Η τεχνητή νοημοσύνη δεν απειλεί μόνο τον τρόπο με τον οποίο μαθαίνουν οι φοιτητές. Ίσως δημιουργεί ένα πολύ βαθύτερο πρόβλημα: μια γενιά που συνηθίζει να παρακάμπτει τους κανόνες, να ανταμείβεται γι' αυτό και να θεωρεί την εντιμότητα μειονέκτημα.
Από τον John Paul Rollert | The Atlantic
Απόδοση – δημοσιογραφική επιμέλεια: Αληκτώ | Greece2Day
Υπάρχει ένας καινούργιος "κανόνας" που φαίνεται να εξαπλώνεται στα αμερικανικά πανεπιστήμια. Δεν χρειάζεται να γράψεις την εργασία. Δεν χρειάζεται να λύσεις μόνος σου την άσκηση. Δεν χρειάζεται καν να διαβάσεις ολόκληρο το βιβλίο. Αρκεί να ξέρεις πώς να ζητήσεις από ένα εργαλείο τεχνητής νοημοσύνης να τα κάνει για σένα. Και, κυρίως, να μην σε πιάσουν. Ο John Paul Rollert, καθηγητής ηγεσίας, ηθικής και πολιτικής στο Harvard και στο University of Chicago Booth School of Business, περιγράφει μια κατάσταση που, όπως υποστηρίζει, έχει ξεφύγει πολύ πέρα από το πρόβλημα της συνηθισμένης πανεπιστημιακής αντιγραφής.
Για τον ίδιο, το πραγματικό ερώτημα δεν είναι πλέον εάν το AI θα κάνει τους φοιτητές λιγότερο ικανούς να γράφουν, να σκέφτονται και να επιχειρηματολογούν. Είναι κάτι πολύ βαθύτερο: Τι είδους ανθρώπους εκπαιδεύουμε όταν τους μαθαίνουμε επί τέσσερα χρόνια ότι μπορούν να εξαπατούν χωρίς ουσιαστικές συνέπειες;
Η «επιδημία» που έφερε το AI
Ο Rollert διδάσκει σε πανεπιστήμια περισσότερα από 20 χρόνια. Η αλλαγή, όπως την περιγράφει, άρχισε να γίνεται εμφανής τον χειμώνα του 2023. Οι εργασίες ορισμένων φοιτητών του στο Harvard και στο University of Chicago άρχισαν ξαφνικά να αποκτούν περίεργα κοινά χαρακτηριστικά.
- Άψογη σχεδόν γραμματική.
- Πολλές λίστες και bullets.
- Τυποποιημένες διατυπώσεις.
- Και, πάνω απ' όλα, μια σχεδόν μηχανική αναπαραγωγή πληροφοριών, χωρίς τις ατέλειες, τις εκπλήξεις και τα άλματα που χαρακτηρίζουν την πραγματική ανθρώπινη σκέψη.
Στην αρχή ήταν λίγοι. Σήμερα, υποστηρίζει, η εικόνα έχει αντιστραφεί. Η χρήση του AI έχει γίνει τόσο διαδεδομένη ώστε το πρόβλημα δεν αφορά πλέον μεμονωμένους φοιτητές που αποφασίζουν να εξαπατήσουν το σύστημα. Αφορά την ίδια την κουλτούρα του πανεπιστημίου.
Ένας στους τρεις στο Harvard παραδέχεται παράτυπη χρήση AI
Τα στοιχεία που επικαλείται είναι εντυπωσιακά. Σε έρευνα του Harvard Crimson μεταξύ αποφοίτων του 2026, περίπου ένας στους τρεις φοιτητές παραδέχθηκε ότι είχε χρησιμοποιήσει AI σε εργασία παρά την απαγόρευση του διδάσκοντα. Το ακόμη πιο εντυπωσιακό στοιχείο δεν είναι όμως πόσοι το έκαναν. Είναι πόσοι πιάστηκαν. Το 93% όσων παραδέχθηκαν την παράτυπη χρήση AI δήλωσε ότι δεν εντοπίστηκε ποτέ. Και ακόμη και μεταξύ όσων εντοπίστηκαν, περισσότεροι από τους μισούς ανέφεραν ότι δεν υπέστησαν πειθαρχικές συνέπειες.
