Prieš porą metų, kai ChatGPT tik pasirodė viešumoje, dėstytojai juokavo, kad tai bus trumpalaikė mada, kurią studentai greitai pamirš. Praėjo laiko nemažai, o dabar situacija visai kitokia – kone kiekvienas universiteto dėstytojas bent kartą yra susidūręs su tekstu, kuris „kvepia” dirbtiniu intelektu. Klausimas, ar tikrai galima tai pastebėti, tapo vienu karščiausių švietimo IT temų šiais metais.
Kodėl šis klausimas iš viso kilo
Universitetai visada turėjo problemų su plagijavimu – tai nėra naujiena. Anksčiau viskas buvo gana paprasta: yra teksto duomenų bazės, yra Turnitin ar panašūs įrankiai, kurie palygina studento darbą su milijonais jau egzistuojančių tekstų. Jei sutampa daugiau nei tam tikras procentas, signalas užsidega raudonai.
Su AI generuojamu tekstu problema kitokia. Tekstas nėra nukopijuotas iš niekur – jis sukurtas „nuo nulio”, todėl klasikiniai plagiato detektoriai jo tiesiog nemato. Tai reiškia, kad universitetams teko ieškoti visai naujų metodų, kaip atskirti žmogaus parašytą tekstą nuo mašinos sugeneruoto.
Ir čia prasideda tikrai įdomi dalis, nes kalbame ne apie paprastą techninę problemą, o apie kažką, kas kelia filosofinių klausimų: ką iš viso reiškia „originalus darbas” pasaulyje, kur AI įrankiai tampa tokie pat įprasti kaip skaičiuotuvas matematikos pamokoje.
Kaip veikia AI detekcijos įrankiai (ir kodėl jie ne visada patikimi)
Rinkoje jau yra keliolika įrankių, žadančių atpažinti AI parašytą tekstą – GPTZero, Turnitin AI detection, Copyleaks, Originality.ai ir panašūs. Jų veikimo principas paremtas dviem pagrindiniais rodikliais: perplexity (kaip „netikėtas” yra kiekvienas sekantis žodis tekste) ir burstiness (kaip skiriasi sakinių ilgis ir struktūra tekste).
Žmonės rašo netolygiai – kartais ilgi, sudėtingi sakiniai, kartais trumpi ir staigūs. AI modeliai linkę generuoti tekstą, kuris statistiškai yra „lygesnis”, nuspėjamesnis. Būtent tai detektoriai bando pagauti.
Bet čia ir prasideda bėdos. Šie įrankiai turi nemažą klaidų procentą – tiek klaidingai teigiamų (žmogaus tekstas pažymimas kaip AI), tiek klaidingai neigiamų (AI tekstas praslysta kaip žmogaus rašytas) atvejų. Stanfordo universiteto atlikto tyrimo duomenimis, tokie įrankiai ypač dažnai klaidingai kaltina ne gimtakalbius anglų kalba studentus, nes jų rašymo stilius natūraliai yra paprastesnis ir nuspėjamesnis – tiksliai tokie požymiai, kokių ieško detektoriai.
Tai reiškia, kad studentas, kuriam anglų kalba nėra gimtoji, gali būti neteisingai apkaltintas sukčiavimu vien todėl, kad rašo mažiau „kūrybiškai” statistine prasme. Tai jau nebe techninė, o etinė problema, ir daugelis universitetų dabar atsargiau žiūri į vien tik automatinio detektoriaus rezultatą.
Kodėl vien technologija problemos neišspręs
Verta suprasti vieną svarbų dalyką – ši „arklių lenktynė” tarp AI generatorių ir AI detektorių yra iš esmės nelaimima. Kai tik atsiranda naujas detekcijos metodas, greitai atsiranda ir būdas jį apeiti. Studentai naudoja „humanizavimo” įrankius, kurie perrašo AI tekstą taip, kad jis atrodytų natūralesnis – pridedama netolygumų, keičiama sakinių struktūra, įterpiami netikslumai.
Yra net atskirų paslaugų, kurios specializuojasi būtent tame – paimti ChatGPT sugeneruotą tekstą ir „perleisti” per kitą AI modelį taip, kad Turnitin ar GPTZero jo neatpažintų. Tai jau tapo savotiška smulkia pramone.
Dėl to daugelis švietimo technologijų ekspertų sako tą patį: pasikliauti vien tik programine detekcija yra pasmerktas kelias. Reikia keisti pačią vertinimo sistemą, o ne bandyti gaudyti kiekvieną nusižengimą techniniais įrankiais.
Vienas Vilniaus universiteto dėstytojas neseniai pastebėjo, kad efektyviausias būdas patikrinti, ar darbas parašytas paties studento, yra ne programa, o paprasčiausias pokalbis su studentu apie jo paties darbą. Jei žmogus negali paaiškinti, ką parašė ir kodėl pasirinko būtent tokius argumentus, tai jau savaime yra signalas.
Kaip dėstytojai iš tikrųjų pastebi AI naudojimą
Nepaisant visos technologijos, dauguma patyrusių dėstytojų sako, kad jie AI tekstą atpažįsta ir be jokių įrankių, tiesiog perskaitę darbą. Yra keletas gana tipinių požymių, kurie kartojasi:
- Per daug „švarus” stilius. Trūksta asmeninio balso, nuomonės, netikslumų, kurie būdingi realiam studento rašymui.
