Εξαγριωμένες ανησυχίες ότι το Generative AI ChatGPT παρακινεί τους μαθητές να εξαπατήσουν κατά πολύ όταν γράφουν δοκίμια, προκαλεί μαγεία για την ηθική της τεχνητής νοημοσύνης και τη νομοθεσία της AI

Είναι το γραπτό δοκίμιο των σύγχρονων μαθητών ποτέ;

Η γεμάτη αγωνία μαθητική εργασία βγαίνει πυρετωδώς από το παράθυρο;

Αυτή είναι η μπρουχάχα που έχει ξεσπάσει σε μια ολική αναστάτωση πρόσφατα. Βλέπετε, η εμφάνιση μιας εφαρμογής τεχνητής νοημοσύνης γνωστής ως ChatGPT έχει τραβήξει πολύ την προσοχή και εξίσου έχει συγκεντρώσει μεγάλο θυμό. Για την ολοκληρωμένη κάλυψη του ChatGPT, βλ ο σύνδεσμος εδώ. Για τη συνεχή και εκτενή κάλυψη της Δεοντολογίας της AI και του νόμου της AI, βλ ο σύνδεσμος εδώ και ο σύνδεσμος εδώ, για να αναφέρουμε μόνο μερικά.

Η ουσία της κραυγής είναι ότι αυτό το είδος τεχνητής νοημοσύνης, που συνήθως αναφέρεται ως γενετική AI, θα είναι ο θάνατος για να ζητηθεί από τους μαθητές να κάνουν εργασίες σε στυλ δοκιμίου.

Γιατί έτσι?

Επειδή η τελευταία λέξη της γενετικής τεχνητής νοημοσύνης είναι σε θέση να παράγει φαινομενικά άπταιστα δοκίμια με την απλή εισαγωγή μιας απλής προτροπής. Εάν εισαγάγετε μια γραμμή όπως «Πες μου για τον Αβραάμ Λίνκολν», η τεχνητή νοημοσύνη θα δημιουργήσει ένα δοκίμιο για τη ζωή και την εποχή του Λίνκολν που συχνά είναι αρκετά καλό ώστε να μπερδευτεί ότι γράφτηκε εξ ολοκλήρου και αποκλειστικά από ανθρώπινα χέρια. Επιπλέον, και εδώ είναι το πραγματικό λάκτισμα, το δοκίμιο δεν θα είναι ένα αντίγραφο ή αξιοσημείωτο αντίγραφο κάτι άλλου που έχει ήδη γραφτεί για το ίδιο θέμα. Η παραγωγή του δοκιμίου θα είναι ουσιαστικά ένα «πρωτότυπο» στο βαθμό που θα εξακριβώσει κάθε περιστασιακή επιθεώρηση.

Ένας μαθητής που αντιμετωπίζει μια γραπτή εργασία μπορεί απλώς να επικαλεστεί μία από αυτές τις εφαρμογές τεχνητής νοημοσύνης που δημιουργούνται, να εισαγάγει μια προτροπή και voila, ολόκληρο το δοκίμιό του έχει γραφτεί για αυτόν. Το μόνο που χρειάζεται είναι να αποκόψουν και να επικολλήσουν το κείμενο που δημιουργείται αυτόματα σε ένα κενό έγγραφο, να χτυπήσουν κρυφά το όνομά τους και τις πληροφορίες της τάξης τους και με μια μάλλον γενναιόδωρη αγανάκτηση να προχωρήσουν και να το μετατρέψουν ως δικό τους έργο.

Οι πιθανότητες να μπορέσει ένας δάσκαλος να καταλάβει ότι το δοκίμιο γράφτηκε από AI και όχι από τον μαθητή είναι σχεδόν μηδενικές.

Σκανδαλώδης!

Οι τίτλοι διακηρύττουν βιαστικά ότι έχουμε φτάσει στο πικρό τέλος να βάζουμε τους μαθητές να γράφουν δοκίμια ή να κάνουν ουσιαστικά κάθε είδους γραπτές εργασίες εκτός τάξης. Το μόνο μέσο για να αντιμετωπιστεί η κατάσταση φαίνεται να είναι η χρήση του δοκιμίου στην τάξη. Όταν οι μαθητές βρίσκονται σε ένα ελεγχόμενο περιβάλλον όπως μια τάξη και υποθέτουν ότι δεν έχουν πρόσβαση σε φορητούς υπολογιστές ή smartphone, θα περιοριστούν στο να γράφουν δοκίμια με τον παλιομοδίτικο τρόπο.

Για να διευκρινίσουμε, ο παλιομοδίτικος τρόπος σημαίνει ότι θα πρέπει να γράψουν αποκλειστικά με τη χρήση των δικών τους noggins.

Κάθε είδους δοκίμιο που γίνεται έξω από την τάξη θα είναι άμεσα ύποπτο. Έγραψε ο μαθητής το δοκίμιο ή το έκανε μια εφαρμογή τεχνητής νοημοσύνης; Όπως αναφέρθηκε, το δοκίμιο θα είναι τόσο καλά γραμμένο που δεν μπορείτε εύκολα να εντοπίσετε ότι γράφτηκε από μηχανή. Η ορθογραφία θα είναι άψογη. Η σύνταξη θα είναι τρομερή. Η γραμμή του λόγου και τα πιθανά κατευθυνόμενα επιχειρήματα που θα διατυπωθούν θα είναι επιτακτικά.

Καλά, με έναν τρόπο ομιλίας, θα μπορούσατε να προτείνετε ότι η γενεσιουργός τεχνητή νοημοσύνη θα γείρει το παροιμιώδες χέρι της κάνοντας ένα δοκίμιο που είναι πέρα ​​από τις δυνατότητες του μαθητή που επιλέγει να ακολουθήσει αυτό το άθλιο μονοπάτι. Ένας δάσκαλος μπορεί να γίνει καχύποπτος απλώς και μόνο επειδή το δοκίμιο είναι λίγο πολύ καλό. Ένας έξυπνος δάσκαλος θα έμπαινε στον πειρασμό να μαντέψει ότι ο μαθητής δεν θα μπορούσε να είχε γράψει τόσο κομψή και αεροστεγή πρόζα. Οι εσωτερικοί κώδωνες του συναγερμού αρχίζουν να χτυπούν.

Φυσικά, η πρόκληση ενός μαθητή σχετικά με το δοκίμιό του θα είναι άσχημο και μπορεί να έχει αρνητικές συνέπειες.

Ας υποθέσουμε ότι ο μαθητής έγραψε προσεκτικά το δοκίμιο, μόνος του. Μπορεί να το έκαναν διπλό και τριπλό έλεγχο. Υπάρχει επίσης μια πιθανότητα ότι ίσως είχαν έναν φίλο ή γνωστό να ρίξει μια ματιά για να εντοπίσει οτιδήποτε χρειάζεται επιπλέον γυάλισμα. Συνολικά, εξακολουθεί να είναι το δοκίμιό τους όπως γράφτηκε από αυτούς. Φανταστείτε έναν δάσκαλο να κάνει σε αυτόν τον σοβαρό και φιλομαθή μαθητή αιχμηρές ερωτήσεις σχετικά με το δοκίμιο. Η αμηχανία και η απογοήτευση που κατηγορούνται ουσιαστικά για εξαπάτηση είναι εμφανείς, ακόμα κι αν ο δάσκαλος δεν κάνει φωναχτά έναν τέτοιο ισχυρισμό. Η ίδια η αντιπαράθεση είναι αρκετή για να υπονομεύσει την εκτίμηση του μαθητή και να τον κάνει να αισθάνεται ψευδώς συκοφαντημένος.