Συνολικά, μόλις 2,6% όσων παραδέχθηκαν ότι παραβίασαν τους κανόνες χρήσης AI δήλωσαν ότι τελικά υπέστησαν κάποια συνέπεια. Το μήνυμα που λαμβάνει ένας φοιτητής είναι επομένως εξαιρετικά απλό: η αντιγραφή συμφέρει.
Τρεις φοιτητές έγραψαν μόνοι τους
Ίσως ακόμη πιο αποκαλυπτική είναι η εμπειρία ενός συναδέλφου του Rollert στο University of Chicago. Διδάσκει πρωτοετείς φοιτητές σε μάθημα ακαδημαϊκής γραφής.Ο σκοπός του μαθήματος είναι ακριβώς να τους μάθει να γράφουν.Κι όμως, σύμφωνα με την εκτίμησή του, σε όλα τα τμήματα που δίδαξε μέσα σε έναν χρόνο, μόλις τρεις φοιτητές παρέδωσαν εργασίες που θεωρούσε ότι είχαν γραφτεί χωρίς βοήθεια AI. Τρεις.Σε μάθημα που υπάρχει για να διδάξει στους φοιτητές πώς να γράφουν.Και εδώ αρχίζει το πραγματικό πρόβλημα.
Δεν είναι μόνο ότι δεν μαθαίνουν
Η πρώτη και προφανής συνέπεια είναι εκπαιδευτική. Εάν ένας φοιτητής δεν γράφει τις εργασίες του, δεν μαθαίνει να γράφει. Εάν δεν λύνει τα προβλήματα, δεν μαθαίνει να τα λύνει. Εάν μετατρέπει ένα δύσκολο βιβλίο σε περίληψη δύο σελίδων μέσω ενός chatbot, δεν εξασκείται στην ανάγνωση και στην κατανόηση σύνθετων επιχειρημάτων.
Το πανεπιστήμιο κινδυνεύει έτσι να απονέμει τίτλους σπουδών σε ανθρώπους που έχουν ολοκληρώσει τυπικά ένα πρόγραμμα χωρίς να έχουν αποκτήσει τις δεξιότητες που πιστοποιεί το πτυχίο τους.
Ο Rollert όμως ενδιαφέρεται περισσότερο για μια δεύτερη συνέπεια: Την ηθική.
Τι ακριβώς σημαίνει «κέρδισα» ένα πτυχίο;
Ένα πτυχίο δεν είναι απλώς ένα αντικείμενο που αποκτά κάποιος. Υποτίθεται ότι το έχει κερδίσει. Η διαφορά είναι σημαντική. Κάποιος μπορεί να αποκτήσει κάτι χωρίς να το έχει κερδίσει. Και μπορεί να αποκτήσει κάτι που δεν δικαιούται.
Όταν ένας φοιτητής χρησιμοποιεί συστηματικά AI για να παραδώσει εργασία που υποτίθεται ότι έκανε ο ίδιος, δεν παρακάμπτει απλώς μια εκπαιδευτική διαδικασία. Παρουσιάζει ως δικό του ένα επίτευγμα που δεν είναι δικό του.
Και εάν το κάνει ξανά και ξανά επί τέσσερα χρόνια, η συμπεριφορά αυτή κινδυνεύει να μετατραπεί από περιστασιακή παραβίαση σε τρόπο σκέψης.
«Αφού το κάνουν όλοι»
Υπάρχει βέβαια μια ισχυρή λογική πίσω από τη συμπεριφορά των φοιτητών. Γιατί να περάσεις δέκα ώρες γράφοντας μια εργασία όταν το AI μπορεί να σου δώσει ένα αξιοπρεπές αποτέλεσμα σε λίγα λεπτά; Γιατί να διαβάσεις 300 σελίδες όταν μπορείς να πάρεις μια περίληψη; Και κυρίως: γιατί να μην το κάνεις όταν το κάνουν όλοι οι άλλοι;
Εδώ εμφανίζεται το κλασικό πρόβλημα των κινήτρων. Ο φοιτητής που αποφασίζει να ακολουθήσει τους κανόνες πληρώνει ένα κόστος.
