จริยธรรม ความซื่อสัตย์ทางวิชาการ ขอบเขต และกระบวนการทำงานแบบครบวงจร

กำไร:

• ความสามารถในการเข้าใจและประยุกต์ใช้หลักการทางจริยธรรมของการใช้ปัญญาประดิษฐ์ในวิชาคณิตศาสตร์ (การให้บริการด้านการเรียนรู้ ความโปร่งใส ความรับผิดชอบของมนุษย์ ความยุติธรรม การรักษาความลับ)
• ความสามารถในการประเมินความเสี่ยงด้านความเป็นส่วนตัวและใช้ความระมัดระวังอย่างเหมาะสมในเนื้อหาที่ละเอียดอ่อน เช่น คำถามในการสอบ ข้อมูลนักเรียน และงานวิจัยที่ยังไม่ได้เผยแพร่
• ความสามารถในการรวมทุกส่วนของโมดูล (การผลิต + การตรวจสอบ) ไว้ในขั้นตอนการทำงานแบบ end-to-end เดียว ทำให้ขั้นตอนการผลิตแต่ละขั้นตอนเสร็จสมบูรณ์ด้วยขั้นตอนการตรวจสอบและการอนุมัติขั้นสุดท้ายจากมนุษย์

ในหน่วยสุดท้ายนี้ เรารวมสองสิ่งเข้าด้วยกัน ในด้านหนึ่ง มิติด้านจริยธรรม ความซื่อสัตย์ทางวิชาการ และการรักษาความลับของการใช้ปัญญาประดิษฐ์ในคณิตศาสตร์ ในทางกลับกัน เพื่อรวบรวมสิ่งที่เราเรียนรู้ตลอดทั้งโมดูลไว้ในขั้นตอนการทำงานแบบ end-to-end เดียว AI ในวิชาคณิตศาสตร์เป็นเครื่องมือที่ทรงพลัง แต่มาพร้อมกับความรับผิดชอบและอำนาจ เช่น คุณใช้มันเพื่อใคร คุณใช้มันเพื่ออะไร และวิธีการใช้งานของคุณนั้น มีผลกระทบทางจริยธรรม นักเรียนที่มีการบ้านโดย AI และครูที่เร่งเนื้อหาหลักสูตรด้วย AI นั้นแตกต่างกันมาก หน่วยนี้เสริมทักษะทางเทคนิคด้วยการใช้งานอย่างรับผิดชอบ

คำจำกัดความบางประการ ความซื่อสัตย์ทางวิชาการหมายถึงการแสดงอย่างตรงไปตรงมาว่าใครเป็นเจ้าของงานจริงๆ และไม่ตัดทอนการเรียนรู้ การลอกเลียนแบบคือการนำเสนอผลิตภัณฑ์ของผู้อื่น (หรือสื่อ) ราวกับว่าเป็นผลิตภัณฑ์ดั้งเดิมของคุณเอง ความโปร่งใสหมายถึงการระบุอย่างชัดเจนว่ามีการใช้ AI ที่ไหน แนวคิดเหล่านี้กลายเป็นศูนย์กลางของการศึกษาคณิตศาสตร์ในยุคของ AI

หลักการพื้นฐานของการใช้จริยธรรม

1. ไม่ใช่สถานที่แห่งการเรียนรู้ แต่เป็นการให้บริการ AI สามารถสนับสนุนนักเรียนในการเรียนรู้แนวคิด (คำอธิบาย คำอธิบายทางเลือก) แต่ไม่ควรทำให้เขา/เธอคิดแทน การมี AI ทำการบ้านจะบ่อนทำลายการเรียนรู้
2. ความโปร่งใส ระบุตำแหน่งที่ใช้ AI ในบทความ เนื้อหาหลักสูตร หรือรายงาน การปกปิดเป็นการไม่ซื่อสัตย์
3. ความรับผิดชอบเป็นของมนุษย์ ใครก็ตามที่เผยแพร่ สอน หรือส่งมอบเอาต์พุต AI จะต้องรับผิดชอบต่อความถูกต้องแม่นยำ “AI พูดอย่างนั้น” ไม่ใช่ข้อแก้ตัว
4. ความยุติธรรม. การใช้ AI ในการประเมินควรอยู่ภายใต้กฎเกณฑ์ที่เท่าเทียมกันและชัดเจนสำหรับนักเรียนทุกคน
5. ความปลอดภัย. อย่าป้อนข้อมูลที่ละเอียดอ่อน เช่น คำถามในการสอบ ข้อมูลนักเรียน หรืองานวิจัยที่ไม่ได้เผยแพร่ ลงในเครื่องมือ AI ซึ่งไม่รับประกันการรักษาความลับ