Κάποιοι επιμένουν ότι οποιοσδήποτε δάσκαλος έχει υποψίες σχετικά με τη συγγραφή ενός δοκιμίου θα πρέπει να ζητήσει από τον μαθητή να εξηγήσει τι έγραψε. Προφανώς, εάν το δοκίμιο γράφτηκε από τον μαθητή, ο συγκεκριμένος μαθητής μπορεί να το εξηγήσει επαρκώς. Οι δάσκαλοι έκαναν αυτό το είδος έρευνας για αιώνες. Ένας μαθητής μπορεί να είχε στριμώξει έναν άλλο μαθητή για να του γράψει το δοκίμιό του. Ο μαθητής μπορεί να είχε πάρει έναν γονέα να γράψει το δοκίμιό του. Στον σημερινό κόσμο, ο μαθητής μπορεί να πληρώσει κάποιον μέσω του Διαδικτύου για να γράψει κρυφά το δοκίμιό του για λογαριασμό του.

Επομένως, το να ζητάτε από έναν μαθητή να επαληθεύσει την συγγραφή μέσω μιας έρευνας στην τάξη είναι σύνηθες και δεν είναι μεγάλο θέμα.

Χαίρομαι που το ανέφερες.

Το να προσπαθήσεις να ψήσεις έναν μαθητή ήπια ή αποδεδειγμένα δεν είναι τόσο απλή λυδία λίθος όσο νομίζεις. Ο μαθητής θα μπορούσε να είχε μελετήσει προσεκτικά το δοκίμιο που παρήγαγε η τεχνητή νοημοσύνη και να προετοιμαστεί για μια πιθανή ανάκριση.

Σκεφτείτε το με αυτόν τον τρόπο. Ο μαθητής δημιουργεί πρώτα το δοκίμιο απλά με το πάτημα ενός κουμπιού. Στη συνέχεια ο μαθητής ξοδεύει λίγη ώρα που θα είχε αφιερώσει στη συγγραφή του δοκιμίου αντί να εξετάσει και να μελετήσει σχολαστικά το δοκίμιο. Μετά από λίγο, οι λέξεις δεσμεύονται σχεδόν ολοκληρωτικά στη μνήμη. Ο μαθητής σχεδόν παραπλανά τον εαυτό του ότι πιστεύει ότι όντως έγραψε το δοκίμιο. Αυτή η όψη αυτοπεποίθησης και επίγνωσης θα μπορούσε εύκολα να τους περάσει από τον έλεγχο υπό την καθοδήγηση των δασκάλων.

Αχα, κάποιοι λένε με μια μικρή αντίθεση με τους φόβους των γενετικών εφαρμογών τεχνητής νοημοσύνης, σημειώστε ότι ο μαθητής στην πραγματικότητα «έμαθε» κάτι έχοντας δημιουργήσει το δοκίμιο. Σίγουρα, ο μαθητής δεν έκανε το legwork για να ερευνήσει το θέμα, ούτε συνέθεσε το δοκίμιο, αλλά παρόλα αυτά, αν μελέτησε προσεκτικά το δοκίμιο, φαίνεται να δείχνει ότι έχει μάθει για το θέμα που του είχε ανατεθεί. Ο μαθητής που δεσμεύεται να μάθει από έξω το δοκίμιο για τον Λίνκολν έχει πιθανώς μάθει κάτι ουσιαστικό για τον Λίνκολν.

Η μάθηση έχει συμβεί.

Ουάου, η απάντηση πάει, η ανάθεση ήταν πιθανότατα μια διπλή διαδικασία. Η εκμάθηση για τον Λίνκολν μπορεί να ήταν σχετικά δευτερεύουσα. Ο πραγματικός σκοπός ήταν να μάθει ο μαθητής να γράφει. Αυτό το ουσιαστικό μέρος της ανάθεσης έχει υπονομευθεί πλήρως. Οι δάσκαλοι συχνά αναθέτουν θέματα ανοιχτού τύπου και στην πραγματικότητα απλώς στοχεύουν στο να αποκτήσουν ο μαθητής εμπειρία γραφής. Πρέπει να σχεδιάσετε τι θέλετε να γράψετε, πρέπει να καταλάβετε τις λέξεις που θα χρησιμοποιήσετε, πρέπει να βάλετε τις λέξεις σε ένα λογικό σύνολο προτάσεων και παραγράφων, και ούτω καθεξής. Η απλή ανάγνωση ενός δοκιμίου που έχει παραχθεί από την τεχνητή νοημοσύνη δεν συνάδει καθόλου με αυτή τη θεμελιώδη πτυχή μιας εργασίας εκπόνησης.

Το αντίθετο σε αυτό είναι ο ισχυρισμός ότι ο μαθητής μαθαίνει δυνητικά για τη γραφή εξετάζοντας προσεκτικά τη γραφή που παράγεται από το AI. Δεν μελετάμε όλοι τους μεγάλους της συγγραφής για να δούμε πώς γράφουν; Η γραφή μας είναι μια προσπάθεια να προσεγγίσουμε ανθρώπους όπως ο Σαίξπηρ και άλλοι μεγάλοι συγγραφείς. Η μελέτη του γραπτού λόγου είναι ένα έγκυρο μέσο για να συγκεντρώσετε πώς να γράφετε.

Σαν ένας άγριος αγώνας τένις, η μπάλα μετακινείται στην άλλη πλευρά του φιλέ. Αν και η μελέτη της καλής γραφής είναι καλή, πρέπει τελικά να γράψετε αν θέλετε να μπορείτε να γράφετε. Δεν μπορείτε απλώς να διαβάζετε ατελείωτα και μετά να υποθέτετε κενά ότι ο μαθητής ξέρει πλέον πώς να γράφει. Πρέπει να γράφουν, να γράφουν και να συνεχίζουν να γράφουν μέχρι να είναι σε θέση να αναδείξουν και να βελτιώσουν τις ικανότητές τους στη γραφή.

Βλέπετε πώς είναι όλο αυτό ένα αίνιγμα;

Λάβετε υπόψη ότι υπάρχουν περίπου ένα δισεκατομμύριο ή περισσότερες ανατροπές σε όλα αυτά.

Θα καλύψω μερικές από τις πιο έξυπνες και ενδιαφέρουσες ανατροπές.

Συντονισμός του δοκιμίου μέσω προτροπής AI

Έχοντας μόλις αναφέρει τον Σαίξπηρ, εδώ είναι μια πτυχή της γενετικής τεχνητής νοημοσύνης που μπορεί να σας εκπλήξει. Σε πολλές από τις παραγωγικές εφαρμογές τεχνητής νοημοσύνης, μπορείτε να πείτε κάτι σαν αυτό: «Γράψτε ένα δοκίμιο για τον Λίνκολν σαν να έγραψε ο Σαίξπηρ το δοκίμιο». Το AI θα προσπαθήσει να δημιουργήσει ένα δοκίμιο που φαίνεται να είναι γραμμένο στη γλώσσα που συνήθως χρησιμοποιεί ο Σαίξπηρ στα γραπτά του. Είναι ένα πολύ διασκεδαστικό και συναρπαστικό κατόρθωμα να το βλέπεις και πολλοί παίρνουν ένα λάκτισμα από αυτό.

