دانشجویان متقلب، یک قدم جلوتر از ابزارهای تشخیص هوش مصنوعی
به نظر میرسد موفقترین موارد تقلب با هوش مصنوعی، نیازمند دخالت و ظرافت انسانی است.
اگر دانشجویانی را که برای تقلب از هوش مصنوعی استفاده میکنند تنبل بدانید، بیراه نگفتهاید؛ اما برخی از زیرکترین آنها سخت تلاش میکنند تا مطمئن شوند پاسخهای تولیدشده توسط مدلهای زبانی بزرگ (LLM) از دید استادانِ دقیق و کنجکاو پنهان میماند.
به گزارش فرارو به نقل از فیوچریسم، مجله «نیویورک» در مقالهای اخیر با تعدادی از این متقلبانِ باهوش گفتگو کرده است؛ کسانی که بهخوبی میدانند بسیاری از استادان اکنون از ترفندهای دانشجویان آگاه شدهاند و در حال تغییر تکالیف و بهکارگیری فناوریهای قدرتمندتر برای شناسایی هرگونه کمک غیرمجاز هوش مصنوعی هستند.
دانشجویی به نام «جرد» که در دانشگاه نیویورک تحصیل میکند، استفاده از پلتفرم «WebAssign» در کلاس مقدماتی حساب دیفرانسیل و انتگرال خود را به چشم یک چالش دید؛ پلتفرمی که طراحی شده تا تقلب را «بسیار دشوارتر» کند. او و دوستش با استفاده از یک ابزار کدنویسی مبتنی بر هوش مصنوعی، رباتی ساختند که تمام تکالیفشان را انجام میدهد، اما با سرعتی کُند، درست مانند دانشجویی که در حل مسائل مشکل دارد.
بر اساس این مقاله، «ربات آهسته عمل میکند و باعث میشود استاد هنگام بررسی زمان ثبتِ پاسخها، متوجه هیچ مورد مشکوکی نشود.» جرد از سرِ سخاوت، این ابزار را در اختیار دوستانش هم قرار داد و حالا حتی مطمئن نیست چه تعداد از همکلاسیهایش به این فناوریِ خودکارِ تقلب دسترسی دارند.
این موضوع نشاندهنده قدرت «عاملهای هوش مصنوعی» (AI agents) است؛ مدلهای هوش مصنوعی که میتوانند وظایف پیچیدهای را به جای انسان و بدون دخالت او انجام دهند؛ وظایفی که دامنهای از نوشتن نرمافزارهای کامل تا انجام تحقیقات را در بر میگیرد. شاید این کار همچنین واکنشی به رویکرد تنبیهی و متمرکز بر شناساییِ تخلف باشد که استادانِ کلافه، در مواجهه با سیل تقلبهای مبتنی بر هوش مصنوعی، در پیش گرفتهاند.
به نظر میرسد استدلال «ویل»، فارغالتحصیل اخیر کالج «کارلتون»، نیز همین بوده است. ویل معتقد بود که با بزرگنماییِ نشانههای آشکارِ هوش مصنوعی - مانند استفاده از خط تیرههای بلند (em-dashes) - اعضای هیئت علمی در واقع دقیقاً همان مواردی را برجسته میکنند که متقلبان باید آنها را پنهان کنند.
ویل به مجله نیویورک گفت: آدمها راهی برای پوشاندن آن ویژگیهای جزئیِ سبکی پیدا خواهند کرد. اگر تنها راه شما برای بازداشتن دانشجویان از تقلب این است که بگویید «خب، من یک ابزار تشخیص دارم»، پس موفق نخواهید شد.
در مورد «ویل»، استادانش استفاده از متون تولیدشده توسط هوش مصنوعی را ممنوع کرده بودند و یکی از آنها با افتخار میگفت که مجموعهای از ابزارها را برای اعمال این ممنوعیت در اختیار دارد. با این حال، ویل که مصمم بود کارش را با کمک هوش مصنوعی انجام دهد، از مدل «کلود» (Claude) برای تحلیل و نگارش بخشهای مفصلی از یک مقاله استفاده کرد و سپس خودش بهصورت دستی پاراگرافهای تولیدشده توسط هوش مصنوعی را بازنویسی کرد.
به نظر میرسد موفقترین موارد تقلب با هوش مصنوعی، نیازمند دخالت و ظرافت انسانی است. «تئو»، دانشجوی سال دوم دانشگاه ماساچوست در امهرست (UMass Amherst) که خود را فردی خودآموخته میدانست و علاقهای به دروس عمومی دانشگاه نداشت، با افتخار برای مجله «نیویورک» (NYMag) تعریف کرد که چگونه با استفاده از «کودکس» (Codex) - ابزار کدنویسی هوش مصنوعی شرکت OpenAI - و ترکیب آن با یک افزونه که قابلیتهای جستجوی وب را ارتقا میداد، یک ارائه درسی درباره نجوم آماده کرده است. اما به گزارش این مجله، از آنجا که ارائه نهایی بیش از حد بینقص و حرفهای به نظر میرسید، او چهار ساعت وقت صرف کرد تا کیفیت اسلایدها را بهصورت دستی پایین بیاورد و آنها را شبیه کار یک دانشجوی سال دومِ معمولی جلوه دهد. و به این مجله گفت: «کار بسیار زیادی برد.»
«دانیل کار»، مورخ و انسانشناس دانشگاه کالیفرنیا، لسآنجلس ، معتقد است استادانی که برای شناسایی و حذف تقلب به روشهای نظارتی و ابزارهای تشخیص متکی هستند، تنها خود را درگیر یک بازی «موش و گربه» میکنند. او به این مجله گفت که تقلب با هوش مصنوعی «یک مشکل فنی نیست که راهحل فنی داشته باشد.»