ความเป็นส่วนตัว: ในบริบทของคณิตศาสตร์หมายความว่าอย่างไร

แม้ว่าคณิตศาสตร์อาจดูเหมือน "ไม่มีข้อมูลที่ซ่อนอยู่" แต่บริบทก็มีความสำคัญ ผลการวิจัยที่ไม่ได้เผยแพร่ ธนาคารคำถามสอบของสถาบัน ข้อมูลผลการปฏิบัติงานส่วนบุคคลของนักเรียน หรืออัลกอริทึมที่เป็นกรรมสิทธิ์ของบริษัท ล้วนมีความละเอียดอ่อน ทุกสิ่งที่คุณป้อนลงในเครื่องมือ AI สามารถประมวลผลได้โดยผู้ให้บริการเครื่องมือนั้น และในบางกรณีก็ใช้ในการฝึกโมเดลได้ ดังนั้นสำหรับเนื้อหาที่ละเอียดอ่อน ให้ใช้เครื่องมือที่มีการรักษาความปลอดภัยภายในเครื่อง/สถาบัน หรือทำให้เนื้อหาเป็นนิรนาม

ชนิดข้อมูล

ความเสี่ยง

ข้อควรระวัง

ทฤษฎีบท/ปัญหาที่ตีพิมพ์

ต่ำ

ใช้ได้อย่างอิสระ

คำถามสอบที่ใช้งานอยู่

สูง

ห้ามเข้าหรือรักษาความปลอดภัยยานพาหนะ

ข้อมูลส่วนตัว/ผลงานของนักเรียน

สูง

ไม่ระบุชื่อ/ห้ามเข้า

งานวิจัยที่ไม่ได้ตีพิมพ์

สูง

เครื่องมือที่ปลอดภัย/ท้องถิ่น

โครงร่างการบรรยาย

ต่ำปานกลาง

เหมาะสมโดยทั่วไป

ข้อควรระวัง: ก่อนที่จะเข้าสู่ AI เพื่อตรวจสอบคำถามในการสอบ ให้พิจารณาว่าคำถามนั้นควรเป็นความลับหรือไม่ คำถามจากการสอบที่กำลังดำเนินการในทางทฤษฎีอาจถูกเปิดเผยเมื่อเข้าสู่เครื่องมือ AI ซึ่งไม่รับประกันการรักษาความลับ สำหรับการสอบที่สำคัญ ให้เปลี่ยนคำถามหรือใช้เครื่องมือที่รับรองความเป็นส่วนตัวของข้อมูลที่ได้รับอนุมัติจากองค์กรเท่านั้น

ขั้นตอนการทำงานแบบ end-to-end: งานตัวอย่าง

สมมติว่าคุณต้องเตรียมทั้งเนื้อหาหลักสูตรและข้อสอบสำหรับวิชาใดวิชาหนึ่งภายในหนึ่งสัปดาห์ โฟลว์ที่รวมทุกส่วนของโมดูลอาจเป็นดังนี้:

1. การวางแผน ชี้แจงหัวข้อ ระดับ และวัตถุประสงค์ (หน่วยที่ 7)

2. การร่างเนื้อหา ให้ AI สร้างการบรรยายที่เหมาะสมในระดับ + ตัวอย่างที่แก้ไขแล้ว (หน่วยที่ 7)

3. Sample verification. ตรวจสอบแต่ละตัวอย่างที่แก้ไขแล้วด้วย SymPy (หน่วยที่ 4)

4. การแสดงภาพ สร้างและเรนเดอร์กราฟิกเพื่อรองรับการเล่าเรื่องด้วยโค้ด Matplotlib และเปรียบเทียบกับคณิตศาสตร์ (หน่วยที่ 6)

5. สัญกรณ์ ทำความสะอาดดัชนี เรนเดอร์ และตรวจสอบสูตรด้วย LaTeX (หน่วยที่ 10)

6. การสร้างคำถาม มีคำถามแบบเลือกตอบ + สิ่งรบกวนสมาธิสำหรับการสอบ (หน่วยที่ 8)

7. การตรวจสอบจำนวนมาก แก้คำถามทั้งหมดเป็นกลุ่มด้วย SymPy และตรวจสอบรหัสคำตอบ (หน่วย 8, 9)

8. การควบคุมด้านจริยธรรมและความโปร่งใส Is confidentiality appropriate? คุณได้ระบุการใช้ AI ในเนื้อหาเมื่อจำเป็นหรือไม่? คุณมีความรับผิดชอบสูงสุด (หน่วยนี้)

9. การอนุมัติของมนุษย์ ตรวจสอบและยืนยันทุกอย่างเป็นครั้งสุดท้าย ชิ้นส่วนที่ไม่ผ่านการตรวจสอบใดๆ จะไม่ถูกออกอากาศ/ทดสอบ

เคล็ดลับ: ในขั้นตอนการทำงานแบบ end-to-end กลยุทธ์ที่มีประสิทธิภาพมากที่สุดคือการวางตำแหน่ง AI ให้เป็น “เลเยอร์ความเร็ว” เครื่องมือกำหนด (SymPy, เรนเดอร์) เป็น “เลเยอร์ความถูกต้อง” และตัวคุณเองเป็น “เลเยอร์การตัดสินและความรับผิดชอบ” ทุกขั้นตอนการผลิตควรปฏิบัติตามขั้นตอนการตรวจสอบ ไม่ควรยกยอดผลผลิตที่ไม่ได้รับการตรวจสอบไปยังขั้นตอนถัดไป

