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:
В принципе - логично. Немного удивлен, что психология в топ не попала: "налить воды" по ней будет сильно проще, чем в политологии. А вот с применением ИИ в химии и математике все очень ожидаемо: автоматически "придумать новизну" в этих областях существенно сложнее.
Вы подменяет обучение модели (долгий процесс на данных) с разовым промптом. ИИ уже обучили шахматам, и он играет лучше любого человека. AlphaZero выучил шахматы с нуля, зная только правила, и за 4 часа стал сильнее всех гроссмейстеров мира. Так что "удача" уже не нужна — факт свершился».
К тому же в шахматах правила известны, и ИИ там действительно может просто перебирать варианты. Мы же говорим о границе знания, где правил еще нет. Там ИИ работает иначе, он ищет паттерны в данных, а не считает ходы. Ваш пример про шахматы подтверждает, что ИИ умеет учиться на правилах, а не опровергает его возможности в науке. Шахматы – решенная задача для ИИ. Наука – следующая. Отрицать это – как в 90-х говорить, что компьютер никогда не победит человека в шахматы.
Появится. Надо просто уметь правильно составить промт.
На самом деле сейчас при помощи нейросети пишутся более 95% студенческих работ. Другой момент - что Антиплагиат не способен выявлять наличие ИИ-генерации (не всегда способен).
Вопрос о ценности таких работ и целях обучения - а не получения диплома - для студента. Что-то можно проверить увеличением количества устных экзаменов и тестов в формате 1:1. Требования к преподавателям будут выше.
А в чем цель обучения? Дать знаний? Это глупая цель. Какая по вашему цель должна быть?
Имеет смычл цитировать дословно.
Спросите студента(ов). Ответы могут различаться.
Не появится, причем это предопределено инженерно.
Из ничего не появляется ничего. Промпт - инструкция к обработке имеющегося массива данных, на котором натренирована нейросеть. Неизвестные блоки информации она не сможет классифицировать, поскольку они могут потребовать изменения топологии сети или вообще формирования иной модели.
Научная новизна предполагает синтез принципиально нового знания, которое не может появиться в рамках простого перекладывания исходных блоков в границах частотных таблиц. Мыслить как человек машина не умеет, как минимум - в настоящий момент времени.
Если ураган пройдет сквозь склад со всеми нужными запчастями, он не оставит после себя собранный Boeing 747.
Я не понимаю, чтобы подготовить диссертацию по техническим наукам, по крайней мере раньше нужно было лично участвовать в каких-то работах по соответствующему профилю:
- ставить эксперименты, обрабвтывать результаты;
- производить расчеты;
- что-то конструировать - проектировать, а потом внедрять и испытывать это.
Неплохо было что-то запатентовать, нужны были публикации, как минимум ведомственные отчеты по научно-технической работе.
Ну хоть справки какие-то надо было брать о том, что что-то работает, пользу приносит, экономический эффект имеется.
Понятно, что начальник мог приписаться к работе, кто-то на производстве или на каком-то объекте, где это внедрялось и испытывалось.
Кто-нибудь из больших начальников мог тоже как-то войти в эту работу.
В конце концов по знакомству, по какой-то договоренности или за деньги можно было войти в работу.
Но чтобы человек, не имеющий к работе никакого отношения, а который просто поигрался с компьютером мог защитить диссертацию.
Я это плохо понимаю.
Раньше все-таки надо было что-то сделать в реальном мире, если не лично, то чтобы кто-то это сделал для тебя, кум, брат, сват подсуетился.
Ничего и не изменилось. Диссертация является самостоятельной научной работой, которая раскрывает предложенную научную новизну в заданной темой области.
Если смотреть исторически - уровень доктора наук соответствовал открытию, после которого формировалась новая область научного знания: например, физическая химия, химическая физика и др. Уровень кандидата наук - уровень подотрасли: яркое открытие в рамках передовых областей науки.
Если правильно помню, были периоды в истории Европы, когда на всем ее протяжении было всего несколько докторов наук. Сегодня же их - сотни, многие не работают по специальности.
Если посмотреть процедурно - для защиты диссертации может использоваться либо серия публикаций в признанных рецензируемых журналах, либо проводится стандартная защита, например, по критериям ВАК (последнее - наиболее популярный способ в России). Есть еще локальные PhD разных университетов, но они не носят повсеместного признания. В любом случае - должны быть работы, должны быть признанные публикации, которые демонстрируют уровень кандидата, а также в буквальном смысле "двигают науку вперед".
Теперь смотрим на Российский контекст. После 90-х наличием высшего образования стало сложно кого-то удивить - пошел добор дипломов в штуках. Но даже пять дипломов (как у одного партийного деятеля) - это только пять дипломов, но не степень. А отличаться чем-то нужно, вот здесь и происходят удачные встречи капитала с системой образования.
Обилие текстов делает физически невозможным правильный анализ их всех, соответственно, в этом потоке попадаются и откровенно слабые работы, и написанные "литературными неграми", и явный плагиат с других языков. С недавних пор в ряде ВУЗов введены KPI на защиту диссертаций в течение определенного периода после окончания аспирантуры, поэтому не довести аспиранта до степени означает получить вполне реальный денежный "штраф". Никому это не нужно.
Наконец, состав работ. Скорость развития научного знания выросла настолько, что зачастую компетенций комиссии, принимающей диссертацию, оказывается недостаточно для полного ее понимания. Конечно, никто об этом вслух не скажет, но если нет откровенных ошибок - велика вероятность, что текст пройдет формальные фильтры, хотя и не будет содержать новизны.
При этом развитие ИИ существенно упростило и генерацию текста, и его наукоемкость, что еще более осложнило суть задачи комиссии, а также еще больше снизило вероятность отклонения текстов.
В пределе это и означает ровно то, что Вы описали: грамотно "поигравшийся с компьютером" человек с высокой вероятностью может защитить диссертацию и получить степень, вообще не разбираясь глубоко в теме исследования. Зачастую с этим связаны отзывы степеней последних лет, когда конкуренты на рынке решают "наказать" кого-то и направляют запросы на повторный анализ диссертации. Такая форма "сведения счетов" набирает популярность как в научном мире, так и в бизнес-сообществе.
Фактическое наличие в реальной жизни как докторов, так и кандидатов наук с откровенно чудовищной подготовкой даже по их специальности окончательно верифицирует возможность получения степеней просто за "выслугу" и относительное усердие. Разумеется, искать в работах таких исследователей истинную научную новизну никому в здравом уме не придет в голову.