Lợi nhuận:
- Có khả năng hiểu và áp dụng các nguyên tắc đạo đức sử dụng trí tuệ nhân tạo trong toán học (phục vụ học tập, minh bạch, trách nhiệm con người, công bằng, bảo mật).
- Khả năng đánh giá rủi ro về quyền riêng tư và thực hiện các biện pháp phòng ngừa thích hợp đối với nội dung nhạy cảm như câu hỏi thi, dữ liệu sinh viên và nghiên cứu chưa được công bố
- Khả năng kết hợp tất cả các phần của mô-đun (sản xuất + xác minh) thành một quy trình công việc từ đầu đến cuối, hoàn thành từng bước sản xuất bằng bước xác minh và phê duyệt cuối cùng của con người
Trong phần cuối cùng này, chúng tôi kết hợp hai điều: một mặt, các khía cạnh đạo đức, tính liêm chính trong học thuật và tính bảo mật của việc sử dụng trí tuệ nhân tạo trong toán học; Mặt khác, để tập hợp những gì chúng ta đã học được trong suốt mô-đun vào một quy trình làm việc toàn diện duy nhất. AI trong toán học là một công cụ mạnh mẽ, nhưng nó đi kèm với trách nhiệm cũng như quyền lực: bạn sử dụng nó cho ai, bạn sử dụng nó cho mục đích gì và cách bạn sử dụng nó đều có những hậu quả về mặt đạo đức. Một học sinh được AI làm bài tập về nhà và một giáo viên tăng tốc tài liệu khóa học bằng AI là những điều rất khác nhau. Đơn vị này bổ sung cho kỹ năng kỹ thuật bằng cách sử dụng có trách nhiệm.
Một vài định nghĩa. Tính chính trực trong học thuật có nghĩa là thể hiện một cách trung thực ai thực sự sở hữu công việc và không cắt ngắn việc học. Đạo văn là việc giới thiệu sản phẩm của người khác (hoặc của một phương tiện truyền thông) như thể đó là sản phẩm gốc của chính bạn. Minh bạch có nghĩa là nêu rõ AI được sử dụng ở đâu. Những khái niệm này đã trở thành trọng tâm của giáo dục toán học trong thời đại AI.
Các nguyên tắc cơ bản của việc sử dụng có đạo đức
- Không phải thay cho việc học mà là để phục vụ việc học. AI có thể hỗ trợ học sinh học khái niệm (giải thích, giải thích thay thế), nhưng thay vào đó không nên bắt học sinh phải suy nghĩ. Để AI làm bài tập về nhà làm suy yếu việc học.
- Minh bạch. Cho biết AI đã được sử dụng ở đâu - trong một bài viết, tài liệu khóa học hoặc báo cáo. Che giấu là không trung thực.
- Trách nhiệm thuộc về con người. Bất kỳ ai xuất bản, giảng dạy hoặc cung cấp kết quả AI đều phải chịu trách nhiệm về tính chính xác của nó. “AI đã nói vậy” không phải là một cái cớ.
- Công lý. Việc sử dụng AI trong đánh giá phải được quản lý bằng các quy tắc bình đẳng và rõ ràng cho tất cả học sinh.
- Bảo vệ. Không nhập thông tin nhạy cảm, chẳng hạn như câu hỏi thi, dữ liệu sinh viên hoặc nghiên cứu chưa được công bố, vào các công cụ AI không được đảm bảo tính bảo mật.
Quyền riêng tư: nó có ý nghĩa gì trong bối cảnh toán học?
Mặc dù toán học có vẻ như "không có dữ liệu ẩn", nhưng bối cảnh vẫn rất quan trọng. Một kết quả nghiên cứu chưa được công bố, ngân hàng câu hỏi thi của tổ chức, dữ liệu hiệu suất cá nhân của sinh viên hoặc thuật toán độc quyền của công ty—tất cả đều nhạy cảm. Mọi thứ bạn nhập vào công cụ AI đều có thể được nhà cung cấp công cụ đó xử lý và trong một số trường hợp, được sử dụng để đào tạo mô hình. Vì vậy, đối với nội dung nhạy cảm, hãy sử dụng các công cụ được bảo mật cục bộ/tổ chức hoặc ẩn danh nội dung.