มินิเคสสามอัน

กรณีที่ 1 — ความโปร่งใสที่สร้างความไว้วางใจ นักวิชาการคนหนึ่งใช้ AI ในร่างแรกของบทในตำราเรียน จากนั้นตรวจสอบการกล่าวอ้างทางคณิตศาสตร์ทุกรายการ และระบุในคำนำว่า "ได้รับการสนับสนุนจาก AI ในการผลิตต้นฉบับ เนื้อหาทั้งหมดได้รับการตรวจสอบโดยผู้เขียน" ความโปร่งใสนี้เพิ่มความไว้วางใจของเพื่อนร่วมงานและรักษามาตรฐานความซื่อสัตย์

กรณีที่ 2 — การใช้ที่บ่อนทำลายการเรียนรู้ นักเรียนคนหนึ่งให้ AI ทำการบ้านทั้งชุดและส่งไป เขาสอบตกวิชาเดียวกันเพราะไม่เคยเรียนแนวความคิดเลย ครูแนะนำให้ใช้ AI เพื่อ “ตรวจสอบวิธีแก้ปัญหาและรับคำอธิบายอื่น” แต่ให้แก้ปัญหาด้วยตัวเองก่อน AI ควรทำหน้าที่ในการเรียนรู้ ไม่ใช่แทนที่

กรณีที่ 3 — ความเสี่ยงจากการละเมิดความเป็นส่วนตัว ครูคนหนึ่งคิดว่าการเจาะเข้าไปในเครื่องมือ AI ทั่วไปเพื่อตรวจสอบคำถามสำหรับการสอบกลางที่ยังไม่ได้ดำเนินการ แต่จากนั้นก็ตัดสินใจต่อต้าน แต่เขากลับแก้ไขคำถามใน SymPy ด้วยตัวเองและเพื่อนร่วมงานแทน การป้อนคำถามสอบที่ใช้งานอยู่ในเครื่องมือภายนอกถือเป็นความเสี่ยงด้านความเป็นส่วนตัวอย่างร้ายแรง การรับรองความถูกต้องในท้องถิ่นให้เส้นทางที่ปลอดภัย

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การใช้งานที่สนับสนุนการเรียนรู้ (สำหรับนักเรียน):

ฉันแก้ไขปัญหานี้ก่อน โซลูชันของฉันถูกแนบมาด้วย อย่าให้วิธีแก้ปัญหาแก่ฉัน เพียงแสดงให้ฉันเห็นว่าฉันผิดพลาดตรงไหนและแนวคิดใดที่ฉันเข้าใจผิดเพื่อที่ฉันจะได้แก้ไขได้ วิธีแก้ปัญหาของฉัน: [ที่นี่]

2) การสร้างบันทึกความโปร่งใส:

ฉันเตรียม [เนื้อหา/รายงานของหลักสูตร] และใช้ AI ในขั้นตอนการร่าง เพื่อยืนยันคณิตศาสตร์ทั้งหมดด้วยตัวเอง เขียนบันทึกโปร่งใสสั้นๆ อย่างมืออาชีพโดยระบุสิ่งนี้อย่างตรงไปตรงมา

3) การตรวจสอบความเป็นส่วนตัวล่วงหน้า:

ฉันต้องการรับรองความเป็นส่วนตัวของเนื้อหาต่อไปนี้ก่อนที่จะใส่ลงในเครื่องมือ AI: [ประเภทเนื้อหา] เนื้อหาประเภทนี้ถือว่าละเอียดอ่อนหรือไม่ มีความเสี่ยงอะไรบ้าง ฉันควรใช้ความระมัดระวังอะไรบ้าง (การลบข้อมูลระบุตัวตน เครื่องมือในเครื่อง) พูดให้สั้นและชัดเจน

4) แผนการควบคุมการตรวจสอบตั้งแต่ต้นทางถึงปลายทาง:

ฉันเตรียมเนื้อหาหลักสูตร + ข้อสอบสำหรับ [วิชา] จัดทำรายการแผนการควบคุมว่าฉันต้องทำการตรวจสอบอะไรบ้างในแต่ละขั้นตอนการผลิต: การตรวจสอบตัวอย่าง การควบคุมกราฟิก สัญลักษณ์ รหัสคำตอบ การรักษาความลับ การอนุมัติจากมนุษย์

พรอมต์อ่อน / พรอมต์แรง

อ่อนแอ: "ตอบคำถามการบ้านเหล่านี้แล้วฉันจะส่ง" (นักเรียน)

ผลลัพธ์: การเรียนรู้ถูกข้ามไป ความซื่อสัตย์ทางวิชาการถูกละเมิด นักเรียนล้มเหลวในการเรียนรู้แนวคิดนี้ เป็นสิ่งที่น่ารังเกียจทั้งในด้านจริยธรรมและการสอน

Güçlü: "ฉันพยายามแก้คำถามการบ้านนี้ แต่ฉันติดขัด ฉันมีวิธีแก้ปัญหาอยู่แล้ว อย่าให้คำตอบโดยตรง แสดงให้ฉันเห็นพร้อมเบาะแสว่าขั้นตอนไหนและทำไมฉันถึงผิด เตือนฉันถึงแนวคิดที่ถูกต้อง แล้วฉันจะลองอีกครั้ง"

สรุป: มีการใช้ AI ในการบริการการเรียนรู้ นักเรียนยังคงคิดและรักษาความซื่อสัตย์ไว้

