人工智能沒有顯著提高作弊行為

去年春天，Turnitin（一家提供反作弊工具，檢測學(xué)生論文中人工智能使用情況的公司），發(fā)布了基于其軟件審查的兩億多個樣本研究結(jié)果。其中，百分之三的論文幾乎完全由人工智能撰寫，大約百分之十的論文，呈現(xiàn)出使用人工智能的一些痕跡。這些數(shù)字表明作弊現(xiàn)象并不顯著。其他研究表明，自從 ChatGPT 等大型語言模型的出和大規(guī)模普及以來，學(xué)生抄襲現(xiàn)象并沒有明顯增加。

然而越來越多的老師和成年人似乎相信孩子都會作弊。美國民主與技術(shù)中心的一項研究發(fā)現(xiàn)，“大多數(shù)教師仍然表示，生成式人工智能讓他們更加懷疑學(xué)生的作業(yè)，是否真的是他們自己完成的。” 當前，許多學(xué)區(qū)未能實施明確而全面的人工智能政策，教育工作者之間就如何處理涉嫌作弊的情況，展開了另一層辯論。堪薩斯大學(xué)卓越教學(xué)中心最近發(fā)布了一套 Turnitin 使用指南，警告教師不要根據(jù)該公司的軟件做出“快速判斷”，并建議教育工作者“多采取一些步驟”收集信息”，包括比較學(xué)生以前的作業(yè)示例、提供第二次機會以及與學(xué)生交談。

我認為在使用 ChatGPT 的學(xué)校中，正在發(fā)生這樣的事情：老師可能對學(xué)生有點過度懷疑，部分原因是他們被給予了檢測作弊者的工具。這些能夠檢測作弊的工具，可能直接嚇壞了一些學(xué)生，但作弊者還是會作弊。

當我在美國上高中時，圖形計算器被指責(zé)為學(xué)生作弊的罪魁禍首。十年后，手機在教室中的普及，激起了孩子們在老師一轉(zhuǎn)身時就互相發(fā)短信發(fā)送考試答案的景象。維基百科也曾一度成為學(xué)校研究和知識的破壞者。如今，維基百科顯然已經(jīng)成為社會的利好工具，它可能比其所取代的大英百科全書更準確、更少偏見。

這種情況讓我想起了體育博彩應(yīng)用程序的問題。賭博和剽竊一樣，并不是什么新鮮事。如果你把一百個一生中從未下過賭注的人關(guān)在賭場里，他們中的一小部分人會在第二天、第三天、第三天回來。其余的人要么不再下注，要么只是偶爾以負責(zé)任的方式賭博。

在我看來，學(xué)校作弊是一種類似的現(xiàn)象——也許大多數(shù)孩子確實會做一些不守規(guī)則的功課，但有些孩子永遠不會，而且更多的孩子可能只會在最瑣碎（或最困難的）情況下才會這樣做。

技術(shù)改變了作弊邊界

技術(shù)確實改變了體驗；它可以鼓勵極端情況下，人們開始在擲骰子桌上擲骰子或要求 ChatGPT 寫一篇論文。但是，在大多數(shù)情況下，這并不是成年人在體育運動中賭博或孩子在學(xué)校作弊的原因。正如維基百科沒有破壞書面文字一樣，并且可能通過簡化了解某個主題的介紹性任務(wù)，來加深許多學(xué)生論文的研究——核心文章將在大型語言模型中幸存下來。

急于解決人工智能作弊問題，以及開發(fā)并銷售給全國各地學(xué)校的無數(shù)教育工具，引發(fā)了一個比書面文字能否生存更有趣的第三個問題。當我們思考學(xué)生的作業(yè)時，我們?nèi)绾卧谒麄儼l(fā)展中的思維中產(chǎn)生的東西和沒有產(chǎn)生的東西之間劃清界限？