- Perdėtas balansuotumas. AI tekstai linkę pateikti „iš vienos pusės… iš kitos pusės” struktūrą net ten, kur tema reikalauja aiškios pozicijos.
- Generinės frazės. Frazės tipo „svarbu pažymėti”, „apibendrinant galima teigti”, pasikartojančios per visą darbą be jokio konteksto.
- Trūksta kurso konteksto. Darbas neužsimena apie konkrečias paskaitose aptartas temas, autorius, diskusijas, kurios buvo tos konkrečios grupės dalis.
- Šaltinių problema. AI modeliai kartais „sugalvoja” šaltinius, kurie skamba įtikinamai, bet realybėje neegzistuoja – tai vadinamos haliucinacijos, ir jas patikrinti gana lengva.
Būtent paskutinis punktas dažniausiai ir „pagauna” studentus – kai bibliografijoje nurodyta knyga ar straipsnis, kurio niekur negalima rasti, tai jau sunku paaiškinti kaip atsitiktinumą.
Kaip keičiasi patys užduočių formatai
Įdomiausia dalis šioje istorijoje – kaip universitetai adaptuojasi ne bandydami „sugauti” studentus, o keisdami pačią užduočių logiką. Vis daugiau dėstytojų grįžta prie senų, bet efektyvių metodų:
- Rašto darbai auditorijoje, be interneto prieigos ir be galimybės naudotis įrenginiais.
- Žodiniai gynimai, kur studentas turi paaiškinti savo darbo argumentus gyvai.
- Užduotys, susietos su konkrečiais kurso šaltiniais ar paskaitų medžiaga, kurios AI tiesiog neturi prieigos.
- Procesu grįstas vertinimas – vertinamas ne tik galutinis rezultatas, bet ir juodraščiai, versijų istorija dokumente, pastabos paraštėse.
- Reflektyvūs uždaviniai, kuriuose reikia analizuoti savo paties mokymosi procesą – tokį turinį AI sunkiau imituoti įtikinamai.
Kai kurie universitetai eina dar toliau ir oficialiai leidžia naudoti AI kaip įrankį, bet reikalauja skaidrumo – studentas turi nurodyti, kokiu būdu ir kokiai daliai darbo naudojo dirbtinį intelektą, panašiai kaip cituojami kiti šaltiniai. Tai visai kitoks požiūris nei „gaudyti ir bausti” – čia AI traktuojamas kaip įrankis, kurį reikia mokėti tinkamai naudoti, o ne uždrausti apsimetant, kad jo nėra.
Ką tai reiškia patiems studentams
Jei esi studentas ir svarstai, ar verta rizikuoti naudojant AI namų darbams be atsakingumo, verta pagalvoti apie kelis dalykus praktiškai:
- Detekcijos rizika egzistuoja, bet nėra 100% tiksli – tai reiškia, kad gali būti „pagautas” netgi nenaudojęs AI, arba priešingai, gali „praslysti” naudojęs. Abi situacijos yra nemalonios.
- Universitetų politika griežtėja. Daugelis institucijų dabar aiškiai įtvirtina taisykles savo akademinio sąžiningumo dokumentuose, kur apibrėžiama, kas laikoma leidžiamu, o kas – ne AI naudojimu.
- Ilgalaikė kaina didesnė nei trumpalaikis patogumas. Jei darbas parašytas AI, o gebėjimų tikrai nėra, tai išaiškės egzamino ar praktikos metu, kai reikės tuos gebėjimus pademonstruoti realiai.
- AI kaip pagalbininkas, ne autorius. Naudoti AI idėjoms generuoti, struktūrai apgalvoti ar kalbos tikslumui pagerinti – visai kas kita nei prašyti parašyti visą darbą už save.
Vietoj išvadų: kur eina šis lenktynių maratonas
Tiesa yra tokia, kad technologinis „ginklavimosi žaidimas” tarp AI generatorių ir AI detektorių niekada nesibaigs kažkieno aiškia pergale. Kiekvienas naujas GPT ar Claude modelis rašo natūraliau nei ankstesnis, o kiekvienas naujas detektorius vėl atsilieka per pusmetį ar metus. Tai lenktynės, kuriose bėgikai keičiasi vietomis be perstojo.
Realistiškiausias kelias, kurį jau renkasi pažangiausi universitetai, yra ne bandymas „laimėti” prieš AI technologiškai, o švietimo sistemos pertvarka taip, kad AI naudojimas taptų mažiau prasmingas kaip sukčiavimo forma. Kai vertinimas remiasi žodiniu gynimu, procesu, konkrečiu kurso kontekstu ar kritinio mąstymo demonstravimu gyvai, tuomet paprasčiausias „įklijuok į ChatGPT ir gauk atsakymą” metodas praranda savo galią.
Studentams verta žiūrėti į tai pragmatiškai – AI detektoriai gali klysti į abi puses, todėl saugiausia strategija yra ne bandyti „apgauti sistemą”, o realiai išmokti naudoti AI kaip įrankį atsakingai, suprantant, kad galiausiai vertinamas ne tik popierinis darbas, bet ir gebėjimas tą turinį paaiškinti, apginti ir pritaikyti realiame gyvenime. O tai jau yra dalykas, kurio joks generatorius už tave nepadarys – bent jau kol kas.