ข้อผิดพลาดทั่วไป

• ใช้มันเพื่อข้ามการเรียนรู้ การมี AI ทำการบ้านเป็นเรื่องง่ายในระยะสั้น แต่ทำลายการเรียนรู้ในระยะยาว
• ไม่โปร่งใส. การปกปิดการใช้ AI เป็นการขัดต่อความซื่อสัตย์ทางวิชาการ ระบุเมื่อจำเป็น
• มอบความรับผิดชอบให้กับ AI “AI พูดอย่างนั้น” ไม่ใช่ข้อแก้ตัว ผู้จัดพิมพ์/ครูเป็นผู้รับผิดชอบ
• การป้อนเนื้อหาที่เป็นความลับลงในเครื่องมือภายนอก ข้อสอบเชิงรุก ข้อมูลนักเรียน งานวิจัยที่ยังไม่ได้เผยแพร่ถือเป็นเรื่องละเอียดอ่อน
• ออกจากการตรวจสอบจนถึงจุดสิ้นสุดของเวิร์กโฟลว์ การตรวจสอบควรเกิดขึ้นหลังจากแต่ละขั้นตอนการผลิต ข้อผิดพลาดไม่ควรสะสม

โดยสรุป

การใช้ AI ในคณิตศาสตร์ต้องอาศัยความรับผิดชอบด้านจริยธรรมเช่นเดียวกับทักษะด้านเทคนิค โดยควรอยู่ในการให้บริการด้านการเรียนรู้ (ไม่ใช่แทนที่ AI) มีความโปร่งใส รักษาความรับผิดชอบขั้นสูงสุด ยึดมั่นในกฎเกณฑ์ที่ยุติธรรม และเคารพการรักษาความลับ ในขั้นตอนการทำงานแบบ end-to-end AI คือเลเยอร์ความเร็ว SymPy และเครื่องมือเรนเดอร์คือเลเยอร์ความแม่นยำ และมนุษย์คือเลเยอร์การตัดสินและความรับผิดชอบ แต่ละขั้นตอนการผลิตควรปฏิบัติตามขั้นตอนการตรวจสอบ ไม่ควรนำผลงานที่ไม่ได้รับการตรวจสอบไปตีพิมพ์ การบรรยาย หรือการสอบ นั่นคือสาระสำคัญของโมดูลนี้: ทำงานได้เร็วขึ้นด้วย AI แต่ตรวจสอบและรับผิดชอบในแต่ละขั้นตอน

งานสมัคร

ออกแบบงานตั้งแต่ต้นจนจบขนาดเล็ก: การบรรยายสั้นๆ + แผนภูมิ 1 รายการ + คำถามแบบเลือกตอบ 3 ข้อสำหรับหัวข้อหนึ่งๆ ติดตามโฟลว์ของโมดูล: (1) วางแผน (2) ร่างด้วย AI (3) ตรวจสอบตัวอย่างด้วย SymPy (4) เรนเดอร์และตรวจสอบกราฟ (5) ทำความสะอาดและเรนเดอร์สัญลักษณ์ด้วย LaTeX (6) แบทช์ตรวจสอบคำถามด้วย SymPy (7) ทำการตรวจสอบความเป็นส่วนตัวและความโปร่งใส (8) ให้การอนุมัติจากมนุษย์ขั้นสุดท้าย บันทึกการยืนยันที่คุณทำและสิ่งที่คุณพบในแต่ละขั้นตอน ในตอนท้ายของกระบวนการ ให้ประเมินจุดที่ AI ช่วยประหยัดเวลา และจุดที่ขาดไม่ได้ในการตัดสินใจของคุณ

รายการตรวจสอบ

• [ ] ฉันใช้ AI ในการให้บริการ (ไม่ใช่แทน) การเรียนรู้
• [ ] ฉันได้ระบุการใช้ AI อย่างโปร่งใสในกรณีที่จำเป็น
• [ ] ฉันต้องรับผิดชอบต่อความถูกต้องสูงสุด
• [ ] ฉันไม่ได้เข้าถึงเนื้อหาที่เป็นความลับ/ละเอียดอ่อนผ่านเครื่องมือที่ไม่ปลอดภัย
• [ ] ฉันทำตามขั้นตอนการผลิตแต่ละขั้นตอนด้วยขั้นตอนการตรวจสอบ
• [ ] ฉันไม่ได้นำผลลัพธ์ที่ไม่ได้รับการตรวจสอบมาในการออกอากาศ/บทเรียน/การสอบ

การสอบโมดูล

1. ข้อใดต่อไปนี้คือตำแหน่งปัญญาประดิษฐ์ที่แม่นยำที่สุดในวิชาคณิตศาสตร์

• ก) ปัญญาประดิษฐ์คือกลยุทธ์ พิมพ์เขียว และเครื่องมือในการจัดระเบียบ ขึ้นอยู่กับมนุษย์ที่จะตรวจสอบการคำนวณและผลลัพธ์ที่แน่นอนด้วยวิธีที่กำหนด ✔
• B) ปัญญาประดิษฐ์เปรียบเสมือนเครื่องคิดเลข และผลลัพธ์เชิงตัวเลขทุกอันที่มันให้นั้นแม่นยำ
• ค) ปัญญาประดิษฐ์ไม่เคยผิดพลาดในข้อสรุปที่นำเสนออย่างมั่นใจ ดังนั้นจึงไม่จำเป็นต้องตรวจสอบ
• D) ปัญญาประดิษฐ์มีประโยชน์สำหรับการเขียนข้อความเท่านั้น มันไม่เกี่ยวข้องกับงานทางคณิตศาสตร์ใดๆ