Kiểu dữ liệu
Rủi ro
đề phòng
Định lý/bài toán đã công bố
thấp
có sẵn miễn phí
Câu hỏi thi tích cực
cao
Không vào hoặc bảo vệ xe
Dữ liệu cá nhân/thành tích của học sinh
cao
Ẩn danh/không nhập
Nghiên cứu chưa được công bố
cao
Công cụ an toàn/cục bộ
Đề cương bài giảng
thấp-trung bình
Nói chung là phù hợp
Thận trọng: Trước khi đi vào AI để xác minh một câu hỏi thi, hãy cân nhắc xem liệu câu hỏi đó có nên được giữ bí mật hay không. Về mặt lý thuyết, các câu hỏi từ một bài kiểm tra đang hoạt động có thể bị lộ khi được nhập vào một công cụ AI có tính bảo mật không được đảm bảo. Đối với các kỳ thi quan trọng, hãy thay đổi câu hỏi hoặc chỉ sử dụng các công cụ đảm bảo quyền riêng tư dữ liệu đã được công ty phê duyệt.
Quy trình làm việc từ đầu đến cuối: một nhiệm vụ mẫu
Giả sử bạn cần chuẩn bị cả tài liệu khóa học và bài kiểm tra cho một môn học trong vòng một tuần. Luồng kết hợp tất cả các phần của mô-đun có thể như thế này:
1. Lập kế hoạch. Làm rõ chủ đề, cấp độ và mục tiêu (Bài 7).
2. Soạn thảo tài liệu. Yêu cầu AI tạo ra các bài giảng phù hợp với trình độ + các ví dụ đã được giải (Bài 7).
3. Xác minh mẫu. Kiểm tra từng ví dụ đã giải bằng SymPy (Bài 4).
4. Hình dung. Sản xuất và hiển thị đồ họa để hỗ trợ tường thuật bằng mã Matplotlib và so sánh chúng với toán học (Bài 6).
5. Ký hiệu. Làm sạch chỉ mục, kết xuất và xác minh công thức bằng LaTeX (Bài 10).
6. Tạo câu hỏi. Có câu hỏi trắc nghiệm + câu hỏi phân tâm cho bài kiểm tra (Đơn vị 8).
7. Xác minh hàng loạt. Giải quyết hàng loạt câu hỏi bằng SymPy và kiểm tra đáp án (Bài 8, 9).
8. Kiểm soát đạo đức và tính minh bạch. Việc bảo mật có phù hợp không? Bạn đã nêu việc sử dụng AI trong tài liệu khi cần thiết chưa? Bạn là người chịu trách nhiệm cuối cùng (đơn vị này).
9. Sự chấp thuận của con người. Xem xét và xác nhận mọi thứ lần cuối. Bất kỳ phần nào chưa được xác minh sẽ không được phát sóng/thử nghiệm.
Mẹo: Trong quy trình làm việc từ đầu đến cuối, chiến lược hiệu quả nhất là định vị AI là “lớp tốc độ”, các công cụ xác định (SymPy, kết xuất) là “lớp chính xác” và chính bạn là “lớp phán đoán và trách nhiệm giải trình”. Sau mỗi bước sản xuất phải có bước xác minh; Đầu ra chưa được xác minh sẽ không được chuyển sang bước tiếp theo.
ba trường hợp nhỏ
Trường hợp 1 - Tính minh bạch tạo dựng niềm tin. Một học giả đã sử dụng AI trong bản thảo đầu tiên của một chương sách giáo khoa, sau đó xác minh mọi khẳng định toán học và tuyên bố trong lời nói đầu rằng "Đã nhận được sự hỗ trợ của AI trong quá trình sản xuất bản thảo, tất cả nội dung đã được tác giả xác minh." Sự minh bạch này đã làm tăng sự tin tưởng của đồng nghiệp và duy trì tiêu chuẩn liêm chính.
Trường hợp 2 - Sử dụng làm suy yếu việc học. Một học sinh đã nhờ AI giải toàn bộ bài tập về nhà và nộp bài. Anh ấy đã trượt kỳ thi ở các môn tương tự vì anh ấy chưa bao giờ học các khái niệm. Giáo viên đề xuất sử dụng AI để “kiểm tra lời giải và nhận được lời giải thích thay thế”, nhưng trước tiên hãy tự mình giải quyết vấn đề. AI nên phục vụ việc học chứ không phải ở vị trí của nó.
