Вчителька української мови в одній з провідних середніх шкіл розробила інноваційний метод підготовки до написання творів, який включає 12 прийомів підвищення оцінки, такі як "вступ з темою", "висновок з розвитком" і "конкретизація опису пейзажу". Вона сподівається інтегрувати ці прийоми в систему штучного інтелекту, щоб учні могли завантажувати свої твори, а ШІ міг би редагувати їх відповідно до цих прийомів і пояснювати причини змін. Однак у процесі реалізації цього інноваційного проекту виникло кілька складних проблем.

По-перше, вчитель хвилюється, що його важко здобуті навички будуть скопійовані іншими освітянами. По-друге, частина батьків сумнівається в науковості змін, внесених ШІ, вважаючи, що це лише модифікації на основі досвіду, які не мають надійної теоретичної бази, тому не бажають за це платити. Нарешті, через брак технічного фону вчителю важко довести, що ці навички дійсно є її оригінальними.

Ці труднощі в основному проявляються в трьох аспектах: захист прав інтелектуальної власності на результати навчання, кількісна оцінка ефективності навчання та питання встановлення механізму довіри до оплати. Традиційні методи навчання важко вирішують ці проблеми, оскільки техніки підвищення балів є безтілесними знаннями, що важко захистити авторськими правами; ефект, отриманий від змін, внесених штучним інтелектом, також не має об'єктивних кількісних показників; крім того, батьки турбуються, що після оплати не отримають очікуваного результату.

Для вирішення цих викликів було запропоновано рішення на основі технології блокчейн. Це рішення поєднує в собі онлайнову хеш-автентифікацію, алгоритм градієнтного атрибуції та механізм стимулювання токенами:

1. Вчитель може перетворити 12 порад щодо підвищення балів на структуровані AI команди, система згенерує унікальне SHA-256 хеш-значення для кожної поради та зафіксує його разом з адресою гаманця вчителя і часовою міткою у блокчейні, таким чином реалізуючи підтвердження прав на інтелектуальну власність.

2. Коли система ШІ модифікує студентські твори, алгоритм градієнтного атрибуції може точно розрахувати внесок кожної техніки в кінцевий результат модифікації. Наприклад, система може кількісно оцінити конкретний вплив техніки "конкретизація опису пейзажу" на підвищення оцінки художності.

Ця інноваційна схема не лише вирішує проблему захисту інтелектуальної власності, але й надає кількісні оцінювальні критерії для ефективності AI-навчання, сподіваючись подолати обмеження традиційних освітніх моделей та відкрити нові можливості для застосування AI в освітній сфері.