En los últimos años, la inteligencia artificial, particularmente las redes neuronales, se ha utilizado ampliamente en varios campos, incluidas las ciencias exactas como las matemáticas y la física. ChatGPT, uno de los modelos de generación de texto avanzados, está generando interés y surge la pregunta: ¿se puede confiar en ChatGPT en las ciencias exactas? En este artículo, veremos cómo las redes neuronales manejan (y si manejan) las ciencias exactas.
Y más sobre las redes neuronales aquí.
¡Venga a nuestro seminario web gratuito de desarrollo sin código para hacer preguntas, aprenda más sobre la cerocodificación y pruebe con una nueva profesión!
Un poco sobre chatgpt
ChatGPT es uno de los modelos de generación de texto avanzados basados en la arquitectura GPT (transformador generativo previamente entrenado). Este modelo es desarrollado por OpenAI y utiliza técnicas de aprendizaje profundo para generar texto de alta calidad y coherente en respuesta a una pregunta o consulta dada.
La idea básica detrás de CHATGPT es que está previamente entrenada en una gran cantidad de datos textuales, incluidos Internet, libros, artículos y otras fuentes de información. Durante la capacitación, el modelo aprende estructuras lingüísticas, conceptos generales y relaciones. Algunas fuentes de información pueden contener matemáticas y reglas que la red neuronal «recogerá» y aprenderá.¿Pero es tan bueno?
Modelos y números de idiomas: ¿hay una conexión?
Las matemáticas y la física se utilizan en muchos campos de la ciencia, desde ingeniería hasta ciencias sociales. A veces, los estudiantes, los aspirantes a matemáticos y las personas regulares pueden ir a Chatgpt para obtener respuestas a preguntas de matemáticas.¿Está esto justificado?
Se realizó un estudio para investigar la capacidad de este bot para mostrar las habilidades que necesitan los matemáticos. Se recolectó una base especial, que incluye Matemáticas Olimpiadas, Wyshmat, algunos problemas relacionados con la física y la base teórica. Una tarea adicional era buscar literatura matemática. El corpus fue construido a partir de libros de problemas, otras selecciones matemáticas. Vale la pena señalar que ChatGPT hizo frente a algunas tareas matemáticas simples, pero en los conceptos básicos de las matemáticas superiores tropezó mucho. Al mismo tiempo, no mostró ningún malentendido de las preguntas, y las respuestas fueron incorrectas. Los problemas de la Olimpiada fueron especialmente difíciles.
El chat también demostró una mala capacidad computacional. No pudo integrarse, simplemente omitir una constante, aunque explicó la función en sí misma correctamente. No pudo combinar diferentes fórmulas para resolver un solo problema. Un problema común era perder datos o malinterpretarlo.
Además, los estudios mostraron que la aritmética básica y el reordenamiento de las expresiones no fueron fáciles para el bot, pero si fuera necesario probar algo, podría manejarlo. Esto probablemente se deba al hecho de que la aritmética y el uso de sus reglas involucran al corpus más pequeño de la base de conocimiento del bot, y en «pruebas» ya puede mostrarse como un modelo de lenguaje.
Solución en la superficie
Una solución simple es pre-entrenamiento del modelo basado en datos capacitados. Por ejemplo, si tomamos el tema de la serie de matemáticas, el bot no lo manejará bien al principio, especialmente si hay condiciones adicionales. Sin embargo, si lo proporciona el formato de «Ejemplo, solución detallada, respuesta», podrá ponerse en el camino correcto. Sin embargo, siempre debe verificar sus resultados; después de todo, este es un modelo de idioma, no un software especializado.
Conclusión
Como resultado, la respuesta a la pregunta de la credibilidad de ChatGPT en las ciencias exactas no puede ser inequívoca. ChatGPT es una herramienta poderosa capaz de proporcionar información general, explicaciones y resolver problemas simples en matemáticas y física. Sin embargo, cuando se trata de problemas complejos y específicos, especialmente aquellos que requieren alta precisión, siempre se recomienda verificar los resultados y complementarlos con experiencia e investigación adicionales.
