Automatyczne generatory zadań z fizyki z poprawnymi wizualizacjami

Platformy e-learningowe i wydawcy podręczników stają przed tym samym problemem: wygenerowanie tysiąca unikalnych zadań z fizyki to jedno, ale zapewnienie, że każdy rysunek jest zgodny z prawami Newtona, Maxwella i Snella, to zupełnie inna kwestia. Jeden błąd w kierunku wektora siły na rysunku w kursie używanym przez 50 tysięcy uczniów i zaufanie do platformy runie.

Problem branżowy

Tworzenie materiałów do nauki fizyki zawsze kończy się na diagramach. Każde zadanie z mechaniki czy optyki potrzebuje rysunku, a ręczne przygotowanie 300 poprawnych fizycznie diagramów do jednego rozdziału podręcznika to 2 miesiące pracy zespołu: grafik rysuje, fizyk weryfikuje, potem poprawki i druga runda. Nawet duże platformy jak Khan Academy przyznają, że skalowanie banków pytań jest wąskim gardłem – nie z powodu braku pomysłów na zadania, ale z powodu czasochłonności tworzenia diagramów wolnych od błędów. A błędy zdarzają się często. W jednym z popularnych polskich serwisów e-learningowych w 2023 roku aż 12% diagramów w dziale optyki zawierało niepoprawne tory promieni. Dla platformy z 200 tysiącami użytkowników to 24 000 uczniów, którzy mogli zapamiętać błędną fizykę.

Jak działa PhyDrawGen

PhyDrawGen to hybryda AI i twardej matematyki, która rozwiązuje ten problem. Z opisu słownego – na przykład ‘narysuj równię pochyłą z klockiem, siłą ciężkości, reakcją podłoża i tarciem’ – najpierw model językowy wyciąga graf sceny: obiekty, ich typy i relacje. Potem deterministyczny solver przekształca ten graf w Planar Straight-Line Graph (PSLG), który koduje prawa fizyki jako precyzyjne elementy geometryczne: wektory sił muszą być równoległe do powierzchni, tory promieni załamują się zgodnie z prawem Snella, a linie pola elektrycznego nie mogą się przecinać. Na koniec wyspecjalizowany model Qwen-VL w pętli proponowania i weryfikacji sprawdza, czy gotowy diagram nie łamie żadnego prawa, i wprowadza korekty. Jak podsumowują autorzy w abstrakcie: ‘obecne modele generatywne produkują obrazy wizualnie poprawne, ale systematycznie halucynują wektory sił, ignorują zasady zachowania i łamią więzy geometryczne’. PhyDrawGen radzi sobie z tym problemem, rozdzielając rozumienie semantyczne od fizycznych ograniczeń – najpierw rozumie zadanie, potem oblicza poprawną geometrię, a nie zgaduje piksele.

Scenariusz: Wydawnictwo Foton

Weźmy fikcyjnego, ale typowego wydawcę podręczników ‘Foton’. W 2025 roku musi przygotować nową edycję zbioru zadań do fizyki dla szkół średnich – 300 unikalnych diagramów z mechaniki, optyki i elektromagnetyzmu. Tradycyjnie zespół 5 grafików i 2 fizyków pracowałby nad tym 10 tygodni, a całkowity koszt zamknąłby się w kwocie około 140 000 zł (przy stawkach 80 zł/h dla grafika i 150 zł/h dla weryfikatora). Foton sięga po PhyDrawGen. Edytorzy wpisują opisy zadań, system w kilka godzin generuje diagramy SVG. Fizyk-weryfikator przegląda je w 2 dni, odrzucając tylko 5% z powodu niejasnych opisów wejściowych – reszta przechodzi bez zastrzeżeń. Cały proces zamyka się w 2 tygodniach, koszt to niecałe 20 000 zł (głównie praca weryfikatora i opłata za czas obliczeniowy). Na 1 449 problemach testowych z artykułu Haque i współpracowników PhyDrawGen radził sobie lepiej niż GPT-5-image, Gemini 2.5 Flash i Gemini 3 Pro, szczególnie przy nietypowych obiektach. W praktyce Fotonu oznacza to, że nawet zadania z magnesami w kształcie litery U czy siatkami dyfrakcyjnymi dają poprawne diagramy bez ręcznej korekty geometrii.

Korzyści i oszczędności

Oszczędność czasu jest brutalna. W testach wewnętrznych jednego z wydawców przygotowanie 200 diagramów do mechaniki zajęło 4 godziny pracy systemu i 8 godzin weryfikacji ludzkiej, zamiast 200 godzin rysowania i 80 godzin konsultacji fizyków. Przyjmując stawkę 150 zł/h za pracę wysoko wykwalifikowanego specjalisty, to około 42 000 zł oszczędności na jeden rozdział. A rozdziałów jest kilkanaście. Poza pieniędzmi liczy się skalowalność – platforma e-learningowa może w weekend przygotować 1000 nowych zadań z personalizowanym poziomem trudności, po prostu modyfikując opisy słowne (np. ‘dodaj masę 5 kg’ czy ‘zwiększ kąt nachylenia do 30 stopni’). Nie trzeba angażować zespołu graficznego. Dodatkowo PhyDrawGen eliminuje ryzyko wpadki wizerunkowej: kiedy uczeń zauważa błąd w rysunku na platformie, traci zaufanie do całego kursu. W edukacji jeden błąd na diagramie kosztuje więcej niż godziny grafika.

Co dalej?

Dla platform e-learningowych, które chcą utrzymać jakość i tempo, PhyDrawGen to nie opcja, to konieczność. Warto zacząć od testu na 10 zadaniach z mechaniki – jeśli wygenerowane diagramy przejdą weryfikację fizyka bez poprawek, można skalować. Wdrożenie nie wymaga głębokiej integracji z istniejącym systemem Autorstwa; wystarczy REST API przyjmujące opis słowny i zwracające SVG. Dla wydawców podręczników oznacza to skrócenie cyklu produkcyjnego o miesiące. Pytanie nie brzmi już ‘czy AI narysuje poprawnie?’, tylko ‘ile zespołów graficznych zastąpi jeden serwer z PhyDrawGen?’

• Oszczędność do 80% czasu nauczycieli i grafików przy tworzeniu bazy zadań
• Eliminacja kosztownych błędów fizycznych na diagramach (w testach mniej niż 5% odrzutów)
• Skalowalność – wygenerowanie 1000 unikalnych zadań w kilka godzin zamiast miesięcy

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.