Trường hợp 3 - Nguy cơ vi phạm quyền riêng tư. Một giáo viên đã cân nhắc việc hack vào một công cụ AI chung để xác minh các câu hỏi cho bài kiểm tra trung tâm chưa được tổ chức nhưng sau đó quyết định phản đối; thay vào đó anh ấy đã tự mình và một đồng nghiệp giải quyết các câu hỏi trong SymPy. Việc nhập các câu hỏi thi đang hoạt động vào một công cụ bên ngoài là một rủi ro nghiêm trọng về quyền riêng tư; xác thực cục bộ đã cung cấp đường dẫn an toàn.
Bốn mẫu có thể sao chép
1) Sử dụng hỗ trợ việc học (dành cho học sinh):
Tôi đã giải quyết vấn đề này ĐẦU TIÊN, giải pháp của tôi được đính kèm. KHÔNG cho tôi giải pháp; chỉ cho tôi biết tôi đã sai ở đâu và tôi đã hiểu sai khái niệm gì để tôi có thể sửa chữa. Giải pháp của tôi: [tại đây]
2) Tạo ghi chú minh bạch:
Tôi đã chuẩn bị [tài liệu/báo cáo khóa học] và sử dụng AI trong giai đoạn phác thảo, tự mình xác minh tất cả các phép toán. Viết một ghi chú minh bạch ngắn gọn, chuyên nghiệp nêu rõ điều này một cách trung thực.
3) Kiểm tra trước quyền riêng tư:
Tôi muốn đảm bảo quyền riêng tư cho nội dung sau trước khi nhập nội dung đó vào công cụ AI: [loại nội dung]. Loại nội dung này có được coi là nhạy cảm không, có những rủi ro gì, tôi nên thực hiện những biện pháp phòng ngừa nào (ẩn danh, công cụ cục bộ)? Nói ngắn gọn và rõ ràng.
4) Kế hoạch kiểm soát xác minh từ đầu đến cuối:
Tôi chuẩn bị tài liệu khóa học + bài kiểm tra cho [môn học]. Liệt kê dưới dạng kế hoạch kiểm soát những việc xác minh tôi cần thực hiện ở mỗi bước sản xuất: xác minh mẫu, kiểm soát đồ họa, ký hiệu, khóa trả lời, bảo mật, phê duyệt của con người.
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Hãy giải những câu hỏi bài tập về nhà này và tôi sẽ nộp chúng." (sinh viên)
Kết quả: Việc học bị bỏ qua, tính liêm chính trong học tập bị vi phạm, học sinh không học được khái niệm. Đó là điều đáng chê trách về mặt đạo đức và sư phạm.
Güçlü: "Tôi đã cố gắng giải câu hỏi bài tập về nhà này nhưng bị mắc kẹt; lời giải của tôi đã được đính kèm. Đừng đưa ra câu trả lời trực tiếp; hãy chỉ cho tôi manh mối về bước nào và tại sao tôi làm sai, nhắc tôi về khái niệm đúng, sau đó tôi sẽ thử lại."
Kết luận: AI được sử dụng phục vụ học tập; Học sinh tiếp tục suy nghĩ, sự trung thực được duy trì.
Những lỗi thường gặp
- Sử dụng nó để bỏ qua việc học. Để AI làm bài tập về nhà thì dễ dàng trong thời gian ngắn nhưng lại phá hủy việc học về lâu dài.
- Không minh bạch. Che giấu việc sử dụng AI là đi ngược lại tính liêm chính trong học thuật; chỉ định khi cần thiết.
- Đổ trách nhiệm lên AI. “AI đã nói như vậy” không phải là một cái cớ; Nhà xuất bản/giáo viên chịu trách nhiệm.
- Nhập nội dung bí mật vào công cụ bên ngoài. Kỳ thi đang diễn ra, dữ liệu sinh viên, nghiên cứu chưa được công bố đều nhạy cảm.
- Để lại quá trình xác thực ở cuối quy trình làm việc. Việc xác minh phải diễn ra sau mỗi bước sản xuất; Lỗi không nên tích lũy.
Tóm lại
Việc sử dụng AI trong toán học đòi hỏi trách nhiệm đạo đức cũng như kỹ năng kỹ thuật: nó phải phục vụ việc học tập (không phải thay thế nó), minh bạch, chịu trách nhiệm cao nhất, tuân thủ các quy tắc công bằng và tôn trọng tính bảo mật. Trong quy trình làm việc toàn diện, AI là lớp tốc độ, SymPy và các công cụ kết xuất là lớp chính xác và con người là lớp phán đoán và chịu trách nhiệm. Sau mỗi bước sản xuất phải có bước xác minh; Không có kết quả đầu ra chưa được xác minh nào được đưa vào xuất bản, bài giảng hoặc bài kiểm tra. Đó là bản chất của mô-đun này: nhanh hơn với AI nhưng phải xác minh và chịu trách nhiệm về từng bước.