คำอธิบาย: โมเดลภาษาขนาดใหญ่เป็นเครื่องมือที่สร้างข้อความทางสถิติ ไม่ใช่เครื่องคิดเลขหรือเครื่องตรวจสอบหลักฐาน มันสร้างคณิตศาสตร์ที่ถูกต้องเกือบตลอดเวลา แต่ก็ไม่รับประกัน ดังนั้นทุกเอาต์พุตควรได้รับการตรวจสอบด้วยเครื่องมือที่กำหนด (SymPy, เครื่องคิดเลข, การตรวจสอบด้วยตนเอง) และความรับผิดชอบควรยังคงอยู่กับมนุษย์

2. นักเรียนขอให้ปัญญาประดิษฐ์แก้ปัญหาอินทิกรัลและต้องการได้ผลลัพธ์ วิธีใดที่น่าเชื่อถือที่สุดในการตรวจสอบผลลัพธ์?

• A) การสร้างความแตกต่างให้กับผลลัพธ์และตรวจสอบว่ามันจะกลับสู่ฟังก์ชันดั้งเดิมหรือไม่ (SymPy หรือด้วยตนเอง) ✔
• B) ถามปัญญาประดิษฐ์ว่า 'สิ่งนี้จริงหรือไม่' ที่จะถาม
• ค) ยอมรับผลตามที่เป็นเพราะนำเสนอได้คล่องและมั่นใจ
• D) ไปสู่คำถามอื่นและไม่ตรวจสอบผลลัพธ์เลย

คำอธิบาย: ค่าผกผันของอนุพันธ์-อินทิกรัลเป็นเครื่องมือตรวจสอบในตัวทางคณิตศาสตร์ โดยการหาอนุพันธ์ของผลลัพธ์ที่พบและตรวจสอบว่าค่าดังกล่าวกลับคืนสู่ฟังก์ชันเดิมโดยอิสระหรือไม่ เป็นการยืนยันความถูกต้องของอินทิกรัล การตรวจสอบแบบเดียวกันสามารถทำได้ด้วย SymPy

3. หลักการ 'ผลลัพธ์ที่ถูกต้องไม่ใช่วิธีที่ถูกต้อง' หมายถึงอะไรในการแก้ปัญหาด้วยปัญญาประดิษฐ์?

• A) ผลลัพธ์ที่ถูกต้องจะพิสูจน์ได้ว่าเส้นทางนั้นถูกต้องเสมอ
• B) เส้นทางไม่สำคัญ ควรให้คะแนนเฉพาะผลลัพธ์เท่านั้น
• C) ขั้นตอนกลางที่ไม่ถูกต้องอาจนำไปสู่ผลลัพธ์ที่ถูกต้องโดยบังเอิญ ดังนั้นจึงต้องตรวจสอบทั้งผลลัพธ์และขั้นตอนกลางแต่ละขั้นตอน ✔
• ง) เป็นไปไม่ได้ที่จะค้นหาเส้นทางที่มั่นคง ดังนั้นเราจึงดูที่ผลลัพธ์เท่านั้น

คำอธิบาย: บางครั้งขั้นตอนกลางที่ผิดนำไปสู่ผลลัพธ์ที่ถูกต้องโดยบังเอิญ แม้ว่าผลลัพธ์จะถูกต้อง เส้นทางก็อาจจะไม่ถูกต้อง นั่นเป็นเหตุผลว่าทำไมในวิชาคณิตศาสตร์จึงมีเพียง 'ผลลัพธ์ถูกต้องหรือไม่' แต่ 'แต่ละขั้นตอนระหว่างกลางถูกต้องหรือไม่' คำถามก็เป็นสิ่งจำเป็นเช่นกัน และควรได้รับการดูแลทุกขั้นตอน

4. คุณควรทำอย่างไรเมื่อ AI ใช้วลี 'โดยไม่สูญเสียความเป็นทั่วไป' ในการพิสูจน์?

• ก) การยอมรับว่าหลักฐานนั้นถูกต้องเนื่องจากข้อความมีความคล่อง
• B) ให้เหตุผลกับตัวเองว่าภาพรวมไม่ได้ถูกทำลายจริงๆ ✔ไม่รับโดยไม่มีคำถาม
• C) การพิจารณาหลักฐานที่ถูกต้องโดยไม่ต้องอ่านเลย
• D) ค้นหานิพจน์นี้จากแหล่งที่มาเป็นชื่อทฤษฎีบท

ชี้แจง: ข้อความ 'โดยไม่สูญเสียความเป็นทั่วไป' บางครั้งอาจใช้ได้ (หากมีความสมมาตรอย่างแท้จริง) แต่บางครั้งก็เป็นข้อผิดพลาดที่ซ่อนอยู่ ปัญญาประดิษฐ์ใช้สำนวนนี้บ่อยมาก คุณต้องพิสูจน์ตัวเองทุกครั้งว่าไม่ได้ละเมิดเนื้อหาทั่วไปจริงๆ และคุณต้องไม่ยอมรับข้อความดังกล่าวโดยไม่มีคำถาม

5. คุณเขียนโค้ด SymPy ให้กับปัญญาประดิษฐ์ ทำอย่างไรให้ได้ผลถูกต้อง?

