این مقاله درباره استفاده دانشجوها از AI از نگاه یه استاده. نویسنده که بیشتر از ۲۰ ساله در دانشگاه درس میده، میگه این روزها وقتی وارد دانشگاه میشه، حس میکنه وسط یک موج خلافکاری گیر افتاده! منظورش هم خلاف معمولی نیست. منظورش استفاده گسترده دانشجوها از هوش مصنوعی برای تقلبه.
میگه دانشگاهها اصولاً نهادهای خیلی قدیمی و کندی هستن و تغییر توشون بهشدت آهسته اتفاق میافته. برای همین وقتی هوش مصنوعی یکدفعه وارد زندگی دانشجوها شد، دانشگاهها اصلاً آماده نبودن. خودش این وضعیت رو به آدمهای عصر حجر تشبیه میکنه که یکدفعه جلوی غارشون سفینه فضایی ببینن.
نگرانی اصلی نویسنده فقط این نیست که دانشجوها با استفاده از AI چیزی یاد نمیگیرن یا در آینده بلد نیستن درست بنویسن و فکر کنن. چیزی که بیشتر میترسونتش، اثر اخلاقی این ماجراست. چون معتقده یک نسل داره کمکم عادت میکنه که «تقلب کردن» بخشی طبیعی از زندگیه.
وقتی دانشجو مقالهای رو که باید خودش بنویسه میده هوش مصنوعی بنویسه، کتاب و مقالهای رو که باید بخونه با AI خلاصه میکنه یا تکالیفش رو با کمک آن انجام میده، عملاً داره راه میانبر میزنه. آخرش هم مدرکی میگیره که به اعتقاد نویسنده واقعاً برای به دست آوردنش زحمت نکشیده.
نویسنده روی کلمه «به دست آوردن» تأکید داره. میگه فرق هست بین چیزی که واقعاً با تلاش به دست آوردی و چیزی که فقط گیرت اومده. نگرانی او اینه که دانشجوها دارند یاد میگیرند بدون انجام کار واقعی، نتیجه و پاداشش را بگیرند.
او میگه از زمستان ۲۰۲۳ متوجه این تغییر شد. مقالههایی که دانشجوها تحویل میدادند ناگهان بیش از حد تمیز شده بودند: گرامر بینقص، کلی بولتپوینت و جملات مرتب اما بیروح و رباتمانند. خبری هم از آن فکرهای شخصی، اشتباهات طبیعی و سبک خاص هر دانشجو نبود.
اوایل تعداد این دانشجوها کم بود، اما حالا قضیه خیلی گستردهتر شده. در یک نظرسنجی روزنامه دانشجویی هاروارد، حدود یکسوم فارغالتحصیلان گفتهاند برخلاف اجازه استاد، برای تکالیفشان از هوش مصنوعی استفاده کردهاند.
یکی از همکاران نویسنده در دانشگاه شیکاگو هم که درس «نگارش» به دانشجویان سال اول میدهد، گفته در تمام کلاسهایی که طی یک سال برگزار کرده، فکر میکند فقط سه دانشجو تکالیفشان را بدون کمک AI نوشتهاند. یعنی حتی در کلاسی که هدف اصلیاش یاد گرفتن نوشتنه، تقریباً همه از هوش مصنوعی کمک گرفتهاند.
یکی از دلایلش هم واضحه: احتمال گیر افتادن خیلی کمه.
در همان نظرسنجی هاروارد، ۹۳ درصد کسانی که برخلاف دستور استاد از AI استفاده کرده بودند، اصلاً گیر نیفتاده بودند. از آن تعداد کمی هم که لو رفته بودند، بیش از نصفشان هیچ مجازاتی نشده بودند. در نهایت فقط حدود ۲.۶ درصد واقعاً بابت کارشان هزینهای داده بودند.
پس از نگاه کسی که میخواهد تقلب کند، حسابوکتاب ساده است: «احتمال اینکه گیر بیفتم خیلی کمه پس چرا انجامش ندم؟»
نویسنده میگه مشکل دقیقاً همین طرز فکره. شبیه کسی که بلیت مترو نمیخره، سرعت غیرمجاز میره یا مالیاتش رو دور میزنه و فقط حساب میکنه احتمال گیر افتادنش چقدره. دیگر سؤال این نیست که «این کار درسته یا غلط؟» بلکه اینه: «چقدر احتمال داره مچم رو بگیرن؟»
از طرفی خیلی از دانشجوها احتمالاً استفاده غیرمجاز از AI رو نوعی «جرم بدون قربانی» میبینن. فکر میکنن: خب من مقالهام رو با ChatGPT نوشتم، به چه کسی آسیب زدم؟ تازه وقتی همه دارن این کار رو میکنن، چرا من باید چند ساعت وقت بذارم و خودم بنویسم و از بقیه عقب بیفتم؟
اما نویسنده میگه همین منطق کمکم کل فضای دانشگاه رو خراب میکنه.
برای نمونه ماجرایی از دانشگاه براون تعریف میکنه. یک استاد اقتصاد به نام روبرتو سرانو بعد از تیراندازی مرگباری که در دانشگاه اتفاق افتاده بود، برای اینکه فشار روانی دانشجوها کمتر شود، امتحانش را از حضوری به امتحان در خانه تبدیل کرد.
ناگهان تعداد دانشجوهای کلاس از حداکثر معمولِ حدود ۳۰ نفر به نزدیک ۹۰ نفر رسید!
بعد هم نتیجه امتحان عجیب بود: میانگین نمره ۹۶ از ۱۰۰ شد و ۴۰ نفر نمره کامل گرفتند.
استاد شک کرد. سؤالهای خودش را به ChatGPT داد و دید جوابهایش خیلی شبیه جواب دانشجوهاست: تا حدودی درست، ولی با توضیحات پیچیده و عجیب.
بنابراین امتحان پایانترم را دوباره حضوری کرد.
نتیجه حیرتآور بود: بلافاصله ۱۸ نفر درس را حذف کردند. ۹ نفر اصلاً سر امتحان نیامدند و میانگین نمره کسانی که امتحان دادند فقط ۴۸.۶ شد؛ تقریباً ۲۰ نمره کمتر از بدترین میانگین امتحان نهایی در تاریخ آن کلاس.
استاد گفته بود: «ما نمیتونیم جامعهای داشته باشیم که بخش قابلتوجهی از بهترین جوانهاش فکر کنن تقلب کردن اشکالی نداره. چنین جامعهای رو به زوال میره.
Post #3869
1.43K
Infinity ترجمه متن نامه ۲۵ ریاضیدان برنده مدال (جایزه) فیلدز در مورد ارتباط هوش مصنوعی (هوشواره) و رياضيات عدم همراستایی و انحراف شدید هوش مصنوعی در ریاضیات. طی چند ماه گذشته، توانمندیهای ریاضی مدلهای زبانی بزرگ (LLM) به طرز چشمگیری بهبود یافته است، تا جایی…
- 👌 18
- 👎 2
- ❤ 1