Πώς σχετίζεται αυτό με τον μαθητή που «απατάει» χρησιμοποιώντας γενετική τεχνητή νοημοσύνη για να γράψει τα δοκίμιά του;

Σε πολλές παραγωγικές εφαρμογές τεχνητής νοημοσύνης, μπορείτε να πείτε στην τεχνητή νοημοσύνη να γράφει με λιγότερο αστρικό τρόπο. Η τεχνητή νοημοσύνη θα επιδιώξει να δημιουργήσει ένα δοκίμιο που θα είναι κάπως τραχύ γύρω από τις άκρες. Υπάρχουν προβλήματα σύνταξης εδώ ή εκεί. Η λογική του δοκιμίου μπορεί να είναι αλματώδης ή ελαφρώς ασύνδετη.

Αυτό θα ήταν ένα έξυπνο τέχνασμα. Ο μαθητής παίρνει το δοκίμιο που προκύπτει και το δίνει. Για άλλη μια φορά, η τεχνητή νοημοσύνη έχει κάνει όλα τα legwork για τον μαθητή, συμπεριλαμβανομένου του να κάνει το δοκίμιο κάπως ατελές.

Επιπλέον, οι περισσότερες από τις εφαρμογές τεχνητής νοημοσύνης που δημιουργούνται σάς επιτρέπουν να κάνετε χρήση της εφαρμογής για όσο διάστημα θέλετε να το κάνετε. Να πώς παίζει αυτό. Ένας μαθητής λέει ότι η εφαρμογή AI είναι να κάνει ένα κάπως ατελές δοκίμιο για τον Λίνκολν. Το δοκίμιο παράγεται. Ο μαθητής κοιτάζει το δοκίμιο και συνειδητοποιεί ότι εξακολουθεί να είναι υπερβολικά τέλειο. Ο μαθητής εισάγει μια άλλη προτροπή που δίνει εντολή στο AI να κάνει τις ατέλειες πιο έντονες.

Ξεπλύνετε, ξεπλύνετε, επαναλάβετε.

Ο μαθητής συνεχίζει να εισάγει προτροπές και να επιθεωρεί τα δοκίμια που παράγονται. Ξανά και ξανά αυτό συμβαίνει. Τελικά, ο μαθητής φτάνει το AI στο σωστό επίπεδο ατέλειας στο δοκίμιο. Η έκδοση Goldilocks έχει επιτευχθεί. Είναι απλώς αρκετά τέλειο για να πάρει υψηλό βαθμό και απλά αρκετά ατελές για να μην προκαλεί υποψίες.

Είμαι βέβαιος ότι ορισμένοι από εσάς λέτε με ειλικρίνεια ότι αν ο μαθητής είχε επιλέξει να γράψει το καταραμένο δοκίμιο εξαρχής, ίσως θα είχε αφιερώσει λιγότερο χρόνο ή τουλάχιστον τον ίδιο χρόνο για να γράψει το ίδιο το δοκίμιο. Όλη αυτή η εξοικονόμηση ενέργειας της εφαρμογής AI θα μπορούσε να έχει ως στόχο απλώς να προχωρήσει στη συγγραφή του δοκιμίου.

Λοιπόν, θυμηθείτε, ο μαθητής δεν το έχει αυτό στο μυαλό του. Η ευκολία εισαγωγής προτροπών και επαναληπτικής επανεξέτασης και επιλογής του επιθυμητού δοκιμίου είναι βέβαιο ότι θα είναι πολύ πιο εύκολη για τον μαθητή. Μια ώρα να το κάνεις αυτό είναι πολύ λιγότερο επίπονο από το να γράψεις απευθείας το δοκίμιο. Η ευφυΐα σε αυτή την περίπτωση πρέπει να σταθμιστεί έναντι της πραγματικότητας.

Τι θα συμβεί αν και άλλοι μαθητές κάνουν το ίδιο

Θα στοιχημάτιζα ότι είχατε αυτή την έξυπνη σκέψη στο μυαλό σας καθώς διαβάζατε την προηγούμενη ανάλυση σχετικά με τα δοκίμια και τις παραγωγικές εφαρμογές τεχνητής νοημοσύνης, δηλαδή ότι ο μαθητής αναμφίβολα θα πιαστεί εάν πολλοί άλλοι μαθητές κάνουν το ίδιο.

Επιτρέψτε μου να εξηγήσω.

Ένας δάσκαλος αναθέτει σε ολόκληρη την τάξη του να γράψει ένα δοκίμιο για τον Λίνκολν. Ας υποθέσουμε ότι το 90% των μαθητών αποφασίζει να χρησιμοποιήσει μια γενετική εφαρμογή AI για αυτήν την εργασία. Εάν το 90% φαίνεται υπερβολικά καταθλιπτικό, προχωρήστε και χρησιμοποιήστε το 10%. Απλώς να έχετε κατά νου ότι καθώς οι μαθητές αντιλαμβάνονται τη χρησιμότητα των παραγωγικών εφαρμογών τεχνητής νοημοσύνης, ο πειρασμός να τις χρησιμοποιήσει θα μεγαλώσει.

Εντάξει, έτσι ένα αξιοσημείωτο ποσοστό της τάξης χρησιμοποιεί μια γενετική εφαρμογή AI. Θα υποθέσετε ότι, επομένως, όλοι οι μαθητές θα γράψουν περίπου το ίδιο δοκίμιο του Λίνκολν. Ο δάσκαλος θα παρατηρήσει από τη στιγμή που θα βαθμολογήσει το τρίτο ή το τέταρτο δοκίμιο ότι τα δοκίμια είναι όλα σχεδόν τα ίδια. Αυτό θα είναι μια τεράστια ένδειξη ότι κάτι δεν πάει καλά.

Συγγνώμη, αλλά είναι απίθανο να είστε τόσο τυχεροί.

Οι περισσότερες εφαρμογές δημιουργίας τεχνητής νοημοσύνης είναι ιδιαίτερα ευαίσθητες στον τρόπο με τον οποίο συντάσσεται ιδιαίτερα μια προτροπή. Αν γράψω «Πες μου για τον Λίνκολν» αντί να γράψω «Πες μου για τη ζωή του Λίνκολν», οι πιθανότητες είναι ότι τα δοκίμια θα είναι ουσιαστικά διαφορετικά. Στην πρώτη περίπτωση, ίσως το δοκίμιο που παρήγαγε η AI να επικεντρώνεται στον Πρόεδρο Λίνκολν κατά τη διάρκεια της θητείας του στον Λευκό Οίκο και να παραλείπει οτιδήποτε σχετικά με την παιδική του ηλικία. Η άλλη προτροπή θα μπορούσε να παράγει ένα δοκίμιο που να καλύπτει τη γέννησή του μέχρι το θάνατό του.