• A) การทำให้ปัญญาประดิษฐ์ทำนายผลลัพธ์ของโค้ด
• B) สมมติว่ารหัสถูกต้องโดยไม่ต้องอ่าน
• C) เชื่อถือการตีความผลลัพธ์ของ AI
• D) รันโค้ดด้วยตัวคุณเองในสภาพแวดล้อม Python จริงและดูผลลัพธ์ที่แน่นอน✔

คำอธิบาย: ประสิทธิภาพของ SymPy จะถูกเปิดเผยเมื่อมีการรันโค้ดในสภาพแวดล้อม Python จริงเท่านั้น ถามปัญญาประดิษฐ์ว่า 'รหัสนี้ผลิตอะไร' การถามไม่ใช่การยืนยัน เนื่องจาก AI สามารถสร้างเอาต์พุตโค้ดได้เช่นกัน คุณต้องรันโค้ดด้วยตัวเอง

6. หากการแก้สมการที่ปัญญาประดิษฐ์ค้นพบด้วยตนเองและผลลัพธ์ที่ได้รับจาก SymPy นั้นแตกต่างกัน คุณควรเชื่อถืออันไหนและเพราะเหตุใด

• A) ผลลัพธ์ของ SymPy เนื่องจากมีการกำหนดและแม่นยำ จากนั้นให้ปัญญาประดิษฐ์ค้นหาตำแหน่งที่เกิดข้อผิดพลาด ✔
• ข) ผลลัพธ์ของปัญญาประดิษฐ์เพราะอธิบายได้คล่องกว่า
• C) สุ่มเลือกอันใดอันหนึ่งเพราะทั้งสองอันมีความน่าเชื่อถือเท่ากัน
• D) ปฏิเสธทั้งสองอย่างและพิจารณาคำถามที่ไม่สามารถแก้ไขได้

คำอธิบาย: SymPy คือระบบคอมพิวเตอร์เชิงสัญลักษณ์ที่กำหนดขึ้น โดยจะให้ผลลัพธ์ที่ถูกต้องเหมือนกันทุกประการกับอินพุตเดียวกันเสมอ ปัญญาประดิษฐ์สร้างข้อความตามสถิติและสามารถทำให้เกิดอาการประสาทหลอนได้ ในข้อพิพาท ควรใช้ SymPy เป็นพื้นฐาน และควรใช้ปัญญาประดิษฐ์เพื่อค้นหาตำแหน่งของข้อผิดพลาด

7. เหตุใดเงื่อนไข '0.1 + 0.2 == 0.3' ไม่ทำงานตามที่คาดไว้ในโค้ด Python และจะแก้ไขได้อย่างไร

• A) การเพิ่มเติมใช้งานไม่ได้ใน Python; จำเป็นต้องใช้ภาษาอื่น
• B) ความเท่าเทียมกันที่แน่นอนไม่คงอยู่เนื่องจากความแม่นยำของจำนวนจุดลอยตัว ควรใช้ค่าความคลาดเคลื่อน เช่น 'abs(a-b) < 1e-9' ✔
• C) ค่า 0.3 ไม่ถูกต้อง จำเป็นต้องเขียน 0.30000000004
• D) สภาพทำงานถูกต้องเสมอ ไม่มีปัญหา

คำอธิบาย: คอมพิวเตอร์จัดเก็บตัวเลขทศนิยมในรูปแบบทศนิยมด้วยความแม่นยำที่จำกัด 0.1 + 0.2 ถูกเก็บไว้โดยมีค่าเบี่ยงเบนน้อยมาก ไม่ใช่ 0.3 พอดี ดังนั้น แทนที่จะใช้ค่าความเท่าเทียมกันที่แน่นอน '==' ควรใช้ค่าเผื่อ เช่น 'abs(a-b) < 1e-9'

8. 'การทดสอบสามัญสำนึก' ที่ดีที่สุดก่อนที่จะใช้โค้ดค้นหาสเกลาร์รูทกับปัญหาจริงคืออะไร

• A) นำโค้ดไปใช้กับปัญหาจริงโดยตรงโดยไม่ต้องทดสอบเลย
• B) ตรวจสอบความยาวของโค้ดและนับให้ถูกต้องหากโค้ดยาว
• C) ทดสอบโค้ดด้วยการป้อนข้อมูลง่ายๆ ซึ่งทราบคำตอบ (เช่น x²-4=0 root ±2) และตรวจสอบว่าให้ผลลัพธ์ตามที่คาดหวัง ✔
• D) ยืนยันกับปัญญาประดิษฐ์ว่ารหัสถูกต้อง

