جنگ دانشجویان متقلب با ابزارهای تشخیص هوش مصنوعی

دانشجویانی که برای تقلب از هوش مصنوعی استفاده می‌کنند، برای فرار از لو رفتن دست به کارهای عجیب شده و ابزارهای تشخیص تقلب را دور می‌زنند.

به گزارش سیناپرس، شاید اگر دانشجویانی را که برای تقلب از هوش مصنوعی استفاده می‌کنند، تنبل خطاب کنید، چندان بیراه نرفته باشید، با این حال، برخی از دانشجویان زیرک‌تر، زحمت زیادی می‌کشند تا مطمئن شوند پاسخ‌هایی که مدل‌های زبانی بزرگ (LLM) برایشان تولید کرده‌اند، شناسایی نمی‌شوند.

مجله نیویورک مگزین (New York Magazine) در گزارشی با برخی از این دانشجویان متقلب مصاحبه کرده است. آنها به ‌خوبی می‌دانند که بسیاری از استادان دانشگاه حالا با ترفندهای دانشجویان برای استفاده مخفیانه از هوش مصنوعی آشنا شده‌اند و در واکنش، هم در حال تغییر نوع تکالیفی هستند که به دانشجویان می‌دهند و هم از فناوری‌های پیشرفته‌تری برای شناسایی استفاده غیرمجاز از هوش مصنوعی بهره می‌گیرند.

یکی از این دانشجویان، جرد، دانشجوی دانشگاه نیویورک، استفاده از سامانه WebAssign در درس مقدماتی حسابان را که با هدف دشوارتر کردن تقلب طراحی شده است، به چشم یک چالش دیده است.

او و یکی از دوستانش با استفاده از یک ابزار کدنویسی هوش مصنوعی، رباتی ساختند که تمام تکالیف آنها را انجام می‌داد؛ اما با سرعتی بسیار پایین، درست مانند دانشجویی که در انجام تکالیف مشکل دارد.

بر اساس این گزارش، ربات به ‌آرامی حرکت می‌کند و در نتیجه، استادی که زمان ثبت فعالیت‌ها را بررسی می‌کند، متوجه چیزی غیرعادی نمی‌شود.

جرد این ابزار را در اختیار دوستانش هم قرار داد و حالا حتی خودش هم نمی‌داند چند نفر از همکلاسی‌هایش به این فناوری تقلب خودکار دسترسی دارند.

این ماجرا نمونه‌ای از قدرت عامل‌های هوش مصنوعی (AI agents) است؛ مدل‌های هوش مصنوعی‌ که می‌توانند بدون دخالت مداوم انسان، وظایف پیچیده را از طرف او انجام دهند؛ از نوشتن یک نرم‌افزار کامل گرفته تا انجام تحقیقات.

البته شاید بتوان این روند را واکنشی به رویکرد تنبیهی و مبتنی بر شناسایی تقلب نیز دانست؛ رویکردی که بسیاری از استادان تحت فشار حجم گسترده تقلب با هوش مصنوعی در پیش گرفته‌اند.

این موضوع ظاهرا همان استدلالی است که ویل، فارغ‌التحصیل کالج کارلتون، مطرح کرده است. او معتقد بود تاکید بیش از حد استادان بر نشانه‌های واضح استفاده از هوش مصنوعی، مانند استفاده از خط تیره بلند در واقع دقیقا به دانشجویان متقلب نشان می‌دهد که چه چیزهایی را باید پنهان کنند.

ویل به نیویورک مگزین گفت: آدم‌ها راهی پیدا می‌کنند تا این ویژگی‌های کوچک سبکی را بپوشانند. اگر تنها راهی که برای جلوگیری از تقلب امتحان می‌کنید این باشد که بگویید من یک ابزار تشخیص دارم، موفق نخواهید شد.

در مورد ویل، استادانش استفاده از نوشته‌های تولید شده توسط هوش مصنوعی را ممنوع کرده بودند و یکی از آنها حتی گفته بود مجموعه‌ای از ابزارها برای اجرای این ممنوعیت در اختیار دارد.

اما ویل که مصمم بود همچنان از هوش مصنوعی برای انجام کارهایش استفاده کند، از کلود برای تحلیل و نوشتن بخش‌های مفصل یک مقاله استفاده کرد و سپس خودش به ‌صورت دستی پاراگراف‌های تولید شده توسط هوش مصنوعی را بازنویسی کرد.

به نظر می‌رسد در برخی از پیچیده‌ترین نمونه‌های تقلب با هوش مصنوعی، دخالت انسان همچنان ضروری است.

تئو، دانشجوی سال دوم دانشگاه ماساچوست آمهرست (UMass Amherst) که خود را فردی خودآموخته معرفی می‌کند و علاقه چندانی به دروس عمومی دانشگاهش ندارد، به نیویورک مگزین گفت که برای تهیه یک ارائه نجوم از عامل کدنویسی هوش مصنوعی کدس شرکت اوپن ای‌آی استفاده کرده و آن را با یک افزونه ترکیب کرده است که قابلیت جست‌وجوی وب آن را بهبود می‌داد.

اما ارائه‌ای که این سیستم تولید کرده بود، بیش از حد حرفه‌ای به نظر می‌رسید. بنابراین تئو طبق گزارش نیویورک مگزین، چهار ساعت وقت گذاشت تا اسلایدها را عمدا خراب‌تر و ساده‌تر کند و آنها را شبیه کاری جلوه دهد که یک دانشجوی معمولی و نه ‌چندان قوی انجام داده است. او به این مجله گفت: خیلی کار برد.

به نقل از ایسنا، دنیل کار، مورخ و انسان‌شناس در دانشگاه کالیفرنیا، لس‌آنجلس (UCLA)، معتقد است اتکای استادان به روش‌های نظارتی و ابزارهای تشخیص برای مقابله با تقلب، آنها را در یک بازی بی‌پایان موش و گربه گرفتار خواهد کرد.

او به این مجله گفت که تقلب با هوش مصنوعی یک مشکل فنی نیست که بتوان برایش یک راه‌حل فنی پیدا کرد.