Nhiệm vụ ứng dụng
Thiết kế một nhiệm vụ end-to-end quy mô nhỏ: một bài tường thuật ngắn + 1 biểu đồ + 3 câu hỏi trắc nghiệm cho một chủ đề. Thực hiện theo quy trình của mô-đun: (1) kế hoạch, (2) bản nháp bằng AI, (3) xác thực các ví dụ bằng SymPy, (4) kết xuất và kiểm tra biểu đồ, (5) làm sạch và hiển thị ký hiệu bằng LaTeX, (6) xác thực hàng loạt các câu hỏi bằng SymPy, (7) thực hiện kiểm tra quyền riêng tư và tính minh bạch, (8) đưa ra phê duyệt cuối cùng của con người. Ghi lại những gì bạn đã xác minh và những gì bạn tìm thấy ở mỗi bước. Khi kết thúc quá trình, hãy đánh giá xem AI tiết kiệm thời gian ở đâu và ở đâu khả năng phán đoán của bạn là không thể thiếu.
danh sách kiểm tra
- [ ] Tôi đã sử dụng AI để phục vụ (không phải thay thế) việc học.
- [ ] Tôi đã tuyên bố minh bạch về việc sử dụng AI khi cần thiết.
- [ ] Tôi đã chịu trách nhiệm về tính chính xác cuối cùng.
- [ ] Tôi không truy cập nội dung bí mật/nhạy cảm thông qua các công cụ không bảo mật.
- [ ] Tôi đã thực hiện theo từng bước sản xuất một bước xác minh.
- [ ] Tôi không mang bất kỳ kết quả chưa được xác minh nào vào buổi phát sóng/bài học/bài kiểm tra.
Thi học phần
1. Định vị nào sau đây là chính xác nhất cho trí tuệ nhân tạo trong toán học?
- A) Trí tuệ nhân tạo là công cụ chiến lược, kế hoạch chi tiết và tổ chức; Con người có trách nhiệm xác minh tính toán chính xác và kết quả bằng các phương tiện xác định ✔
- B) Trí tuệ nhân tạo giống như một chiếc máy tính và mọi kết quả bằng số mà nó đưa ra đều chính xác
- C) Trí tuệ nhân tạo không bao giờ sai trong các kết luận mà nó tự tin đưa ra, vì vậy việc xác minh là không cần thiết
- D) Trí tuệ nhân tạo chỉ hữu ích cho việc viết văn bản, nó không liên quan gì đến bất kỳ nhiệm vụ toán học nào
Mô tả: Mô hình ngôn ngữ lớn là một công cụ tạo văn bản theo cách thống kê; Nó không phải là một máy tính hoặc trình kiểm tra bằng chứng. Nó hầu như luôn đưa ra các phép toán đúng, nhưng nó không đảm bảo; vì vậy mọi đầu ra phải được xác minh bằng các công cụ xác định (SymPy, máy tính, xác thực thủ công) và trách nhiệm vẫn thuộc về con người.
2. Một học sinh yêu cầu trí tuệ nhân tạo giải tích phân và muốn nhận được kết quả. Cách đáng tin cậy nhất để xác minh kết quả là gì?
- A) Phân biệt kết quả và kiểm tra xem nó có trở về hàm ban đầu (SymPy hoặc thủ công) ✔
- B) Hỏi trí tuệ nhân tạo 'điều này có đúng không?' hỏi
- C) Chấp nhận kết quả như hiện tại vì nó được trình bày trôi chảy và tự tin.
- D) Chuyển sang câu hỏi khác và không kiểm tra kết quả
Giải thích: Nghịch đảo đạo hàm-tích phân là một công cụ xác minh tích hợp trong toán học: lấy đạo hàm của kết quả tìm được và kiểm tra xem nó có trở về hàm ban đầu hay không để xác nhận một cách độc lập tính đúng đắn của tích phân. Việc kiểm tra chéo tương tự có thể được thực hiện với SymPy.