Οι μαθητές πιθανότατα δεν πρόκειται να εισαγάγουν ακριβώς ό,τι τους έδωσε ο δάσκαλος ως προτροπή για το δοκίμιο. Θα φαινόταν λογικό, ως απατεώνας, να δοκιμάσω παραλλαγές. Αλλά ακόμα κι αν όλοι οι μαθητές δώσουν ακριβώς την ίδια προτροπή, οι πιθανότητες είναι πολύ καλές κάθε δοκίμιο να είναι κάπως διαφορετικό από τα άλλα.

Αυτές οι εφαρμογές τεχνητής νοημοσύνης κάνουν χρήση ενός τεράστιου εσωτερικά δημιουργημένου μαθηματικού και υπολογιστικού δικτύου που βασικά έχει ευρέως αντιστοιχισμένο μοτίβο σε κείμενο που βρίσκεται στο Διαδίκτυο. Περιλαμβάνεται στη διαδικασία δημιουργίας ενός δοκιμίου είναι ένας πιθανός παράγοντας. Οι λέξεις που επιλέχθηκαν είναι απίθανο να έχουν την ίδια σειρά και την ίδια ακριβή διατύπωση. Κάθε δοκίμιο που δημιουργείται θα είναι γενικά διαφορετικό.

Υπάρχει όμως ένα πιάσιμο σε αυτό. Εάν το επιλεγμένο θέμα είναι αρκετά ασαφές, υπάρχει πιθανότητα κάποια από τα δοκίμια που παράγονται να μοιάζουν μεταξύ τους. Αυτό θα ήταν εν μέρει επειδή το σχέδιο στη ρίζα του κειμένου ήταν λεπτό στην αρχή. Τούτου λεχθέντος, ο τρόπος με τον οποίο συντάσσεται το δοκίμιο θα μπορούσε να είναι πολύ διαφορετικός. Το μόνο που λέω είναι ότι η ουσία του περιεχομένου καθεαυτή θα μπορούσε ενδεχομένως να είναι περίπου η ίδια.

Χωρίς να θέλετε να φαίνεστε απαίσιο, αλλά θα μπορούσατε ενδεχομένως να κάνετε τον ίδιο ισχυρισμό για ένα κοινό θέμα όπως η ζωή του Λίνκολν. Με πόσους διαφορετικούς τρόπους μπορείτε να αναλύσετε τις συνολικές πτυχές της ζωής του; Εάν εξασφαλίσατε με κάποιο τρόπο τους μαθητές σε μια κλειδωμένη τάξη να γράψουν για τον Λίνκολν και τους δώσατε διαδικτυακή πρόσβαση για να ερευνήσουν τη ζωή του, τολμώ να πω ότι οι πιθανότητες να είναι κάπως παρόμοια τα δοκίμια θα μπορούσαν να συμβούν ούτως ή άλλως.

Ο δωρεάν και εύκολος παράγοντας είναι ουσιαστικός

Εάν ένας μαθητής σήμερα θέλει να εξαπατήσει πληρώνοντας κάποιον μέσω του Διαδικτύου για να γράψει το δοκίμιό του, είναι πολύ απλό να το κάνει (ελπίζω να μην σας σοκάρει, ίσως θα έπρεπε να είχα προειδοποιήσει εκ των προτέρων).

Το πρόβλημα όμως είναι ότι πρέπει να πληρώσετε για το δοκίμιο. Επίσης, υπάρχει κάποια μικρή πιθανότητα να σε πιάσουν αργότερα, ίσως. Χρησιμοποιήσατε πιστωτική κάρτα για να πληρώσετε για το δοκίμιο; Ίσως καλύτερα να χρησιμοποιήσετε κάποια μορφή υπόγειας επεξεργασίας πληρωμών για να προσπαθήσετε να διατηρήσετε τα ίχνη σας καθαρά.

Η ομορφιά ή ίσως ο εκνευριστικός παράγοντας της γενετικής τεχνητής νοημοσύνης είναι ότι αυτή τη στιγμή τα περισσότερα από αυτά είναι διαθέσιμα δωρεάν. Δεν απαιτείται πληρωμή. Δεν υπάρχει ιδιαίτερο ιστορικό της χρήσης σας (καλά, για να είμαστε σαφείς, η εφαρμογή AI μπορεί να παρακολουθεί τη χρήση σας, ειδικά επειδή πολλές από τις εφαρμογές τεχνητής νοημοσύνης απαιτούν να εγγραφείτε με μια διεύθυνση email, αλλά φυσικά, μπορείτε να το παραποιήσετε και αυτό ).

Μερικοί άνθρωποι υποθέτουν φυσικά ότι πρέπει να είστε μάγος τεχνητής νοημοσύνης για να χρησιμοποιήσετε μια γενετική εφαρμογή AI.

Οχι τόσο.

Σε γενικές γραμμές, οι παραγωγικές εφαρμογές AI είναι εκπληκτικά απλές στη χρήση. Επικαλείτε την εφαρμογή AI. Σας παρουσιάζει ένα ανοιχτό πλαίσιο κειμένου για να εισαγάγετε την προτροπή σας. Εισαγάγετε μια προτροπή και πατάτε υποβολή. Η εφαρμογή AI δημιουργεί το κείμενο.

Για αυτό πρόκειται.

Δεν χρειάζονται εξειδικευμένες γλώσσες υπολογιστών. Καμία γνώση βάσεων δεδομένων ή επιστήμης δεδομένων. Σας διαβεβαιώνω ότι σχεδόν κάθε παιδί στο σχολείο μπορεί να χρησιμοποιήσει εύκολα μια γενετική εφαρμογή AI. Εάν ένα παιδί μπορεί να πληκτρολογήσει, μπορεί να χρησιμοποιήσει αυτές τις εφαρμογές.

Ορισμένοι υποστηρίζουν ότι οι εταιρείες που παρέχουν τις παραγωγικές εφαρμογές τεχνητής νοημοσύνης θα πρέπει πρώτα να επαληθεύσουν την ηλικία του χρήστη, πιθανώς για να αποτρέψουν τους μη ενήλικες να χρησιμοποιούν την τεχνητή νοημοσύνη για σκοπούς εξαπάτησης όταν γράφουν δοκίμια. Εάν ο χρήστης υποδείξει ότι δεν είναι ενήλικας, μην τον αφήσετε να χρησιμοποιήσει την εφαρμογή AI. Ειλικρινά, αυτό είναι ένα απίθανο σενάριο πρόληψης, εκτός αν έχουν θεσπιστεί με κάποιο τρόπο νόμοι που σχετίζονται με την τεχνητή νοημοσύνη που προσπαθούν να θεσπίσουν τέτοιου είδους περιορισμούς. Ακόμα κι αν εγκριθούν τέτοιοι νόμοι, πιθανότατα μπορείτε να το παρακάμψετε χρησιμοποιώντας μια γενετική εφαρμογή AI που φιλοξενείται σε άλλη χώρα κ.λπ.