- Χρόνο.
- Κόπο.
- Άγχος.
- Και πιθανώς χαμηλότερο βαθμό.
Ο φοιτητής που χρησιμοποιεί AI παράνομα μπορεί να αποκτήσει το ίδιο - ή και καλύτερο - αποτέλεσμα με πολύ μικρότερη προσπάθεια. Εάν μάλιστα η πιθανότητα τιμωρίας είναι σχεδόν μηδενική, η παραβίαση του κανόνα αρχίζει να μοιάζει "ορθολογική". Και τότε συμβαίνει κάτι επικίνδυνο.
Το ερώτημα παύει να είναι: "Είναι σωστό;" και γίνεται: "Πόσο πιθανό είναι να με πιάσουν;"
Η αντιγραφή ως «έγκλημα χωρίς θύμα»
Πολλοί φοιτητές πιθανότατα δεν θεωρούν καν ότι κάνουν κάτι πραγματικά κακό. Ποιος ακριβώς ζημιώνεται επειδή ένα chatbot έγραψε μια εργασία;
- Ο καθηγητής πληρώνεται κανονικά.
- Ο συμφοιτητής δεν χάνει κάτι χειροπιαστό.
- Το πανεπιστήμιο συνεχίζει να λειτουργεί.
- Ο φοιτητής παίρνει τον βαθμό του.
Φαινομενικά όλοι κερδίζουν. Αυτό όμως αγνοεί το σημαντικότερο θύμα: την ίδια την ακαδημαϊκή κοινότητα. Γιατί ένα πανεπιστήμιο λειτουργεί μόνο εφόσον όλοι αποδέχονται ορισμένους βασικούς κανόνες.
- Ο καθηγητής θεωρεί ότι αξιολογεί την εργασία του φοιτητή.
- Ο φοιτητής θεωρεί ότι ο βαθμός του έχει κάποια αξία.
- Ο εργοδότης θεωρεί ότι το πτυχίο πιστοποιεί κάποιες πραγματικές γνώσεις.
Εάν αυτές οι υποθέσεις πάψουν να ισχύουν, το σύστημα εξακολουθεί εξωτερικά να υπάρχει. Αλλά το περιεχόμενό του αρχίζει να αδειάζει.
Το πείραμα του Brown: 96 στα 100 με AI – 48,6 χωρίς αυτό
Ένα περιστατικό στο Brown University δείχνει πόσο μεγάλη μπορεί να είναι η διαφορά. Ο καθηγητής Οικονομικών Roberto Serrano αποφάσισε να μετατρέψει μια εξέταση από δια ζώσης σε take-home. Η απόφαση είχε γίνει για έναν πολύ σοβαρό λόγο: υπήρχε έντονη ανησυχία μεταξύ των φοιτητών για την επιστροφή στις αίθουσες μετά τη μαζική ένοπλη επίθεση που είχε σημειωθεί στην πανεπιστημιούπολη τον Δεκέμβριο.
Μόλις έγινε γνωστό ότι η εξέταση θα πραγματοποιούνταν από το σπίτι, συνέβη κάτι περίεργο. Το μάθημα, που συνήθως δεν είχε περισσότερους από 30 φοιτητές, πλησίασε τους 90.
Στην ενδιάμεση εξέταση ο μέσος βαθμός ήταν: 96 στα 100.
Σαράντα φοιτητές πέτυχαν το απόλυτο 100. Ο Serrano δοκίμασε ο ίδιος τις ερωτήσεις στο ChatGPT. Οι απαντήσεις του συστήματος έμοιαζαν εντυπωσιακά με εκείνες των φοιτητών. Για την τελική εξέταση αποφάσισε λοιπόν να επιστρέψει στην παραδοσιακή, δια ζώσης διαδικασία.
