Práve je obdobie, keď sa na vysokých školách dorábajú záverečné práce. Študenti usilovne dokončujú zoznam literatúry, na fakultných stránkach sa márne snažia zistiť, aký je potrebný rozsah, a nenápadne zväčšujú font, aby sa práca trochu nafúkla.
Keď som nedávno niekomu spomenul, že ma tieto týždne čaká veľa čítania a kontrolovania prác mojich študentov, dostal som otázku, či majú záverečné práce v časoch umelej inteligencie vôbec zmysel.
Ak za záverečnú prácu považujete len ten vytlačený text v hrubých doskách, tak je odpoveďou nie. Nafingovať akademický text už dnes AI vie naozaj výborne. Ak však za záverečnú prácu považujete tú prácu – čítanie, počítanie, premýšľanie, analyzovanie –, ktoré k napísaniu toho textu viedli, tak to zmysel má aj dnes. Napísanie práce je už len čerešnička na torte (aj keď občas pomerne stresujúca).
Nechcem tým však povedať, že AI na záverečné práce nemá žiaden vplyv. Vysvetlím. Viete, prečo sa Ludolfovo číslo – teda pí – volá Ludolfovo číslo? Lebo Ludolf van Ceulen strávil väčšinu svojej matematickej kariéry určovaním hodnoty čísla pí na 35 desatinných miest. Dnes by to bola ľahšia domáca úloha, pri ktorej by si študent trochu potrénoval programovanie.
Vďaka kalkulačkám už nemusíme učiť, ako sa ručne počíta odmocnina, a vďaka Wikipédii nemusíme tak bazírovať na tom, aké je hlavné mesto Mongolska a kedy bola bitka pri Slavkove. Namiesto toho môžu študenti tráviť čas využitím matematiky v živote a diskusiami o historickom kontexte významných udalostí. Aké nové možnosti nám takto pri záverečných prácach otvára AI?
Napadajú mi dve veci – študent si od AI môže pýtať kritiku na prácu a dostane ju rozhodne rýchlejšie ako od školiteľa. Aké sú preklepy, logické chyby a slabé miesta argumentácie? Čo by sa dalo zlepšiť? Prehliadol som nejakú dôležitú referenciu?
Druhá vec je rozširovanie obzorov. Typicky počas práce objavíte veci, ktoré ste nečakali. Zároveň, tým, že sa blíži deadline, nezostáva čas na ich preskúmanie. Napríklad:
- „Hej, ChatGPT, skúmame v práci priesečníky takýchto geometrických útvarov a všimli sme si, že sa nám takéto objekty objavujú v prvočíselnom počte. Existuje nejaká teória, ktorá sa takýmito objektmi zaoberá?“
- „Hej, chat, tu je program. Skúmam zrážky hmotných častíc a chcel by som si jednu vlastnosť overiť pomocou simulácií. Vieš mi napísať program, ktorý simuluje zrážku dvoch častíc?“
- „Ahoj, prosím ťa, robím rešerš výskumu flóry Patagónie a nevidím nikde zmienku o tomto aspekte – nevieš prečo?“
Ani v jednom z týchto príkladov nebude odpoveď od umelej inteligencie taká dobrá, ako tá, ktorú by si študent odmakal sám. No zároveň je lepšia ako odpoveď, ktorú by sa študent ani nepokúsil získať – keďže na to nemá priestor.
Každá práca ponúka množstvo odbočiek. Väčšina z nich je nezaujímavá, niektoré sú však pomerne plodné. A práve umelá inteligencia – dobre využitá – môže pomôcť nasmerovať pozornosť študentov na tie aspekty výskumu, ktoré ich prácu dokážu obohatiť najviac.
[Samuel]