عملکرد بهتر هوش مصنوعی نسبت به دانشجویان در “تست تورینگ”!

تحقیقات دانشگاه ردینگ نشان می‌دهد که پاسخ‌های تولیدشده توسط هوش مصنوعی اغلب در ارزیابی‌های آکادمیک قابل تشخیص نیستند و حتی می‌توانند نسبت به پاسخ‌های دانشجویان واقعی بهتر باشند. این یافته‌ها نیاز به به‌روزرسانی جهانی در سیاست‌ها و روش‌های آموزشی مرتبط با هوش مصنوعی را نشان می‌دهند.

پژوهشگران دریافته‌اند که حتی تصحیح‌کنندگان با تجربه نیز ممکن است در شناسایی پاسخ‌های تولیدشده توسط هوش مصنوعی دچار مشکل شوند. این مطالعه که در دانشگاه ردینگ انگلستان انجام شده نتیجه‌ی ابتکار مدیران دانشگاه برای ارزیابی ریسک‌ها و مزایای هوش مصنوعی در پژوهش، آموزش، یادگیری و ارزیابی است. پس از آن بر اساس این یافته‌ها، دستورالعمل‌های به‌روزرسانی‌شده به اعضای هیئت علمی و دانشجویان توزیع شده است.

پژوهشگران خواستار آن هستند که بخش‌های آموزشی در سراسر جهان مانند دانشگاه ردینگ و دیگرانی که سیاست‌ها و راهنمایی‌های جدیدی را تدوین کرده‌اند، پیروی کرده و بیشتر به این مسئله نوظهور بپردازند.

در یک آزمایش دقیق از سیستم امتحانات واقعی دانشگاه که اخیراً در PLOS ONE منتشر شده است، پاسخ‌های امتحانی تولیدشده توسط ChatGPT که برای چندین ماژول روانشناسی دوره کارشناسی ارسال شده بودند، در ۹۴٪ موارد قابل تشخیص نبودند و به‌طور متوسط، نمرات بالاتری نسبت به پاسخ‌های واقعی دانشجویان کسب کردند!

این بزرگ‌ترین و قوی‌ترین مطالعه پنهان (در این مطالعه آزمایش‌شوندگان از موضوعی که در حال بررسی است اطلاع ندارند) از نوع خود تا به امروز بود که چالش تشخیص محتوای تولیدشده توسط هوش مصنوعی را برای مربیان انسانی مطرح کرد.

ملاحظات اخلاقی و استفاده از هوش مصنوعی

پروفسور پیتر اسکارف و پروفسور اتین روش که این مطالعه را در مدرسه روانشناسی و علوم زبان بالینی ردینگ هدایت کردند، گفتند که یافته‌های آن‌ها باید یک “هشدار بیدارکننده” برای مربیان در سراسر جهان باشد. یک نظرسنجی اخیر یونسکو از ۴۵۰ مدرسه و دانشگاه نیز نشان داد که کمتر از ۱۰٪ از این موسسات سیاست‌ها یا راهنمایی‌هایی در مورد استفاده از هوش مصنوعی دارند.

دکتر اسکارف گفت:

بسیاری از مؤسسات از امتحانات سنتی دور شده‌اند تا ارزیابی‌ها را فراگیرتر کنند. تحقیقات ما نشان می‌دهد که در سطح بین‌المللی مهم است که درک کنیم هوش مصنوعی چگونه بر درستی ارزیابی‌های آموزشی تأثیر خواهد گذاشت.

وی افزود:

ما لزوماً به‌طور کامل به امتحانات دست‌نویس بازنخواهیم گشت، اما بخش آموزشی جهانی باید در مقابل هوش مصنوعی تکامل یابد.

پروفسور روش گفت:

به عنوان یک بخش، ما باید توافق کنیم که انتظار داریم دانشجویان چگونه از هوش مصنوعی استفاده کرده و نقش آن را در کارهایشان اذعان کنند. همین امر در مورد استفاده گسترده‌تر از هوش مصنوعی در دیگر حوزه‌های زندگی نیز صدق می‌کند تا از بحران اعتماد در جامعه جلوگیری کنیم.

پروفسور الیزابت مک‌کرام، معاون آموزش و تجربه دانشجویی در دانشگاه ردینگ، گفت:

واضح است که هوش مصنوعی تأثیر تحول‌آفرینی در بسیاری از جنبه‌های زندگی ما خواهد داشت، از جمله نحوه آموزش به دانشجویان و ارزیابی یادگیری آن‌ها.

وی افزود:

در ردینگ، ما یک برنامه بزرگ را برای بررسی همه جنبه‌های آموزش خود، از جمله استفاده بیشتر از فناوری برای بهبود تجربه دانشجویان و افزایش مهارت‌های شغلی فارغ‌التحصیلان، آغاز کرده‌ایم.

راه‌حل‌ این معضل دور شدن از ایده‌های منسوخ ارزیابی و حرکت به سوی آن‌هایی است که با مهارت‌هایی که دانشجویان در محیط کار نیاز دارند هماهنگ‌تر هستند، از جمله استفاده از هوش مصنوعی. رسیدن به رویکردهای جایگزین در رشته‌های مختلف که به دانشجویان اجازه دهد دانش و مهارت‌های خود را نشان دهند،  بسیار مهم است.

“من از طریق بررسی دقیق مروری از همه دروس ارائه شده در گذشته‌مان اطمینان دارم که ما در موقعیتی قوی هستیم تا به دانشجویان فعلی و آینده خود کمک کنیم تا درباره هوش مصنوعی بیاموزند و از توسعه سریع آن بهره‌مند شوند.”

منبع: Scitechdaily