Μια άλλη απαγορευτική γωνία θα ήταν εάν οι εφαρμογές τεχνητής νοημοσύνης που δημιουργούνται κοστίζουν χρήματα για τη χρήση τους. Ας υποθέσουμε ότι υπήρχε χρέωση ανά συναλλαγή ή χρέωση συνδρομής. Αυτό θα έδινε τη γενετική εφαρμογή AI στο ίδιο επίπεδο με εκείνους τους ανθρώπους στο Διαδίκτυο που θα γράψουν ένα δοκίμιο για εσάς που θα σας χρεώσει να το κάνετε. Οι Εργατικοί θα πήγαιναν αντιμέτωποι με την τεχνητή νοημοσύνη (κατά την άλλη, όλα αυτά υποδηλώνουν ότι οι άνθρωποι που για τη ζωή γράφουν δοκίμια για φοιτητές θα αντικατασταθούν από την τεχνητή νοημοσύνη που κάνει το ίδιο· το ερώτημα είναι αν είμαστε λυπημένοι ή ευχαριστημένοι ότι εκείνοι οι άνθρωποι που βγάζουν μια τέτοια ζωή δεν θα μπορούν πλέον να το κάνουν με αυτόν τον τρόπο).

Οι εταιρείες που κατασκευάζουν εφαρμογές τεχνητής νοημοσύνης επιθυμούν σίγουρα να κερδίσουν χρήματα από αυτές τις εφαρμογές, αν και ο τρόπος με τον οποίο θα γίνει αυτό είναι ακόμα στον αέρα. Η χρέωση μιας προμήθειας συναλλαγής, της συνδρομής ή ίσως η χρέωση ανά λέξη που δημιουργείται είναι όλα στο τραπέζι. Αντί να χρεώνετε άτομα, η δημιουργία εσόδων μπορεί να γίνει μέσω της χρήσης διαφημίσεων. Ίσως κάθε φορά που χρησιμοποιείτε μια συγκεκριμένη εφαρμογή δημιουργίας τεχνητής νοημοσύνης, πρέπει πρώτα να βλέπετε μια διαφήμιση. Αυτό μπορεί να είναι ένας κερδοφόρος.

Μισώ να χύνω γάλα σε αυτό, αλλά ως μέσο για να ξεπεραστεί η εξαπάτηση των μαθητών, δεν πρόκειται να είναι κανενός είδους ασημένια σφαίρα. Δεν είναι καν κοντά.

Υπάρχουν εκδόσεις ανοιχτού κώδικα του Generative AI. Οι άνθρωποι τα βάζουν εκεί έξω και άλλοι είναι ικανοί να κάνουν την εφαρμογή διαθέσιμη δωρεάν. Με τον ένα ή τον άλλο τρόπο, ακόμα κι αν ορισμένες εταιρείες χρεώνουν ένα τέλος, θα μπορείτε να βρείτε παραλλαγές που είναι δωρεάν στη χρήση, αν και μπορεί να χρειαστεί να δείτε διαφημίσεις ή ίσως να εγγραφείτε και να δώσετε κάποιες πληροφορίες για τον εαυτό σας για σκοπούς μάρκετινγκ.

Βοηθάει αυτό το Multi-Step;

Ένας μαθητής επιλέγει να χρησιμοποιήσει μια παραγωγική εφαρμογή τεχνητής νοημοσύνης για να δημιουργήσει το δοκίμιό του.

Αντί να επιστρέψει αμέσως στο δοκίμιο, ο μαθητής αποφασίζει να επεξεργαστεί το δοκίμιο. Βγάζουν με σύνεση μερικές λέξεις εδώ. Βάλτε λίγα λόγια εκεί. Μετακινήστε μια πρόταση προς τα πάνω. Μετακινήστε μια πρόταση πιο κάτω. Μετά από λίγη επεξεργασία και τελειοποίηση, έχουν τώρα ένα δοκίμιο που είναι έτοιμοι να παραδώσουν.

Είναι αυτό το δοκίμιο δουλειά του μαθητή ή όχι;

Σας έφερα στο μεγάλο αναπάντητο ερώτημα εκατομμυρίων δολαρίων.

Ας κάνουμε ένα σύντομο υπόβαθρο σχετικά με τα νομικά δικαιώματα και τις παραβιάσεις. Αυτό είναι ένα θέμα που έχω καλύψει αρκετά, όπως π.χ ο σύνδεσμος εδώ και ο σύνδεσμος εδώ, Για παράδειγμα.

Πιθανότατα γνωρίζετε ήδη κάτι σχετικά με τα πνευματικά δικαιώματα και αυτό που είναι γνωστό ως Πνευματική Ιδιοκτησία (IP). Κάποιος που έχει μια ιστορία που προστατεύεται από πνευματικά δικαιώματα υποτίθεται ότι διατηρεί διάφορα νομικά δικαιώματα που σχετίζονται με αυτήν την ιστορία. Δεν έχουν μια εντελώς σιδερένια συνολική ομοιότητα νομικών δικαιωμάτων. Υπάρχουν εξαιρέσεις και εξαιρέσεις.

Ένα από τα πιο δύσκολα ζητήματα σχετικά με την παραβίαση υλικού που προστατεύεται από πνευματικά δικαιώματα κάποιου είναι η εγγύτητα αυτού που μπορεί να έχετε σε σύγκριση με την αρχική πηγή. Ίσως έχετε διαβάσει ή δει ειδήσεις για διάσημους τραγουδιστές και τους στίχους τους, όπου κάποιος άλλος έγραψε ένα τραγούδι με φαινομενικά παρόμοιους στίχους και αν αυτό ήταν νομικά σωστό ή όχι.

Είχα αναφέρει προηγουμένως ότι συνήθως, η εφαρμογή δημιουργίας τεχνητής νοημοσύνης δεν παράγει ένα δοκίμιο που να είναι αντίγραφο από άλλα υλικά για τα οποία είχε εκπαιδευτεί νωρίτερα μέσω της εξέτασης περιεχομένου στο Διαδίκτυο. Οι πιθανότητες είναι ότι το υλικό είναι γενικευμένο και συγχωνευμένο όλο μαζί, έτσι ώστε να μην μοιάζει πλέον πολύ με ό,τι και αν αποτελούνταν το περιεχόμενο της πηγής.

Θα πρέπει να περιμένουμε και να δούμε πώς θα το αντιμετωπίσει η νομική διαδικασία. Εάν μια εφαρμογή δημιουργίας τεχνητής νοημοσύνης παράγει ένα έργο τέχνης που είναι εμφανώς παρόμοιο με κάποιο έργο τέχνης προέλευσης, πιθανότατα θα κλίνουμε προς το να κατηγορήσουμε την τεχνητή νοημοσύνη και τους κατασκευαστές της τεχνητής νοημοσύνης ότι έχουν παραβιάσει τα πνευματικά δικαιώματα που σχετίζονται με το αρχικό έργο. Μπορούμε να το δούμε με τα μάτια μας.

Όταν πρόκειται για δοκίμια, αυτό μπορεί να είναι πιο δύσκολο. Οι προφανείς περιπτώσεις είναι όταν ολόκληρες προτάσεις και παράγραφοι ταυτίζονται λέξη προς λέξη. Όλοι μπορούμε να το δούμε αυτό. Αλλά όταν η διατύπωση διαφέρει με ελάχιστες διαφορές, μπαίνουμε σε γκρίζες ζώνες.