Η αντίδραση ήταν άμεση. 18 φοιτητές εγκατέλειψαν το μάθημα. Άλλοι εννέα παρέμειναν εγγεγραμμένοι αλλά δεν εμφανίστηκαν στην εξέταση. Και όσοι τελικά έγραψαν πέτυχαν μέσο βαθμό: 48,6 στα 100.
Ήταν η χειρότερη επίδοση τελικής εξέτασης στην ιστορία του συγκεκριμένου μαθήματος, σχεδόν 20 μονάδες κάτω από το προηγούμενο αρνητικό ρεκόρ.
Η διαφορά μεταξύ 96 και 48,6 δύσκολα μπορεί να περάσει απαρατήρητη.
Το Princeton εγκαταλείπει μια παράδοση 133 ετών
Ίσως όμως το πιο συμβολικό θύμα της εποχής του AI βρίσκεται στο Princeton. Το περίφημο Honor Code του πανεπιστημίου καθιερώθηκε το 1893. Η φιλοσοφία του ήταν εντυπωσιακά απλή: οι φοιτητές θεωρούνταν έντιμοι μέχρι αποδείξεως του εναντίου.
Στις εξετάσεις δεν υπήρχαν επιτηρητές. Οι ίδιοι οι φοιτητές δεσμεύονταν ότι δεν θα αντιγράψουν και ότι θα αναφέρουν παραβιάσεις του κώδικα. Το σύστημα άντεξε δύο Παγκόσμιους Πολέμους.
- Τη δεκαετία του 1960.
- Το Watergate.
Το internet.
Τις μηχανές αναζήτησης.
Δεν άντεξε όμως το generative AI.
Το 2026, το διδακτικό προσωπικό του Princeton αποφάσισε ότι οι εξετάσεις θα πρέπει πλέον να πραγματοποιούνται με επιτήρηση. Τυπικά, ο Κώδικας Τιμής εξακολουθεί να υπάρχει. Οι φοιτητές θα συνεχίσουν να δηλώνουν ότι δεν αντέγραψαν. Μόνο που πλέον κάποιος θα βρίσκεται εκεί για να ελέγχει ότι λένε την αλήθεια.
Όταν χάνεται η εμπιστοσύνη, έρχεται η επιτήρηση
Αυτό ίσως είναι το σημαντικότερο μάθημα. Οι κοινωνίες που βασίζονται στην εμπιστοσύνη χρειάζονται λιγότερους ελέγχους. Όταν όμως η εμπιστοσύνη εξαφανίζεται, το κενό καλύπτουν οι κανόνες.
- Περισσότερη επιτήρηση.
- Περισσότεροι έλεγχοι.
Αυστηρότερες ποινές.
Περισσότερη γραφειοκρατία.
Οι καθηγητές που θα μπορούσαν να χρησιμοποιούν τον χρόνο τους για έρευνα και διδασκαλία αναγκάζονται να λειτουργούν όλο και περισσότερο ως αστυνομικοί της ακαδημαϊκής διαδικασίας. Και αυτό είναι ένα τεράστιο θεσμικό κόστος που δεν εμφανίζεται σε κανέναν βαθμολογικό πίνακα.
Το πραγματικό πρόβλημα δεν είναι το ChatGPT
Είναι εύκολο να κατηγορήσουμε την τεχνολογία. Αλλά το βαθύτερο επιχείρημα του Rollert είναι διαφορετικό. Το AI δεν δημιουργεί από μόνο του την επιθυμία για εξαπάτηση. Μειώνει δραματικά το κόστος της.
Κάποτε, για να αντιγράψει κάποιος μια εργασία, έπρεπε να βρει μια παλιά εργασία, να πληρώσει κάποιον να τη γράψει ή να αντιγράψει από έναν συμφοιτητή. Σήμερα χρειάζονται μερικές προτάσεις σε ένα chatbot.
