SymPy abil või käsitsi kontrollida. Väikese ebaselguse teema selgituses saab kompenseerida, kuid vale näide põhjustab kaskaadkahjustusi.

11. Mis on kõige tõhusam ja usaldusväärsem viis tehisintellekti loodud valikvastustega küsimuste komplekti kontrollimiseks?

• A) Küsige tehisintellektilt veel kord, kas küsimused on õiged
• B) Kontrollige juhuslikult ainult mõnda küsimust ja usaldage ülejäänud
• C) Vastamisklahvi kasutamine sellisel kujul, ilma seda kontrollimata
• D) Vastuse võtme kontrollimine kollektiivselt ja deterministlikult, printides ja käivitades koodi, mis lahendab SymPy abil kõik küsimused ✔

Selgitus: tehisintellekt teeb kõige sagedamini vigu, näiteks märgib vastuseklahvi valesti ja annab mitu/null õiget valikut. Koodi kirjutamine ja käivitamine, mis lahendab SymPy abil kõik küsimused korraga, on kõige tõhusam viis vastuse võtme deterministlikuks ja hulgi kontrollimiseks.

12. Milline järgmistest on peamine põhjus, miks tehisintellekt matemaatikas eksib?

• A) Tehisintellekt on keelemudel; ei kontrolli loogilist kehtivust, genereerib teksti statistiliselt ✔
• B) Tehisintellekt pole kunagi matemaatikat õppinud
• C) Tehisintellekt on teadlikult programmeeritud valesid vastuseid andma
• D) Tehisintellekt teeb vigu ainult väga rasketes probleemides, mitte kunagi kergetes.

Kirjeldus: tehisintellekt ei ole loogikamootor, vaid keelemudel, mis toodab statistiliste mustritega teksti; Sellel puudub sisemine mehhanism, mis kontrolliks sammude loogilist kehtivust. "Kõikiv tõestus" koos "3-kohalise korrutisega" on tema jaoks sama tüüpi teksti loomine, seega ei saa selle õigsust tagada.

13. Kui tõenäosusülesande tulemus on 1,4, siis kuidas saate ilma detailidesse laskumata teada vea olemasolust?

• A) Arvestus on õige, kuna tulemus on 1,4, tõenäosus võib ületada 1
• B) Tõenäosuse märk on ebaoluline, väärtus aktsepteeritakse sellest hoolimata
• C) Ei saada aru, et on viga, tulemus loetakse lõplikuks.
• D) tõenäosus peab olema vahemikus 0 kuni 1; ✔ Terve mõistuse testimine näitab viga, kuna 1,4 ületab selle piiri

Kirjeldus: terve mõistuse ja suurusjärgu test kontrollib sekunditega, kas tulemus on mõistlikus vahemikus. Tõenäosus peab definitsiooni järgi olema vahemikus 0 kuni 1; 1.4 jääb sellest piirist välja, seega on ilma arvutuse üksikasju vaatamata ilmne, et tegemist on veaga.

14. Miks on LaTeX-is oluline kirjutada 'e^x^2' asemel 'e^{x^2}'?

• A) Need on täpselt samad, erinevus on ainult esteetiline
• B) kõverad sulud määravad eksponendi ulatuse; Ilma selleta oleks avaldis vale või mitmetähenduslik, seega on mitmetäheline astendaja {} hädavajalik ✔
• C) Lokkis sulud on LaTeXis kasutud
• D) 'e^x^2' on alati tõene, '{}' kasutamine pole vajalik

Selgitus: LaTeX-i kõige levinum viga on ulatuse viga: kui lokkis sulgusid '{}' ei kasutata mitmekohalises eksponendis, alaindeksis või murdosas, kaetakse ainult esimene märk ja avaldis muutub valeks (või isegi mitmetähenduslikuks). 'e^{x^2}' teeb selgeks, et kogu astendaja on x²; Kood tuleks renderdada ja visuaalse kontrolliga kontrollida.

15. Soovite lasta aktiivse tsentraalse eksami küsimused kontrollida tehisintellektiga. Milline on eetika ja privaatsuse seisukohast parim lähenemisviis?

• A) Küsimuste vaba sisestamine mis tahes üldisesse tehisintellekti tööriista, sest matemaatika ei sisalda konfidentsiaalseid andmeid
• B) Küsimuste kasutamine eksamil ilma neid kontrollimata
• C) küsimuste kinnitamine turvalise/natiivse tööriistaga (nt SymPy) või ainult privaatsusega tagatud ettevõttetööriistade abil ✔
• D) Sotsiaalmeedias küsimuste jagamine ja teistelt kontrolli küsimine

Kirjeldus: Aktiivsed eksami küsimused on tundlikud; Teoreetiliselt võib see paljastada, kui häkitakse tehisintellekti tööriist, mille konfidentsiaalsus ei ole tagatud. Õige lähenemisviis on küsimuste kinnitamine turvalise/natiivse tööriistaga (nt SymPy kolleegiga) või ainult ettevõtte sertifitseeritud andmete privaatsusega tagatud tööriistade kasutamine.