Πόσο μακριά από το αρχικό υλικό προέλευσης πρέπει να είναι το πρόσφατα κατασκευασμένο υλικό για να δηλώσει ότι είναι καλόπιστο πρωτότυπο για τις δικές του ιδιότητες;

Αυτή είναι μια βαριά ερώτηση.

Ας το συνδέσουμε αυτό με τον μαθητή που χρησιμοποιεί τη γενετική εφαρμογή AI για το δοκίμιό του.

Προσποιηθείτε τη στιγμή ότι ένα συγκεκριμένο δοκίμιο που δημιουργείται από την εφαρμογή AI πρόκειται να ερμηνευτεί ως «πρωτότυπο» δοκίμιο. Λέω να υποθέσω ότι δεν παραβιάζει με κανένα εμφανή τρόπο κανένα άλλο προϋπάρχον δοκίμιο ή αφήγηση κειμένου πουθενά στη γη.

Στη συνέχεια, ο μαθητής ξεκινά με μια πρωτότυπη πηγή του υλικού. Όπως αναφέρθηκε ήδη, ο μαθητής επεξεργάζεται και τελειοποιεί αυτό το υλικό. Τα πράγματα φτάνουν σε ένα σημείο όπου το πρωτότυπο όπως παράγεται από την εφαρμογή AI διαφέρει τώρα από την εκλεπτυσμένη έκδοση που έχει επινοήσει ο μαθητής.

Είναι αυτό απάτη;

Ισως ναι ίσως όχι.

Μπορείτε να υποστηρίξετε ότι είναι. Ο μαθητής ξεκίνησε με το AI γράφοντας το δοκίμιό του για εκείνον. Το μόνο που έχει κάνει ο μαθητής είναι να παίζει μηχανικά με το δοκίμιο. Περιμένουμε από τον μαθητή να γράψει το δοκίμιο έξω από τον αέρα και να χρησιμοποιήσει το δικό του χτύπημα για να το κάνει. Είναι ξεκάθαρα εξαπάτηση να χρησιμοποιείτε την εφαρμογή AI για να δημιουργήσετε τη γραμμή βάσης τους. Δώστε βαθμό «F» στον μαθητή.

Οχι τόσο γρήγορα. Μπορείτε να υποστηρίξετε ότι δεν είναι εξαπάτηση. Ο μαθητής έχει ξαναδημιουργήσει το αρχικό υλικό. Εάν μια σύγκριση μεταξύ του δοκιμίου που παράγεται από την εφαρμογή AI και της έκδοσης που έχει τελειοποιήσει ο μαθητής είναι αρκετά μεγάλη διαφορά, θα λέγαμε ότι ο μαθητής έγραψε το δοκίμιο. Ομολογουμένως, χρησιμοποίησαν άλλο υλικό για να το κάνουν, αλλά δεν μπορείτε να πείτε το ίδιο αν χρησιμοποίησαν εγκυκλοπαίδεια ή κάποια άλλη πηγή; Αυτός ο μαθητής αξίζει έναν βαθμό «Α» επειδή έχει συνθέσει ένα δοκίμιο με τη δική του νοημοσύνη (παρόλο που έχει αναφέρει άλλα υλικά για να το κάνει).

Οι δάσκαλοι θα πιαστούν στη μέση αυτής της ήδη ενοχλητικής ερώτησης.

Μια προσέγγιση είναι ότι ένας δάσκαλος μπορεί να δηλώσει κατηγορηματικά ότι οι μαθητές πρέπει να απαριθμήσουν όλα τα αναφερόμενα υλικά, συμπεριλαμβανομένου του εάν χρησιμοποιήθηκε ή όχι μια γενετική εφαρμογή AI. Εάν ένας μαθητής δεν καταθέσει ευθέως τη γενετική τεχνητή νοημοσύνη ως αναφορά και εάν ο δάσκαλος ανακαλύψει ότι απέτυχε να την απαριθμήσει, ο μαθητής παίρνει συνοπτικά έναν βαθμό «F» στην εργασία. Ή, ίσως κάποια σχολεία θα θεωρήσουν ότι αυτό είναι μια πράξη εξαπάτησης που αναγκάζει τον μαθητή να πάρει αυτόματο χαμό. Ή ίσως αποβληθεί. Θα πρέπει να δούμε πόσο μακριά θα προχωρήσουν τα σχολεία σε αυτά τα θέματα.

Σε γενικές γραμμές, κατευθυνόμαστε σε έναν ταραχώδη κόσμο πνευματικής ιδιοκτησίας και νομικής ιδιοκτησίας έργων όπως δοκίμια (κείμενο), έργα τέχνης (εικόνες) και βίντεο, συμπεριλαμβανομένων:

• Ορισμένοι θα επιδιώξουν νομική προσφυγή από παραγωγούς τεχνητής νοημοσύνης ως προς τις πηγές περιεχομένου που χρησιμοποιήθηκαν από το AI για τη δημιουργία του παραγόμενου προϊόντος.
• Κάποιοι θα πάρουν την παραγωγή της γενεσιουργής τεχνητής νοημοσύνης και θα θεωρήσουν ότι το αποτέλεσμα είναι δικά τους έργα και στη συνέχεια θα προσπαθήσουν να αναζητήσουν νομική αποκατάσταση από οποιονδήποτε παραβιάζει το «πρωτότυπο» έργο τους.
• Αυτό θα μπορούσε να κάνει κύκλους, έτσι ώστε κάποιος να παράγει έξοδο από την παραγωγική τεχνητή νοημοσύνη, η οποία δημοσιεύεται στο Διαδίκτυο, και στη συνέχεια έρχεται κάποια άλλη παραγωγική τεχνητή νοημοσύνη και τη χρησιμοποιεί στην εκπαίδευσή της για την παραγωγή παρόμοιων έργων.

Μετατρέποντας ένα αρνητικό σε θετικό

Όλη αυτή η συζήτηση για την κακία της γενεσιουργής τεχνητής νοημοσύνης όταν πρόκειται για εξαπάτηση μαθητών ίσως θολώνει το μυαλό μας, κάποιοι προτρέπουν.

Πάρτε το σε διαφορετική κατεύθυνση.

Κάθεσαι;

Ίσως οι δάσκαλοι θα έπρεπε να σκεφτούν σκόπιμα να ζητήσουν από τους μαθητές να χρησιμοποιούν γενετική τεχνητή νοημοσύνη ως μέρος της μαθησιακής διαδικασίας για το πώς να γράφουν δοκίμια.

Έχω γράψει προηγουμένως για το λεγόμενο διπλής χρήσης του AI, βλ ο σύνδεσμος εδώ. Η ιδέα είναι ότι μερικές φορές ένα σύστημα AI μπορεί να χρησιμοποιηθεί για κακό και μερικές φορές μπορεί να αλλάξει και να χρησιμοποιηθεί για καλό. Η ανησυχητική πτυχή είναι όταν κάποιος γράφει AI για τα καλά και ευτυχώς αγνοεί πόσο εύκολα το AI του μπορεί να μετατραπεί στο φάσμα της κακίας. Μέρος του Ηθική AI είναι η συνειδητοποίηση ότι η τεχνητή νοημοσύνη πρέπει να επινοηθεί έτσι ώστε να μην μπορεί να μετατραπεί από τη μια μέρα στην άλλη σε κατάρα. Αυτό είναι μια συνεχής ανησυχία.