3. Nguyên tắc “kết quả đúng chưa phải là cách làm đúng” trong việc giải quyết vấn đề bằng trí tuệ nhân tạo là gì?
- A) Kết quả đúng luôn chứng tỏ rằng con đường cũng đúng
- B) Đường dẫn không quan trọng, chỉ tính kết quả
- C) Các bước trung gian không chính xác có thể ngẫu nhiên dẫn đến kết quả đúng; Vì vậy, cả kết quả và từng bước trung gian đều phải được kiểm tra ✔
- D) Không thể tìm được một con đường vững chắc nên chỉ nhìn vào kết quả
Giải thích: Đôi khi những bước trung gian sai lầm lại dẫn đến kết quả đúng một cách tình cờ; Ngay cả khi kết quả đúng, đường dẫn có thể không hợp lệ. Đó là lý do tại sao trong toán học nó chỉ là 'kết quả có đúng không?' mà đúng hơn là 'mỗi bước trung gian có đúng không?' Câu hỏi này cũng rất cần thiết và mỗi bước cần được giám sát.
4. Bạn nên làm gì khi AI sử dụng cụm từ “không mất tính tổng quát” trong chứng minh?
- A) Chấp nhận rằng bằng chứng là hợp lệ vì tuyên bố trôi chảy
- B) Tự biện minh rằng tính tổng quát không thực sự bị phá vỡ; ✔ không chấp nhận mà không có câu hỏi
- C) Xem xét bằng chứng hợp lệ mà không cần đọc nó
- D) Tìm kiếm biểu thức này từ nguồn dưới dạng tên định lý
Làm rõ: Tuyên bố 'không mất tính tổng quát' đôi khi đúng (nếu có sự đối xứng thực sự) nhưng đôi khi đó là một lỗi ẩn. Trí tuệ nhân tạo sử dụng cách diễn đạt này rất nhiều; Mỗi lần bạn phải tự biện minh rằng tính tổng quát không thực sự bị vi phạm và bạn không được chấp nhận tuyên bố mà không thắc mắc.
5. Bạn đã viết mã SymPy cho trí tuệ nhân tạo. Làm thế nào để bạn có được kết quả chính xác?
- A) Làm trí tuệ nhân tạo dự đoán đầu ra của mã
- B) Giả sử mã đúng mà không đọc nó
- C) Tin tưởng vào cách giải thích đầu ra của AI
- D) Tự chạy mã trong môi trường Python thực và xem kết quả đầu ra chính xác ✔
Mô tả: Sức mạnh của SymPy chỉ được bộc lộ khi mã được chạy trong môi trường Python thực. Hỏi trí tuệ nhân tạo 'mã này tạo ra cái gì?' hỏi không phải là xác minh, vì AI cũng có thể tạo ra mã đầu ra. Bạn phải tự chạy mã.
6. Nếu nghiệm của phương trình được trí tuệ nhân tạo tìm ra thủ công và kết quả do SymPy đưa ra khác nhau, bạn nên tin tưởng phương trình nào và tại sao?
- A) Kết quả SymPy vì nó mang tính quyết định và chính xác; Sau đó nhờ trí tuệ nhân tạo tìm ra vị trí lỗi của nó ✔
- B) Kết quả của trí tuệ nhân tạo vì nó giải thích trôi chảy hơn
- C) Chọn ngẫu nhiên một vì cả hai đều đáng tin cậy như nhau
- D) Từ chối cả hai và coi câu hỏi không thể giải được
Mô tả: SymPy là một hệ thống tính toán ký hiệu xác định: nó luôn đưa ra kết quả chính xác như nhau cho cùng một dữ liệu đầu vào. Trí tuệ nhân tạo tạo ra văn bản theo thống kê và có thể gây ảo giác. Trong tranh chấp, cần lấy SymPy làm cơ sở và dùng trí tuệ nhân tạo để tìm ra vị trí sai sót của nó.
7. Tại sao điều kiện “0,1 + 0,2 == 0,3” không hoạt động như mong đợi trong mã Python và cách khắc phục?
- A) Tính năng bổ sung bị hỏng trong Python; cần sử dụng ngôn ngữ khác
- B) Không có sự bình đẳng chính xác do độ chính xác của số dấu phẩy động; Nên sử dụng dung sai như 'abs(a-b) < 1e-9' ✔
- C) Giá trị 0,3 không đúng; Cần phải viết 0,30000000004
- D) Tình trạng luôn hoạt động chính xác, không có vấn đề gì
Giải thích: Máy tính lưu trữ số thập phân ở dạng dấu phẩy động với độ chính xác hạn chế; 0,1 + 0,2 được lưu trữ với độ lệch rất nhỏ, không chính xác là 0,3. Do đó, thay vì đẳng thức chính xác '==', nên sử dụng dung sai như 'abs(a-b) < 1e-9'.
