هوش مصنوعی تقلب می کنه؟ اساتید دانشگاهی هم نمی تونن تشخیص بدن!

معضلِ تشخیصِ پاسخ‌های هوش مصنوعی در امتحانات

تحقیقات نشون می‌ده که ممکنه ارزیاب‌های امتحاناتِ دانشگاهی، توی شناساییِ پاسخ‌های تولید شده توسط هوش مصنوعی (AI) دچار مشکل بشن. این تحقیق توی دانشگاه ریدینگِ انگلستان انجام شده، جایی که مسئولای دانشگاه دارن تلاش می‌کنن تا خطرها و فرصت‌های احتمالی هوش مصنوعی رو توی حوزه‌های تحقیق، تدریس، یادگیری و ارزیابی شناسایی کنن. بعد از نتیجه‌ی این تحقیق، توصیه‌های جدیدی به کارکنان و دانشجوها ارائه شده.

محققان از بخش آموزش جهانی خواستن که از روی دست دانشگاه ریدینگ و بقیه‌ی دانشگاه‌هایی که دارن سیاست‌ها و دستورالعمل‌های جدیدی می‌نویسن، گام‌های بیشتری برای مقابله با این مسئله‌ی نوظهور بردارن.

نتایجِ تحقیق و اهمیتش

توی یه آزمون دقیق و بی‌طرفانه از سیستم‌های آزمون واقعی دانشگاه، که امروز (۵ تیر) توی نشریه‌ی PLOS ONE منتشر شد، پاسخ‌های آزمون تولید شده توسط ChatGPT واسه چند تا از درس‌های روانشناسی کارشناسی، توی ۹۴٪ موارد شناسایی نشدن و به طور متوسط، نمره‌های بالاتری از پاسخ‌های واقعی دانشجوها گرفتن. این تحقیق، بزرگ‌ترین و معتبرترین تحقیق بی‌طرفانه‌ی از این نوعه که معلم‌ها رو به چالش کشیده تا بتونن محتوای تولید شده توسط هوش مصنوعی رو شناسایی کنن.

دکتر پیتر اسکارف و پروفسور اتیان روئش، که این تحقیق رو توی دانشکده‌ی روانشناسی و علوم زبان بالینی دانشگاه ریدینگ رهبری کردن، گفتن که نتایج‌شون باید به عنوان یه زنگ خطر واسه معلم‌ها توی کل جهان تلقی بشه. یه نظرسنجی اخیر از ۴۵۰ تا مدرسه و دانشگاه توسط یونسکو نشون داد که کمتر از ۱۰٪ شون سیاست‌ها یا راهنماهایی درباره‌ی استفاده از هوش مصنوعیِ تولیدی دارن.

دکتر اسکارف اضافه کرد: «خیلی از مؤسسات دارن از امتحانات سنتی فاصله می‌گیرن تا ارزیابی رو فراگیرتر کنن.»

تأثیر هوش مصنوعی روی ارزیابی‌های آموزشی

تحقیقات ما نشون می‌ده که درکِ تأثیر هوش مصنوعی روی یکپارچگی ارزیابی‌های آموزشی، از اهمیت جهانی برخورداره. در حالی که شاید دیگه به طور کامل به امتحاناتِ دست‌نویس برنگردیم، بخش آموزش جهانی باید توی رویارویی با هوش مصنوعی تغییر کنه. این موضوع نشون دهنده تعهد ما به دقتِ علمی و یکپارچگیِ تحقیق توی دانشگاه ریدینگه و ما همه‌ی تلاشمون رو می‌کنیم که توی این زمینه پیشرو باشیم.

پروفسور روش گفت: به عنوان یه بخش، باید توافق کنیم که انتظار داریم دانش‌آموزا چطور از هوش مصنوعی توی کارشون استفاده کنن و نقشش رو به رسمیت بشناسن. این موضوع، در مورد استفاده‌ی گسترده‌تر از هوش مصنوعی توی بقیه‌ی جنبه‌های زندگی هم صدق می‌کنه تا از بروز بحران اعتماد توی جامعه جلوگیری بشه.

تحقیق ما روی مسئولیتی که به عنوان تولیدکننده‌ها و مصرف‌کننده‌های اطلاعات داریم، تأکید می‌کنه. باید روی تعهدمون به یکپارچگی علمی و تحقیقاتی تأکید بیشتری داشته باشیم.

پروفسور الیزابت مک‌کِرام، معاون آموزشی و تجربه‌ی دانشجویی دانشگاه ریدینگ، گفت: واضحه که هوش مصنوعی تأثیرِ فوق‌العاده‌ای روی قسمتای مختلف زندگیمون می‌ذاره، از جمله نحوه‌ی درس دادن به دانش‌آموزا و ارزیابیِ یادگیریشون.

توی دانشگاه ریدینگ، ما یه برنامه‌ی وسیعی رو شروع کردیم که تموم جنبه‌های تدریسمون رو بررسی کنه، از جمله استفاده‌ی بیشتر از فناوری واسه بهتر کردن تجربه‌ی دانشجوها و بالا بردنِ مهارتای استخدامیِ فارغ‌التحصیلا. راه‌حل‌ها شامل دور شدن از ایده‌های قدیمیِ ارزیابی و رفتن به سمت روش‌هایی هستن که بیشتر با مهارت‌هایی که دانش‌آموزا توی محیط کار لازم دارن، هم‌خوانی داشته باشه، از جمله استفاده از هوش مصنوعی.

به اشتراک گذاشتنِ رویکردهای جایگزین که به دانش‌آموزا این امکان رو می‌ده تا دانش و مهارت‌هاشون رو نشون بدن، با همکارا توی رشته‌های مختلف، خیلی مهمه.