Όταν το κόστος της απάτης πλησιάζει το μηδέν και η πιθανότητα εντοπισμού παραμένει μικρή, οι κοινωνικοί κανόνες δοκιμάζονται πολύ περισσότερο. Και αυτό δεν αφορά μόνο τα πανεπιστήμια. Τι θα συμβεί όταν αυτοί οι φοιτητές μπουν στην αγορά εργασίας;
Εδώ βρίσκεται το πραγματικά ανησυχητικό ερώτημα. Οι σημερινοί φοιτητές είναι οι αυριανοί:
- γιατροί,
- δικηγόροι,
- μηχανικοί,
- στελέχη επιχειρήσεων,
- δημόσιοι λειτουργοί,
- ερευνητές,
- πολιτικοί.
Τι συμβαίνει εάν μια ολόκληρη γενιά περάσει τα πιο διαμορφωτικά χρόνια της ενήλικης ζωής της μαθαίνοντας ότι οι κανόνες μπορούν να παραβιάζονται όταν η πιθανότητα τιμωρίας είναι μικρή; Και ότι εκείνος που ακολουθεί τους κανόνες, ενώ οι υπόλοιποι τους παρακάμπτουν, είναι απλώς ο χαμένος του παιχνιδιού;
Η μεγαλύτερη απειλή της τεχνητής νοημοσύνης στην εκπαίδευση μπορεί επομένως να μην είναι ότι οι νέοι θα ξέρουν λιγότερα. Μπορεί να είναι ότι θα έχουν μάθει κάτι πολύ χειρότερο: πως η επιτυχία έχει μεγαλύτερη σημασία από τον τρόπο με τον οποίο την απέκτησαν.
Από το πανεπιστήμιο σε μια «κοινωνία της απάτης»
Κανένα πανεπιστήμιο δεν μπορεί να επιβιώσει μακροπρόθεσμα εάν όλοι γνωρίζουν ότι μεγάλο μέρος της διαδικασίας είναι προσχηματικό. Οι φοιτητές που πραγματικά προσπαθούν αισθάνονται κορόιδα. Οι καθηγητές διορθώνουν εργασίες που πιθανότατα δεν έγραψαν οι φοιτητές. Οι βοηθοί διδασκαλίας αφιερώνουν ώρες αξιολογώντας κείμενα που δημιούργησαν αλγόριθμοι.
Και στο τέλος απονέμονται βαθμοί και πτυχία των οποίων η πραγματική αξία γίνεται ολοένα δυσκολότερο να εξακριβωθεί. Το πρόβλημα επομένως ξεπερνά κατά πολύ το εάν πρέπει να επιτρέπεται ή να απαγορεύεται το ChatGPT στις εργασίες.
Είναι ένα πρόβλημα εμπιστοσύνης, κινήτρων και θεσμών. Η τεχνητή νοημοσύνη μάς έδωσε ένα εξαιρετικά ισχυρό εργαλείο. Αλλά ταυτόχρονα έκανε κάτι που οι κοινωνίες πάντοτε δυσκολεύονταν να αντιμετωπίσουν: έκανε την εξαπάτηση φθηνή, εύκολη και δύσκολο να εντοπιστεί.
Και εάν το πανεπιστήμιο είναι ο χώρος όπου μια κοινωνία εκπαιδεύει όχι μόνο τους επιστήμονες αλλά και τις μελλοντικές ελίτ της, τότε το ερώτημα δεν αφορά πλέον μόνο την εκπαίδευση.
Αφορά την κοινωνία που θα έχουμε όταν αυτοί οι φοιτητές αποφοιτήσουν. Γιατί το πραγματικό δίλημμα της εποχής του AI δεν είναι μόνο αν μπορούμε πλέον να εμπιστευτούμε μια φοιτητική εργασία.
Είναι αν, εκπαιδεύοντας μια γενιά να πιστεύει ότι η εξαπάτηση είναι απλώς ακόμη ένα εργαλείο αποτελεσματικότητας, θα μπορούμε αύριο να εμπιστευτούμε ο ένας τον άλλον.
Add comment
Comments