8. 'Kiểm tra thông thường' tốt nhất trước khi áp dụng mã tìm nghiệm vô hướng cho bài toán thực là gì?
- A) Áp dụng mã trực tiếp vào vấn đề thực tế mà không cần kiểm tra nó
- B) Kiểm tra độ dài của mã và đếm chính xác nếu nó dài.
- C) Kiểm tra mã bằng một đầu vào đơn giản có câu trả lời đã biết trước (ví dụ: x²-4=0 căn ±2) và kiểm tra xem nó có cho kết quả như mong đợi ✔
- D) Xác nhận với trí tuệ nhân tạo rằng mã này đúng
Giải thích: Kiểm tra mã bằng một đầu vào đơn giản có câu trả lời mà bạn đã biết (ví dụ: ±2 cho x²-4=0 với gốc rõ ràng) là cách xác minh rẻ nhất và hiệu quả nhất. Nếu mã đưa ra tình huống đã biết một cách chính xác thì khả năng nó đáng tin cậy đối với các vấn đề bạn không biết sẽ tăng lên.
9. Bằng trực quan, làm thế nào để bạn kiểm tra xem đồ thị có phản ánh chính xác toán học hay không?
- A) Nếu biểu đồ trông đẹp mắt về mặt thẩm mỹ thì nó được coi là chính xác.
- B) So sánh đồ thị với các tính chất đã biết của hàm số và giá trị thực của ít nhất một điểm ✔
- C) Hoàn toàn không nhìn vào nhãn trục
- D) Dựa vào mô tả bằng lời của AI về biểu đồ
Giải thích: Một đồ họa đẹp mắt không nhất thiết phải chính xác; AI có thể vẽ sai hàm, sai phạm vi hoặc có đường tiệm cận bị biến dạng. So sánh biểu đồ với các thuộc tính đã biết của hàm (phạm vi dao động, tính đối xứng, tiệm cận) và ít nhất một phép tính điểm sẽ phát hiện lỗi.
10. Điểm xác minh quan trọng nhất trong tài liệu khóa học được tạo bằng trí tuệ nhân tạo là gì và tại sao?
- A) Phông chữ và cách phối màu của tài liệu
- B) Độ dài của tài liệu và số trang
- C) Độ chính xác của các ví dụ đã giải; vì học sinh lấy họ làm mẫu rồi dạy sai ví dụ, sai phương pháp ✔
- D) Vật liệu được sản xuất nhanh như thế nào
Giải thích: Học sinh lấy các ví dụ đã giải làm mẫu; Một ví dụ giải sai sẽ trực tiếp dạy học sinh phương pháp sai. Do đó, mỗi ví dụ đã giải quyết phải được xác minh riêng lẻ, từng bước một bằng SymPy hoặc thủ công. Một sự mơ hồ nhỏ trong việc giải thích chủ đề có thể được bù đắp, nhưng ví dụ sai sẽ gây ra thiệt hại hàng loạt.
11. Cách hiệu quả và đáng tin cậy nhất để xác minh bộ câu hỏi trắc nghiệm do trí tuệ nhân tạo tạo ra là gì?
- A) Hỏi trí tuệ nhân tạo một lần nữa xem các câu hỏi có đúng không
- B) Chỉ kiểm tra ngẫu nhiên một vài câu hỏi và tin tưởng những câu hỏi còn lại
- C) Sử dụng đáp án như hiện tại mà không kiểm tra bất kỳ đáp án nào
- D) Kiểm tra đáp án một cách tổng thể và xác định bằng cách in và chạy mã giải quyết tất cả các câu hỏi bằng SymPy ✔
Giải thích: Trí tuệ nhân tạo thường xuyên mắc các lỗi như đánh dấu sai đáp án và đưa ra nhiều/không có phương án đúng. Viết và chạy mã giải quyết tất cả các câu hỏi cùng lúc với SymPy là cách hiệu quả nhất để kiểm tra khóa trả lời một cách xác định và hàng loạt.