Επιστροφή στη γενετική τεχνητή νοημοσύνη για την παραγωγή δοκιμίων.

Προηγουμένως ανέφερα την ιδέα ότι ένας μαθητής μπορεί να είναι σε θέση να μάθει για τη γραφή κοιτάζοντας γραπτά έργα που ήδη υπάρχουν. Αυτό έχει άφθονο νόημα. Βασικά, όσο περισσότερο διαβάζετε, οι πιθανότητες είναι ότι διευρύνετε τη διανοητική σας εμφάνιση προς το να μπορέσετε να γράψετε. Όπως αναφέρθηκε προηγουμένως, πρέπει ακόμα να κάνετε το γράψιμο, καθώς όλο το διάβασμα στον κόσμο δεν θα σας κάνει απαραίτητα να γίνετε καλός συγγραφέας εάν δεν εξασκείτε τη γραφή.

Θα μπορούσαμε να χρησιμοποιήσουμε τη γενετική τεχνητή νοημοσύνη για να ενισχύσουμε αυτή τη σύζευξη ανάγνωσης και γραφής. Ζητήστε από έναν μαθητή να χρησιμοποιήσει σκόπιμα γενετική τεχνητή νοημοσύνη. Το AI δημιουργεί ένα δοκίμιο. Δίνεται στον μαθητή η εργασία να ασκήσει κριτική στο δοκίμιο που παρήχθη από AI. Στη συνέχεια, ανατίθεται στον μαθητή να γράψει ένα νέο δοκίμιο, ίσως με διαφορετικό θέμα, αλλά μπορεί να χρησιμοποιήσει τη δομή και άλλα γενικά στοιχεία του προηγούμενου δοκιμίου που δημιουργήθηκε από την τεχνητή νοημοσύνη.

Αυτό μπορεί να είναι ακόμη πιο παραγωγικό, προτείνουν ορισμένοι, για τους μαθητές από την απλή ανάγνωση βιβλίων ή άλλων κειμένων συγγραφέων με τους οποίους ο μαθητής δεν έχει πρόσβαση να «αλληλεπιδράσει». Με την εφαρμογή AI, ο μαθητής θα μπορούσε να δοκιμάσει την επανάληψη και την παραγωγή του αρχικού δοκιμίου χρησιμοποιώντας ένα πλήθος προτροπών, το ένα μετά το άλλο. Ο μαθητής μπορεί να πει στην τεχνητή νοημοσύνη να γράψει ένα δοκίμιο χωρίς κόπο για τον Λίνκολν. Στη συνέχεια, ο μαθητής ζητά ένα εκτενές δοκίμιο για τον Λίνκολν που είναι γραμμένο με ανεπίσημη φωνή. Αφού το εξετάσει, ο μαθητής υποδεικνύει στην εφαρμογή AI να παράγει μια εξαιρετικά επισημοποιημένη έκδοση του δοκιμίου του Λίνκολν. Και τα λοιπά.

Ο ισχυρισμός που γίνεται είναι ότι αυτό θα μπορούσε να βοηθήσει ουσιαστικά έναν μαθητή να μάθει για τη γραφή και πώς μπορεί να πραγματοποιηθεί η γραφή.

Μια πρόσφατη ερευνητική εργασία προτείνει αυτό ακριβώς το σημείο: «Οι συντάκτες αυτής της εργασίας πιστεύουν ότι η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για να ξεπεραστούν τρία εμπόδια στη μάθηση στην τάξη: βελτίωση της μεταφοράς, διάσπαση της ψευδαίσθησης του επεξηγηματικού βάθους και εκπαίδευση των μαθητών να αξιολογούν κριτικά τις εξηγήσεις». σε μια εργασία με τίτλο «New Modes of Learning Enabled by AI Chatbots: Three Methods and Assignments», Δρ. Ethan Mollick και Dr. Lilach Mollick, Wharton School of University of Pennsylvania & Wharton Interactive, 12 Δεκεμβρίου 2022)

Για παράδειγμα, επισημαίνουν ότι η βελτίωση της μεταφοράς μάθησης μπορεί να συμβεί με αυτόν τον τρόπο: «Η τεχνητή νοημοσύνη είναι ένας φθηνός τρόπος για να παρέχουμε στους μαθητές πολλά παραδείγματα, μερικά από τα οποία μπορεί να είναι ανακριβή ή να χρειάζονται περαιτέρω εξηγήσεις ή μπορεί απλώς να επινοηθούν. Για μαθητές με θεμελιώδεις γνώσεις ενός θέματος, μπορείτε να χρησιμοποιήσετε την τεχνητή νοημοσύνη για να τους βοηθήσετε να δοκιμάσουν την κατανόησή τους και να τους ωθήσετε ρητά να ονομάσουν και να εξηγήσουν ανακρίβειες, κενά και πτυχές που λείπουν ενός θέματος. Η τεχνητή νοημοσύνη μπορεί να παρέχει μια ατελείωτη σειρά παραδειγμάτων εννοιών και εφαρμογών αυτών των εννοιών και μπορείτε να ωθήσετε τους μαθητές να: συγκρίνετε παραδείγματα σε διαφορετικά περιβάλλοντα, να εξηγήσετε τον πυρήνα μιας έννοιας και να επισημάνετε ασυνέπειες και πληροφορίες που λείπουν στον τρόπο με τον οποίο η τεχνητή νοημοσύνη εφαρμόζει τις έννοιες σε νέες καταστάσεις» (ibid).

Είναι παρόμοιο με το παλιό ρεφρέν, αν δεν μπορείς να τους νικήσεις, έλα μαζί τους.

Μετατρέψτε τη γενετική τεχνητή νοημοσύνη σε εκπαιδευτικό εργαλείο.

Ναι, έρχεται η γρήγορη απάντηση.

Βάζεις την αλεπού στο κοτέτσι. Οι μαθητές που δεν είχαν ιδέα τι είναι η γενετική τεχνητή νοημοσύνη θα το δείξουν τώρα, ανοιχτά, από τις απροκάλυπτες ενέργειες ενός δασκάλου και των σχολείων τους. Εάν οι μαθητές δεν είχαν ιδέα για τις ευκαιρίες της εξαπάτησης, το βάζετε απευθείας στα πρόσωπά τους και στα χέρια τους.

Φαίνεται εντελώς αποκρουστικό ότι αυτοί που έχουν την εξουσία θα εισήγαγαν τους μαθητές σε ένα μέσο εξαπάτησης. Θα βάζετε για πάντα τους πιο ειλικρινείς μαθητές στη σφαίρα των πειρασμών εξαπάτησης. Όλοι θα έχουν πρόσβαση στη μηχανή εξαπάτησης. Τους λένε να το κάνουν. Δεν χρειάζεται να το κρύψεις. Δεν χρειάζεται να προσποιηθείτε ότι δεν χρησιμοποιείτε γενετική τεχνητή νοημοσύνη. Το σχολείο και ο δάσκαλος σας έκαναν να το χρησιμοποιήσετε.

