В академической среде студентам все чаще задают вопрос: «Не ChatGPT ли это написал?». Обсудим, почему искусственный интеллект вызывает споры и настороженность в образовательном деле.
Почему не доверяют учебным работам, созданным с помощью нейросетей
Настороженность преподавателей во многом уходит корнями в прошлое. Еще несколько лет назад тексты, созданные генеративными моделями, легко выдавали неживое происхождение: в них встречались неловкие фразы, неуклюжие повторы и логические сбои. Казалось, будто эти тексты не прошли «человеческую» редактуру, поэтому выглядели искусственно. Эти примеры хорошо запомнились и сформировали восприятие ИИ как посредственного автора.
Со временем модели усовершенствовались, но машинный почерк все равно видно: в неестественных речевых оборотах, грамматических неточностях или в «артефактах генерации». Для опытного преподавателя это может быть сигналом: перед ним не самостоятельная работа, а результат работы алгоритма.
Дело не только в самих технологиях, важно и то, как студенты ими пользуются. Неправильно или слишком широко заданный запрос («промпт») часто приводит к шаблонным ответам. Без редактуры эти тексты производят впечатление дежурных и поверхностных, что снижает доверие к итоговому материалу. Добавим сюда безответственное обращение с результатом: студенты нередко копируют сгенерированный текст без последующей проверки и редактуры. Так в работах появляются фактические ошибки, выдуманные источники, исследования или вовсе очевидные следы общения с нейросетью.
Само собой, ситуацию стоит рассматривать и с педагогической позиции. Многие типы учебных заданий изначально создавались для развития самостоятельного мышления. А когда студент привлекает нейросеть, это воспринимается как нежелательное упрощение процесса. Чтобы, например, выучить иностранный язык, нужно научиться самостоятельно переводить тексты и выстраивать грамматику. Поэтому, если работа внезапно выполнена идеально, у преподавателя закономерно возникает вопрос – действительно ли ее сделал студент.
Где заканчивается помощь ИИ и начинается обман
Пока нет четкой границы между легитимным использованием нейросети и действием, которое может считаться нарушением. В каких-то университетах созданы регламенты и составлены методические указания по использованию генеративных моделей, но таких вузов пока немного. В основном студенты ориентируются на общие нормы, здравый смысл и логику задания. Некоторые пытаются апеллировать к формальной логике: раз не запрещено, значит, можно.
Этичнее и безопаснее уточнить у преподавателя, допустимо ли использование ИИ. Но пока единого подхода нет. Сфера образования ищет баланс, а многие вузы выбирают путь осторожности – ограничить или запретить использование алгоритмов, чтобы избежать злоупотреблений.
Почему студенты скрывают, что им помогает ИИ
Несмотря на распространенность нейросетей, многие авторы предпочитают не афишировать их присутствие в своих работах. Главная причина – страх предвзятости. Студенты и исследователи опасаются, что факт использования искусственного интеллекта будет рассматриваться как обман, даже если ИИ применялся честно, лишь как вспомогательный инструмент.
Есть и внутренняя мотивация молчать. Когда сложная задача решается за считанные минуты с помощью алгоритма, возникает ощущение, будто результат дался чересчур легко. В академической среде, где поощряется самостоятельный поиск, такой подход может восприниматься почти как моральное нарушение: труд без усилий кажется ненастоящим.
Знаковая история произошла в 2023 году: студент РГГУ публично признался, что использовал ChatGPT при написании диплома и подробно описал процесс. Признание стало прецедентом – ранее никто не говорил об этом открыто. Реакция оказалась бурной: диплом попытались аннулировать, однако после общественного резонанса работу все же признали, хотя оценка осталась минимальной. Этот случай показал, как болезненно воспринимается открытость.
Наконец, студенты боятся неопределенности. В большинстве университетов до сих пор нет единых и прозрачных правил обращения с нейросетями. В таких условиях даже добросовестные студенты не чувствуют себя в безопасности, предпочитая просто не говорить о цифровом помощнике.
Почему нет единых правил использования ИИ в учебной работе
Создать универсальный свод норм для работы с генеративными моделями оказалось непростым делом. Пока нет общего понимания, где проходит граница между допустимой помощью технологии и нарушением академической добросовестности. ИИ вошел в образовательную среду слишком стремительно, институты просто не успели выработать устойчивые и проверенные правила.
Обычно такие регламенты появляются не сразу, а постепенно – через накопление опыта, обсуждение спорных кейсов и сравнение разных подходов. Фактически, система образования находится в режиме эксперимента: вузы самостоятельно пробуют собственные модели регулирования, вводят локальные ограничения и смотрят, как это работает на практике. Каждый такой пример становится пилотным проектом, за которым внимательно наблюдают другие учебные заведения. И если решение окажется удачным, его могут взять за основу другие заведения или даже регуляторы. Спешить опасно. Если на федеральном уровне закрепить неудачные правила, они рискуют надолго зафиксировать неэффективный подход и затормозить развитие более гибких решений.
