به گزارش وبسایت اخبار جهان به نقل از خبرگزاری خبرآنلاین و براساس گزارش ایسنا، دانشمندان برای قرنها درگیر این پرسش اساسی بودهاند که آیا دانش، مفهومی ذاتی و درونی است یا از طریق تجربه و یادگیری به دست میآید. در یک پژوهش تازه، این سوال بنیادین در مورد هوش مصنوعی نیز مطرح شده است.
در حدود سال 385 قبل از میلاد، افلاطون، فیلسوف نامدار یونانی، ماجرای چالش سقراط با یکی از شاگردانش را در خصوص مسئله دو برابر کردن مساحت یک مربع به نگارش درآورد. هنگامی که از شاگرد خواسته شد مساحت مربعی را دو برابر کند، او طول هر ضلع را دو برابر کرد، در حالی که نمیدانست هر ضلع مربع جدید باید دقیقاً برابر با قطر مربع اصلی باشد.
به نقل از لایوساینس، گروهی از دانشمندان دانشگاه کمبریج، همین مسئله را برای چت جیپیتی مطرح کردند، زیرا پاسخ آن به سادگی قابل تشخیص نبود. از زمان افلاطون تاکنون، یعنی در طول 2400 سال گذشته، دانشمندان از مسئله دو برابر کردن مساحت مربع برای بحث و بررسی این موضوع استفاده کردهاند که آیا دانش ریاضی مورد نیاز برای حل این مسئله، به صورت ذاتی در ما وجود دارد یا صرفاً از طریق تجربه قابل دستیابی است.
از آنجایی که چت جیپیتی، مانند سایر مدلهای زبانی بزرگ (LLMs)، عمدتاً بر مبنای متن آموزش داده شده است، دانشمندان این فرضیه را مطرح کردند که احتمالاً راه حل مسئله دو برابر کردن مساحت مربع در دادههای آموزشی آن وجود دارد. این بدان معناست که اگر چت جیپیتی بتواند بدون کمک و راهنمایی به پاسخ صحیح دست یابد، میتوان استدلال کرد که توانایی ریاضی، اکتسابی است و نه ذاتی. اما پاسخ واقعی زمانی مشخص شد که گروه پژوهشی پا را فراتر گذاشتند.
آنها از این چتبات خواستند تا با استفاده از استدلالی مشابه، مساحت یک مستطیل را دو برابر کند. چت جیپیتی در پاسخ اظهار داشت: از آنجایی که قطر مستطیل را نمیتوان برای دو برابر کردن اندازه آن به کار برد، راه حل هندسی برای این مسئله وجود ندارد.
با این حال، ناداو مارکو و آندریاس استیلیانیدس، پژوهشگران این پروژه، میدانستند که راه حل هندسی برای این مسئله وجود دارد. مارکو در این باره گفت: احتمال وجود چنین ادعای نادرستی در دادههای آموزشی چت جیپیتی به طرز چشمگیری ناچیز بود و این بدان معناست که این چتبات در حال بداههپردازی پاسخها بر اساس بحثهای قبلی درباره مسئله دو برابر کردن مساحت مربع بوده است. این مسئله، نشانهای واضح از یادگیری تولیدشده است و نه یادگیری ذاتی.
وی در ادامه افزود: هنگامی که با یک مسئله جدید مواجه میشویم، غریزه ما اغلب این است که راه حلها را بر اساس تجربیات گذشته امتحان کنیم. به نظر میرسد چت جیپیتی در آزمایشات ما، رفتاری مشابه از خود نشان میدهد. این سامانه، درست مانند یک دانشآموز یا دانشمند، فرضیهها و راه حلهای خود را ابداع میکند.
دانشمندان با بررسی این موضوع متوجه شدند که این مطالعه، دریچهای تازه به سوالات مربوط به نحوه استدلال و تفکر در هوش مصنوعی میگشاید. از آنجایی که به نظر میرسید چت جیپیتی پاسخها را به صورت بداهه تولید میکند و حتی اشتباهاتی مشابه اشتباهات شاگردان سقراط مرتکب میشود، میتوان گفت که این سامانه ممکن است از مفهوم «منطقه توسعه مجاور» (ZPD) که در حوزه آموزش با آن آشنا هستیم، استفاده میکند. این مفهوم، به شکاف بین آنچه میدانیم و آنچه ممکن است در نهایت با راهنمایی آموزشی مناسب بدانیم، اشاره دارد.
پژوهشگران در این باره اظهار داشتند: چت جیپیتی ممکن است به طور خودجوش از یک چارچوب مشابه استفاده کند و مسائل جدیدی را که در دادههای آموزشی آن وجود ندارند، صرفاً به لطف دستورات مناسب حل کند.
به باور پژوهشگران، نتایج به دست آمده از این تحقیق در نهایت بر فرصتهای موجود برای بهبود عملکرد هوش مصنوعی برای کاربران تأکید دارد. دانشآموزان نباید اینگونه تصور کنند که اثباتهای ارائه شده توسط چت جیپیتی همواره معتبر هستند، درست برخلاف اثباتهایی که در کتابهای درسی معتبر یافت میشوند. درک و ارزیابی اثباتهای تولید شده توسط هوش مصنوعی، به عنوان مهارتهای کلیدی در حال ظهور، باید در برنامه درسی ریاضی گنجانده شوند. این یک مهارت اساسی است که پژوهشگران میخواهند دانشآموزان در زمینههای آموزشی بر آن مسلط شوند.
این گروه پژوهشی در خصوص نتایج به دست آمده همچنان جانب احتیاط را رعایت میکند و هشدار میدهد که نباید آنها را بیش از حد تفسیر کرد و نتیجه گرفت که مدلهای زبانی بزرگ، مسائل را دقیقاً مانند انسانها حل میکنند. با این حال، دانشمندان رفتار چت جیپیتی را شبیه به رفتار یک دانشآموز توصیف کردند. آنها برای مطالعات آینده در چندین حوزه، چشماندازهای روشنی را پیشبینی میکنند. مدلهای جدیدتر را میتوان بر روی مجموعهای وسیعتر از مسائل ریاضی مورد آزمایش قرار داد. همچنین، پتانسیلهایی برای ترکیب چت جیپیتی با سامانههای هندسه پویا یا اثباتکنندههای قضیه وجود دارد که محیطهای دیجیتال غنیتری را برای پشتیبانی از کاوش شهودی ایجاد میکند.
این مطالعه در مجله International Journal of Mathematical Education in Science and Technology منتشر شده است.
منبع : ایسنا


