12. Nguyên nhân chính nào sau đây khiến trí tuệ nhân tạo mắc sai lầm trong toán học?
- A) Trí tuệ nhân tạo là mô hình ngôn ngữ; không kiểm tra tính hợp lệ logic, tạo văn bản theo thống kê ✔
- B) Trí tuệ nhân tạo chưa bao giờ học toán
- C) Trí tuệ nhân tạo được lập trình có chủ ý để đưa ra câu trả lời sai
- D) Trí tuệ nhân tạo chỉ mắc lỗi trong những vấn đề rất khó, không bao giờ mắc lỗi trong những vấn đề dễ.
Mô tả: Trí tuệ nhân tạo không phải là một công cụ logic mà là một mô hình ngôn ngữ tạo ra văn bản có các mẫu thống kê; Nó không có cơ chế nội bộ để kiểm tra tính hợp lệ logic của các bước. 'Chứng minh hợp lệ' với 'phép nhân 3 chữ số' đối với anh ta là nhiệm vụ tạo ra cùng một loại văn bản nên không thể đảm bảo tính đúng đắn của nó.
13. Khi kết quả của một bài toán xác suất là 1,4, làm sao biết có sai sót mà không đi sâu vào chi tiết?
- A) Phép tính đúng vì kết quả là 1,4 nên xác suất có thể vượt quá 1
- B) Dấu của xác suất không quan trọng, giá trị được chấp nhận bất kể
- C) Không hiểu là có sai sót, kết quả được coi là cuối cùng.
- D) Xác suất phải nằm trong khoảng từ 0 đến 1; ✔ Kiểm tra cảm giác thông thường cho thấy có lỗi vì 1,4 vượt quá giới hạn này
Mô tả: Ý thức chung và thứ tự kiểm tra cường độ sẽ kiểm tra trong vòng vài giây xem kết quả có nằm trong phạm vi hợp lý hay không. Theo định nghĩa, xác suất phải nằm trong khoảng từ 0 đến 1; 1.4 nằm ngoài giới hạn này nên nếu không xem xét chi tiết phép tính là hiển nhiên có sai sót.
14. Tại sao việc viết 'e^{x^2}' thay vì 'e^x^2' trong LaTeX lại quan trọng?
- A) Chúng giống hệt nhau, sự khác biệt chỉ là về mặt thẩm mỹ
- B) Dấu ngoặc nhọn xác định phạm vi của số mũ; Nếu không có nó, biểu thức sẽ không chính xác hoặc mơ hồ, vì vậy số mũ nhiều ký tự {} là cần thiết ✔
- C) Dấu ngoặc nhọn vô dụng trong LaTeX
- D) 'e^x^2' luôn đúng, sử dụng '{}' là không cần thiết
Giải thích: Lỗi phổ biến nhất trong LaTeX là lỗi phạm vi: nếu dấu ngoặc nhọn '{}' không được sử dụng trong số mũ, chỉ số dưới hoặc phân số nhiều ký tự, thì chỉ ký tự đầu tiên bị che và biểu thức trở nên không chính xác (hoặc thậm chí mơ hồ). 'e^{x^2}' cho biết rõ rằng toàn bộ số mũ là x²; Mã phải được hiển thị và xác minh bằng cách kiểm tra trực quan.
15. Bạn muốn có các câu hỏi của kỳ thi trung tâm đang hoạt động được xác minh bằng trí tuệ nhân tạo. Cách tiếp cận tốt nhất về mặt đạo đức và quyền riêng tư là gì?
- A) Tự do nhập câu hỏi vào bất kỳ công cụ AI chung nào vì toán học không chứa dữ liệu bí mật
- B) Sử dụng câu hỏi trong bài thi mà không kiểm chứng
- C) Xác thực các câu hỏi bằng công cụ bảo mật/gốc (ví dụ: SymPy) hoặc chỉ sử dụng các công cụ doanh nghiệp được đảm bảo quyền riêng tư ✔
- D) Chia sẻ câu hỏi trên mạng xã hội và yêu cầu người khác kiểm soát
Mô tả: Các câu hỏi thi chủ động rất nhạy cảm; Về mặt lý thuyết, nó có thể bị lộ khi một công cụ trí tuệ nhân tạo không được đảm bảo tính bảo mật bị hack. Cách tiếp cận đúng là xác thực các câu hỏi bằng một công cụ bảo mật/gốc (ví dụ: với đồng nghiệp trong SymPy) hoặc chỉ sử dụng các công cụ đảm bảo quyền riêng tư dữ liệu, đã được công ty chứng nhận.