在STEM科目中，界限更加清晰一些。如果一個學(xué)生只是偷偷地看著同桌并寫下相同的答案，大多數(shù)人都會認為這是作弊。但是，如果一個學(xué)生試圖證明他理解如何解決涉及乘法的復(fù)雜數(shù)學(xué)問題，那么使用計算器是否意味著該學(xué)生在作弊？他并不是在測試是否知道如何乘法，那么為什么要浪費時間并可能引入粗心的錯誤呢？

我不認為用 ChatGPT 寫論文與使用計算器在更大的數(shù)學(xué)問題中完成更瑣碎和基本的任務(wù)是一回事，但值得一問的是，為什么我們對研究的自動化和書面文字有不同的感覺。即使在美術(shù)領(lǐng)域，贊助人和鑒賞者也早已接受這樣的觀點：藝術(shù)家不需要實際表演每一筆，建造每一個雕塑，或者建造大型裝置的每一個部分。一小群未署名的助手涉足了安迪·沃霍爾、達米恩·赫斯特和杰夫·昆斯的作品，這不時引發(fā)爭議，但還不足以結(jié)束這種做法。如果一臺機器完成了助手的所有工作，我們會不會對這些藝術(shù)家產(chǎn)生輕視？

這些問題是抽象和荒謬的，但它們也反映了我們思考什么構(gòu)成作弊、什么不構(gòu)成作弊的任意方式。除了公然抄襲行為之外，人文學(xué)科中作弊與不作弊之間的界限似乎取決于完成任務(wù)所需的時間。例如，如果一名學(xué)生訪問圖書館檔案館以研究諾曼底登陸后一周發(fā)生的事情，將一些縮微膠片卷入一臺古老的機器中，并盡職盡責(zé)地記下筆記，我們可能給學(xué)生谷歌搜索中的同一篇文章——當他轉(zhuǎn)述某些維基百科編輯對該文章的閱讀更是如此。

應(yīng)該學(xué)習(xí)什么

根據(jù)這種邏輯，作業(yè)的目的不是創(chuàng)造新的學(xué)識或正確回答問題，而是習(xí)得正確的學(xué)習(xí)習(xí)慣。花時間去圖書館的年輕人更有可能養(yǎng)成某種工作習(xí)慣，使他能夠找到可能對創(chuàng)作小說、算法或令人信服的論點有用的附帶信息。撇開明顯的不誠實行為不談，作弊的問題并不在于學(xué)生跳過了解釋所學(xué)內(nèi)容的過程，而在于他們剝奪了自己實際閱讀書本的耗時勞動。

互聯(lián)網(wǎng)給課堂帶來的根本危機之一是：由于事實和歷史的參考不再需要存儲在你的大腦中，所以實際上你不再需要學(xué)習(xí)任何東西。搜索引擎、維基百科和 ChatGPT 都有相同的解釋：如果我們有這些工具，那么這些課程的意義何在？即使教育趨勢來來去去，學(xué)校往往變化緩慢。但是，近年來，我注意到人們對于孩子應(yīng)該在人文學(xué)科中學(xué)習(xí)什么的看法，發(fā)生了微妙的轉(zhuǎn)變。只注重記憶的做法，在很大程度上已經(jīng)消失了。孩子們不再被迫說出布拉格第一次破窗事件（1419）的日期或記住相同的詞匯表。

然而任何共識的實際實施，可能需要數(shù)十年才能完成。這種低效率可能是有害的——例如，美國學(xué)校取消手機的時間太長了——但它也導(dǎo)致了一些小恐慌，比如當前圍繞大語言模型作弊的恐慌。我不認為人工智能會以某種革命性的方式鼓勵作弊，而且我認為抄襲行為的增加，可能更多地與大學(xué)招生壓力、高中競爭氛圍有關(guān)。在這種情況發(fā)生改變之前，一些孩子會將任何新應(yīng)用程序轉(zhuǎn)變?yōu)樽鞅坠ぞ摺c此同時，教育技術(shù)公司將出售攔截作弊工具，這樣的循環(huán)就會重演。

其他閱讀