คำอธิบาย: การทดสอบโค้ดด้วยการป้อนข้อมูลง่ายๆ ซึ่งคุณรู้คำตอบอยู่แล้ว (เช่น ±2 สำหรับ x²-4=0 โดยมีรากที่ชัดเจน) เป็นการตรวจสอบที่ถูกที่สุดและมีประสิทธิภาพมากที่สุด หากโค้ดให้สถานการณ์ที่ทราบอย่างถูกต้อง ความน่าจะเป็นที่โค้ดจะเชื่อถือได้สำหรับปัญหาที่คุณไม่ทราบจะเพิ่มขึ้น

9. ในการสร้างภาพข้อมูล คุณจะตรวจสอบได้อย่างไรว่ากราฟสะท้อนคณิตศาสตร์ได้อย่างถูกต้อง

• A) หากกราฟดูสวยงาม ถือว่าถูกต้อง
• B) การเปรียบเทียบกราฟกับคุณสมบัติของฟังก์ชันที่ทราบและค่าจริงอย่างน้อยหนึ่งจุด ✔
• C) ไม่ดูป้ายแกนเลย
• D) อาศัยคำอธิบายทางวาจาของกราฟของ AI

คำอธิบาย: กราฟิกที่ดูดีไม่จำเป็นต้องแม่นยำ AI อาจวาดฟังก์ชันที่ไม่ถูกต้อง อยู่ในช่วงที่ไม่ถูกต้อง หรือมีเส้นกำกับที่บิดเบี้ยว การเปรียบเทียบกราฟกับคุณสมบัติของฟังก์ชันที่ทราบ (ช่วงการสั่น สมมาตร เส้นกำกับ) และการคำนวณอย่างน้อยหนึ่งจุดจะตรวจพบข้อผิดพลาด

10. จุดตรวจสอบที่สำคัญที่สุดในเนื้อหาหลักสูตรที่ผลิตด้วยปัญญาประดิษฐ์คืออะไร และเพราะเหตุใด

• A) แบบอักษรและโทนสีของวัสดุ
• B) ความยาวของเนื้อหาและจำนวนหน้า
• C) ความแม่นยำของตัวอย่างที่แก้ไขแล้ว เพราะนักเรียนถือเป็นแบบอย่างและสอนแบบอย่างผิดวิธี✔
• D) วัสดุถูกผลิตได้เร็วแค่ไหน

คำอธิบาย: นักเรียนนำตัวอย่างที่แก้ไขแล้วมาเป็นแบบจำลอง ตัวอย่างที่แก้ไขไม่ถูกต้องจะสอนนักเรียนถึงวิธีที่ผิดโดยตรง ดังนั้น แต่ละตัวอย่างที่ได้รับการแก้ไขแล้วจะต้องได้รับการตรวจสอบแยกกัน ทีละขั้นตอน ไม่ว่าจะด้วย SymPy หรือด้วยตนเอง ความคลุมเครือเล็กน้อยในการอธิบายของวัตถุสามารถชดเชยได้ แต่ตัวอย่างที่ไม่ถูกต้องทำให้เกิดความเสียหายแบบเรียงซ้อน

11. วิธีใดที่มีประสิทธิภาพและเชื่อถือได้มากที่สุดในการตรวจสอบชุดคำถามแบบปรนัยที่สร้างโดยปัญญาประดิษฐ์

• ก) ถามปัญญาประดิษฐ์อีกครั้งว่าคำถามถูกต้องหรือไม่
• B) สุ่มตรวจสอบคำถามเพียงไม่กี่ข้อและไว้วางใจส่วนที่เหลือ
• C) ใช้ปุ่มคำตอบเหมือนเดิมโดยไม่ได้ตรวจสอบใดๆ
• D) ตรวจสอบคีย์คำตอบโดยรวมและกำหนดโดยการพิมพ์และเรียกใช้โค้ดที่แก้ไขคำถามทั้งหมดด้วย SymPy ✔

คำอธิบาย: ปัญญาประดิษฐ์มักทำผิดพลาด เช่น การทำเครื่องหมายคำตอบไม่ถูกต้อง และการสร้างตัวเลือกที่ถูกต้องหลายรายการ/เป็นศูนย์ การเขียนและการรันโค้ดที่แก้ไขคำถามทั้งหมดพร้อมกันด้วย SymPy เป็นวิธีที่มีประสิทธิภาพที่สุดในการตรวจสอบคำตอบตามที่กำหนดและเป็นกลุ่ม

12. ข้อใดต่อไปนี้เป็นสาเหตุหลักที่ทำให้ปัญญาประดิษฐ์ทำผิดพลาดในวิชาคณิตศาสตร์

• ก) ปัญญาประดิษฐ์เป็นรูปแบบภาษา ไม่ตรวจสอบความถูกต้องเชิงตรรกะ สร้างข้อความทางสถิติ ✔
• B) ปัญญาประดิษฐ์ไม่เคยเรียนคณิตศาสตร์เลย
• C) ปัญญาประดิษฐ์ถูกตั้งโปรแกรมไว้อย่างจงใจเพื่อให้คำตอบที่ผิด
• D) ปัญญาประดิษฐ์ทำผิดพลาดเฉพาะกับปัญหาที่ยากมากเท่านั้น ไม่เคยทำผิดพลาดในปัญหาที่ง่ายเลย

คำอธิบาย: ปัญญาประดิษฐ์ไม่ใช่กลไกลอจิก แต่เป็นแบบจำลองภาษาที่สร้างข้อความที่มีรูปแบบทางสถิติ ไม่มีกลไกภายในที่จะตรวจสอบความถูกต้องเชิงตรรกะของขั้นตอนต่างๆ 'การพิสูจน์ที่ถูกต้อง' ด้วย 'การคูณ 3 หลัก' เป็นงานสำหรับเขาในการผลิตข้อความประเภทเดียวกัน ดังนั้นจึงไม่สามารถรับประกันความถูกต้องได้

13. เมื่อผลลัพธ์ของปัญหาความน่าจะเป็นคือ 1.4 คุณจะรู้ได้อย่างไรว่ามีข้อผิดพลาดโดยไม่ลงรายละเอียด?

