Maison Périphériques technologiques IA Laissez les étudiants l'utiliser gratuitement et il deviendra bientôt un outil de triche pour les examens de programmation.

Laissez les étudiants l'utiliser gratuitement et il deviendra bientôt un outil de triche pour les examens de programmation.

Apr 11, 2023 pm 10:40 PM
人工智能 代码

Copilot est un outil d'aide à la programmation d'IA créé conjointement par Microsoft, OpenAI et GitHub. Copilot a été intégré à Visual Studio 2022 plus tôt cette année. De plus, GitHub dispose également d'un programme de campus dédié qui permet aux étudiants d'obtenir gratuitement cet artefact de programmation.

Cependant, l'inconvénient a rapidement suivi : Copilot a démontré tellement de puissance dans un test qu'il pourrait être utilisé comme outil de triche pour programmer des examens.

Emery Berger, professeur au département d'informatique de l'Université du Massachusetts à Amherst, a publié un article de blog plus tôt ce mois-ci mettant en garde les enseignants, déclarant : « Les étudiants équipés de Copilot sont comme apporter leurs propres artefacts pour passer un examen de programmation. "

Laissez les étudiants lutiliser gratuitement et il deviendra bientôt un outil de triche pour les examens de programmation.

Supposons que vous demandiez à des étudiants d'introduction à l'informatique d'écrire un programme Python itératif qui génère la somme de tous les nombres de 1 à N. Les étudiants avec Copilot n'ont qu'à copier et coller l'énoncé de la question sous forme de commentaire dans l'EDI, puis saisir la définition de la fonction "def output_sum(N):" et appuyer sur la touche Tab pour obtenir le reste du contenu (les parties en gras sont toutes généré par Copilot).

Il craignait que Copilot ne rende les exercices de programmation traditionnels inutiles car Copilot connaissait toutes les réponses.

« À ma connaissance, Copilot a suivi une formation spécialisée pour toutes les tâches de programmation de niveau débutant », a écrit Berger.

Berger a également écrit sarcastiquement : Pour les étudiants qui utilisent Copilot, les éducateurs peuvent souhaiter décrire leurs objectifs de cours comme "appuyer sur la touche Tab", car avec une opération aussi simple, les étudiants peuvent utiliser Copilot pour obtenir facilement d'excellents résultats. coder et répondre aux questions de programmation.

Berger a donné un exemple de cette situation. Les parties en gras du code ci-dessous ont été automatiquement complétées par Copilot qui a uniquement saisi manuellement le nom de la fonction et les paramètres.

Laissez les étudiants lutiliser gratuitement et il deviendra bientôt un outil de triche pour les examens de programmation.

La programmation joue un rôle important dans de nombreux cours d'informatique, en particulier dans les cours d'introduction à l'informatique. Les sujets d'introduction à la programmation incluent le tri des nombres et la recherche du nième élément de la séquence de Fibonacci. Ces questions simples de programmation semblent difficiles pour Copilot.

Berger a déclaré que Copilot est différent de la recherche de réponses sur Stack Overflow et d'autres ressources de programmation Internet. Car les réponses codées recherchées par ces derniers peuvent également être recherchées par les enseignants, et ces derniers peuvent utiliser des détecteurs de plagiat pour tester le code soumis par les élèves.

Et Copilot "génère en fait une nouvelle solution. Bien que la nouvelle solution ne soit pas très bonne, elle semble suffisamment différente des réponses recherchées pour faire comprendre à l'enseignant que le code est complété par les élèves eux-mêmes »

Par conséquent, Berger estime que les méthodes d'enseignement liées à la programmation ont un besoin urgent d'être améliorées et nous le rappelle : nous ne pouvons pas nous cacher les oreilles et prétendre que ce type de « triche » n'existe pas.

"Si vous pensez que tout le monde s'abstiendra d'utiliser cet artefact de triche installé sur son ordinateur, c'est vraiment déraisonnable ou irresponsable. La tentation est trop grande. Pour être honnête, peut-être que dans un avenir proche, le développement de logiciels ressemblera à comme ça."

Berger a admis que Copilot est utile. Il a dit qu'il était logique que les développeurs veuillent utiliser le logiciel.

"Bien sûr, d'un point de vue évaluation, nous pouvons demander à chacun de passer le test dans un environnement où Copilot ne peut pas être utilisé. C'est comme demander aux élèves du primaire de ne pas utiliser de calculatrice lorsqu'ils résolvent des problèmes d'arithmétique de base."

Il est ici Un collègue de l'Illinois a décrit les ordinateurs qu'ils utilisaient comme étant spécifiques aux examens, avec certaines fonctionnalités verrouillées afin que les étudiants passent le test dans un environnement contrôlé. Il a suggéré que ces mesures, ainsi que des méthodes telles que les examens oraux, pourraient contribuer à réduire certains des impacts négatifs de Copilot.

Berger a également découvert que Copilot présentait certains aspects positifs, tels que la possibilité de remplir un passe-partout et de mettre en œuvre des API.

"Je ne pense pas qu'il soit très utile de mémoriser les détails fastidieux de ces API, ce n'est pas ce que nous devrions enseigner ou sur lequel nous devrions nous concentrer. Connaissez-vous la syntaxe exacte pour créer un DataFrame avec ces caractéristiques ? Je m'en fiche . Si vous pouvez le trouver sur Google, Stack Overflow Vous pouvez les trouver sur l'application, ou vous pouvez appuyer sur la touche Tab pour les afficher, ce que je trouve génial", a-t-il déclaré.

Néanmoins, il estime qu'il est important que les éducateurs s'assurent que les élèves apprennent réellement le matériel qu'ils ont entre les mains, ce qui peut impliquer de reconsidérer l'utilisation de « Copilot » lors du calcul des notes totales. Combien de devoirs à résoudre.

Berger a déclaré qu'il est probablement trop tôt pour dire si Copilot a un impact sur les étudiants, puisque le logiciel n'est disponible au public que depuis quelques mois. Mais il pense que ses effets ne tarderont pas à se faire sentir.

"Je suis optimiste à ce sujet", a déclaré Berger, "mais je pense que nous devons au moins y réfléchir. Je ne pense pas que de nombreux éducateurs réalisent encore à quel point il s'agit d'une révolution"

.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

Video Face Swap

Video Face Swap

Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. Aug 01, 2024 pm 09:40 PM

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

See all articles