Почему нельзя просто разрешить использование ИИ
На практике не получится разделить типы заданий к простому списку «можно» и «нельзя». Правила нужно устанавливать исходя из целей обучения и типа задания: где-то ИИ можно разрешить как инструмент для черновика, поиска идей или самооценки, а где-то важно, чтобы работа оставалась полностью самостоятельной. Дело в том, что генеративный ИИ меняет логику учебных заданий: можно быстро создавать текст, план, анализ или ответы, поэтому привычные формы проверки не всегда показывают реальный уровень знаний студента.
Во многих практиках задания разделяют не по формальному признаку, а по образовательной цели. ИИ можно допускать для мозгового штурма, подготовки черновиков, объяснения сложных тем или критической оценки сгенерированного текста, но ограничивать или запрещать там, где важно проверить индивидуальное понимание, оригинальность или способность самостоятельно искать решение. Для задач, где важно личное участие, часто рекомендуют добавлять устную защиту работ, промежуточные черновики и работу с локальными или офлайн-источниками, чтобы результат было труднее подменить генерацией.
Выводы
Запрет на использование ИИ выглядит маловероятным сценарием. Скорее, наоборот: в ближайшие годы технология станет таким же базовым инструментом, как поиск в интернете или текстовый редактор. Такой подход выглядит более жизнеспособным, потому что сохраняет академическую честность и одновременно признает, что ИИ – это часть реальной образовательной среды.
Также читайте:
Леонид, Вы заметили кольцевую композицию своего поста? Это очень характерно, поскольку цикличность является лейтмотивом всего нашего обсуждения.
Я терпеливо прошел с Вами три итерации, а сейчас на горизонте образуется четвертая, и пора подвести итоги этого путешествия. Четверти сотни листов не хватило Вам, чтобы убедить читателя в эффективности своего метода – не только меня, но и никого из тех, что высказывался (если вдруг я что-то пропустил – тех, кому теория ясна, я прошу высказаться). Обсуждение у нас переросло в спор, цель которого в Вашем случае – победа. Изначально меня интересовала технология, и я был готов дать пространство мне ее презентовать, но спор ради спора мне не интересен. Это – ловля ветра.
Методологически спор также не выдерживает критики: хотя я и заставляю себя писать наиболее простым и понятным образом, этого оказывается не достаточно, чтобы Вы поняли, о чем я говорю. Вы вносите термин «Вещь», я начинаю рассматривать его в парадигме Аристотеля, Вы возвращаете мне «Губернские очерки» Салтыкова-Щедрина; рассматриваете термин «Аксиома», и на мой пример в области ее математического понимания отвечаете идеями «обыденного дискурса»; предлагаете концепцию объективности оценок, но на вопрос о формальной логике мы перемещаемся в область «здравого смысла». Это не наука – это надругательство над наукой.
По тексту Вы скачете с темы на тему. Вас ловили на невнимательности, ловили на фактическом несоответствии заявленного реальности, ловили на ошибках применения ИИ. Многим и половины оказалось бы достаточно, но Вы не отчаиваетесь и выходите на новый круг. С каждым кругом Вам все сложнее сдерживать свои эмоции, что у меня вызывает «испанский стыд». Надо что-то решать.
Поскольку в этом сообществе (замечу – одном из наиболее профессиональных в Рунете) Вам не удалось обосновать свою позицию так, чтобы ее приняли, я предлагаю Вам поступить иначе.
Издайте 2 – 3 научных статьи в рецензируемых журналах хотя бы второго-третьего квартиля, где авторы публикуются без платы за публикацию, и это сможет служить основанием для признания Вашей теории научным сообществом. Также, помимо формирования репутации авторитета в EdTech, по мере подготовки статей Вы сможете лучше и четче сформулировать свои мысли, которые потенциально смогут убедить читателя в научности предлагаемого подхода.
А пока у меня просто объективно не остается предмета для обсуждения: Ваш метод на текущий момент по совокупности всего обсуждения я считаю фантазией, и наука фантазии без статистического обоснования всерьез рассматривать не может. Кроме того, я убежден, что четвертая итерация не принесет существенной новизны, поэтому просто сэкономим всем время. Если статьи появятся - дайте знать: обещаю их прочитать внимательно и высказать обратную связь.
Да, дело - в экспертах. Отсутствие прошлого опыта реализации рисков является наиболее серьезным вызовом в их оценке. Про риск подгонки также отдельно говорил.
Процедурно я предложил сначала сформировать группу экспертов, которая методом Дельфи формирует границы функции-носителя в рамках нечеткой логики. После этого полученное распределение (в конкретной реализации - трапециевидное число) используется в стохастическом моделировании, а совместные распределения оцениваются по тяжести хвостов за пределами выбранной доверительной вероятности.
Технически это расширяет "лучшие практики", которые сегодня используются в мировых лидерах банковской отрасли, а также позволяет точнеее оценить потребности в капитале под риск в рамках "идеального шторма". Таким образом, от простого экспертного "гадания" можно перейти к гораздо более устойчивым вероятностным оценкам, и это может по итогу высвобождать для бизнеса значительный капитал: вместо резервирования "на всякий случай" его можно направить в развитие компании.
У вас совсем нет чувства юмора, да?