• A) การคำนวณถูกต้องเนื่องจากผลลัพธ์คือ 1.4 ความน่าจะเป็นอาจเกิน 1
• B) สัญญาณของความน่าจะเป็นนั้นไม่สำคัญ แต่ค่าต่างๆ ก็สามารถยอมรับได้
• C) ไม่เข้าใจว่ามีข้อผิดพลาดผลถือเป็นที่สิ้นสุด
• D) ความน่าจะเป็นต้องอยู่ระหว่าง 0 ถึง 1; ✔ การทดสอบสามัญสำนึกบ่งชี้ข้อผิดพลาดเนื่องจาก 1.4 เกินขีดจำกัดนี้

คำอธิบาย: สามัญสำนึกและลำดับของการทดสอบขนาดจะตรวจสอบภายในไม่กี่วินาทีว่าผลลัพธ์อยู่ภายในช่วงที่เหมาะสมหรือไม่ ความน่าจะเป็นตามคำจำกัดความจะต้องอยู่ระหว่าง 0 ถึง 1; 1.4 อยู่นอกขีดจำกัดนี้จึงเห็นได้ชัดว่ามีข้อผิดพลาดโดยไม่ได้ดูรายละเอียดการคำนวณ

14. เหตุใดการเขียน 'e^{x^2}' แทนที่จะเป็น 'e^x^2' ใน LaTeX จึงเป็นสิ่งสำคัญ

• A) พวกมันเหมือนกันทุกประการ ความแตกต่างคือความสวยงามเท่านั้น
• B) วงเล็บปีกกากำหนดขอบเขตของเลขชี้กำลัง หากไม่มีนิพจน์ก็จะไม่ถูกต้องหรือไม่ชัดเจน ดังนั้นเลขชี้กำลังแบบหลายอักขระ {} จึงเป็นสิ่งจำเป็น ✔
• C) วงเล็บปีกกาไม่มีประโยชน์ใน LaTeX
• D) 'e^x^2' เป็นจริงเสมอ การใช้ '{}' นั้นไม่จำเป็น

คำอธิบาย: ข้อผิดพลาดที่พบบ่อยที่สุดใน LaTeX คือข้อผิดพลาดของขอบเขต: หากไม่ได้ใช้วงเล็บปีกกา '{}' ในเลขชี้กำลังหลายอักขระ ตัวห้อย หรือเศษส่วน ระบบจะครอบคลุมเฉพาะอักขระตัวแรกเท่านั้น และนิพจน์จะไม่ถูกต้อง (หรือแม้แต่คลุมเครือ) 'e^{x^2}' ทำให้ชัดเจนว่าเลขชี้กำลังทั้งหมดคือ x²; รหัสควรได้รับการเรนเดอร์และตรวจสอบโดยการตรวจสอบด้วยสายตา

15. คุณต้องการให้คำถามของการสอบกลางที่ใช้งานอยู่ได้รับการตรวจสอบโดยปัญญาประดิษฐ์ แนวทางที่ดีที่สุดในแง่ของจริยธรรมและความเป็นส่วนตัวคืออะไร?

• A) ป้อนคำถามอย่างอิสระลงในเครื่องมือ AI ทั่วไป เนื่องจากคณิตศาสตร์ไม่มีข้อมูลที่เป็นความลับ
• B) การใช้คำถามในการสอบโดยไม่ตรวจสอบ
• C) การตรวจสอบคำถามด้วยเครื่องมือที่ปลอดภัย/ดั้งเดิม (เช่น SymPy) หรือใช้เครื่องมือระดับองค์กรที่รับประกันความเป็นส่วนตัวเท่านั้น ✔
• D) แบ่งปันคำถามบนโซเชียลมีเดียและขอให้ผู้อื่นควบคุม

คำอธิบาย: คำถามข้อสอบที่กำลังทำอยู่มีความละเอียดอ่อน ตามทฤษฎีแล้ว อาจถูกเปิดเผยได้เมื่อเครื่องมือปัญญาประดิษฐ์ที่ไม่รับประกันการรักษาความลับถูกแฮ็ก แนวทางที่ถูกต้องคือการตรวจสอบคำถามด้วยเครื่องมือที่ปลอดภัย/ดั้งเดิม (เช่น กับเพื่อนร่วมงานใน SymPy) หรือใช้เครื่องมือที่รับรองความเป็นส่วนตัวของข้อมูลที่ได้รับการรับรองจากองค์กรเท่านั้น