Η ανταπόκριση σε αυτό είναι ότι πρέπει να βάλετε τυφλά και με άγνοια το κεφάλι σας στην άμμο για να σκεφτείτε ότι οι μαθητές δεν πρόκειται να εξοικειωθούν με τη γενετική τεχνητή νοημοσύνη. Ενώ εσείς ανόητα προσποιείστε ότι δεν το ξέρουν, αυτοί τρέχουν έξω από το σχολείο για να το χρησιμοποιήσουν. Η καλύτερη επιλογή σας είναι να τους παρουσιάσετε το πράγμα, να συζητήσετε για τι μπορεί και τι δεν μπορεί να χρησιμοποιηθεί και να φέρετε ένα λαμπρό λαμπερό φως σε όλο το αίνιγμα.

Είναι αρκετά θλιβερό.

Για όσους από εσάς κάνετε έρευνα σχετικά με τις εκπαιδευτικές καινοτομίες της τεχνολογίας, ίσως θέλετε να ρίξετε μια ματιά στη γενετική τεχνητή νοημοσύνη και πώς μπορεί να αλλάξει τη φύση των εκπαιδευτικών προσεγγίσεων και να επηρεάσει τη μάθηση των μαθητών. Έρχεται αρκετά σύντομα.

Χρησιμοποιώντας την ανίχνευση για να μας σώσετε από την καταστροφή

Αλλάξτε καπέλα και ας εξετάσουμε το ψηφιακό έργο τέχνης για λίγο.

Εάν δημιουργείτε ένα έργο ψηφιακής τέχνης, ίσως θελήσετε να το επισημάνετε με κάποιο τρόπο, ώστε να μπορείτε, αργότερα, να διακρίνετε εάν κάποιος έχει επιλέξει να χρησιμοποιήσει ή να επαναχρησιμοποιήσει την τέχνη σας. Ένας απλός τρόπος για να το κάνετε αυτό είναι να αλλάξετε μερικά από τα pixel ή τις κουκκίδες στο ψηφιακό σας έργο τέχνης. Εάν κάνετε μερικά εδώ ή εκεί, η εμφάνιση του έργου τέχνης θα εξακολουθεί να φαίνεται να είναι ίδια στα μάτια των ανθρώπων. Δεν θα παρατηρήσουν αυτά τα εικονοστοιχεία που είναι αδύναμα και έχουν ρυθμιστεί σε κάποιο ειδικό χρώμα που μπορεί να δει μόνο μετά από προσεκτική επιθεώρηση μέσω ψηφιακών εργαλείων.

Ίσως γνωρίζετε αυτές τις τεχνικές ως μια μορφή υδατογραφήματος. Ακριβώς όπως παλιά γίνονταν προσπάθειες να υδατογραφηθούν υλικά με βάση το χαρτί και άλλο μη ψηφιοποιημένο περιεχόμενο, είδαμε σταδιακά την άνοδο των ψηφιακών υδατογραφημάτων.

Ένα ψηφιακό υδατογράφημα μπορεί να είναι κρυμμένο στην εικόνα ενός ψηφιακού έργου τέχνης. Εάν αυτό μπορεί να φαίνεται ενοχλητικό στην εικόνα, μπορείτε να δοκιμάσετε να ενσωματώσετε το υδατογράφημα στο αρχείο που περιέχει το ψηφιακό έργο τέχνης (τα λεγόμενα «μετα-δεδομένα» του ψηφιακού έργου).

Υπάρχει ένα παιχνίδι γάτας και ποντικιού που μπορεί να προκύψει.

Έρχεται κάποιος κακοποιός και ανακαλύπτει το ψηφιακό σας υδατογράφημα. Το αφαιρούν. Τώρα, φαινομενικά μπορούν να χρησιμοποιήσουν ελεύθερα το ψηφιακό σας έργο τέχνης χωρίς να ανησυχούν ότι θα μπορέσετε, αργότερα, να το χώσετε και να δείξετε ότι είναι ξεκάθαρο ότι είναι ένα απόσπασμα των προσπαθειών σας. Αυτοί οι σκάρτοι!

Πρέπει να βελτιώσουμε το ψηφιακό υδατογράφημα, κάτι που μπορούμε να κάνουμε μέσω της χρήσης κρυπτογραφικών τεχνικών και τεχνολογιών. Σκεφτείτε τα κρυφά μηνύματα και την κωδικοποίηση.

Η ιδέα είναι ότι κωδικοποιούμε το ψηφιακό υδατογράφημα έτσι ώστε να είναι δύσκολο να το βρεις. Είναι επίσης δυνητικά δύσκολο να αφαιρεθεί. Θα μπορούσαμε ακόμη να προσπαθήσουμε να διασφαλίσουμε ότι το λογισμικό που θα εμφανίζει ή θα επιτρέπει τη χρήση του ψηφιακού έργου τέχνης πρέπει πρώτα να ελέγξει και να δει ότι υπάρχει ένα έγκυρο κωδικοποιημένο ψηφιακό υδατογράφημα στο έργο, διαφορετικά θεωρείται ακατάλληλο αντίγραφο. Σε έπιασε στα χέρια.

Μπορούμε να κάνουμε το ίδιο για τη γενετική τεχνητή νοημοσύνη που παράγει κείμενο;

Ένα γάντι έχει στρωθεί. Το πρόβλημα όμως μπορεί να είναι πιο σκληρό σε κάποιο βαθμό από ό,τι όταν εξετάζουμε τα ψηφιακά υδατογραφήματα για έργα τέχνης.

Εδώ γιατί.

Ας υποθέσουμε ότι το μόνο μέρος όπου μπορείτε να τοποθετήσετε το υδατογράφημα είναι απευθείας στο ίδιο το κείμενο. Το λέω αυτό γιατί το κείμενο που δημιουργείται δεν μπαίνει απαραίτητα σε ένα αρχείο. Το κείμενο είναι απλώς κείμενο. Μπορείτε να το κόψετε και να το επικολλήσετε από το εργαλείο δημιουργίας AI. Υπό αυτή την έννοια, συνήθως δεν υπάρχουν μεταδεδομένα ή αρχείο στο οποίο να μπορεί να ενσωματωθεί το υδατογράφημα.

Πρέπει να εστιάσετε αποκλειστικά στο κείμενο. Καθαρό κείμενο.

Μια λεωφόρος θα ήταν να βάζετε κρυφά το γενετικό AI να παράγει το κείμενο με τρόπο που μπορεί να εντοπιστεί. Ως χονδροειδές αλλά μη πρακτικό παράδειγμα, φανταστείτε ότι αποφασίσαμε να ξεκινήσουμε κάθε τρίτη πρόταση με τη λέξη «Και» στην αρχή της πρότασης. Θα εξακολουθούσαμε να δημιουργήσουμε ένα φαινομενικά εντελώς άπταιστα δοκίμιο. Το μόνο κόλπο είναι ότι κάθε τρίτη πρόταση ξεκινά με τη μαγική λέξη που επιλέξαμε. Κανείς άλλος δεν ξέρει τι κάνουμε.

Ένας μαθητής χρησιμοποιεί γενετική τεχνητή νοημοσύνη για να δημιουργήσει το δοκίμιο που του ανατέθηκε για τον Λίνκολν. Ο μαθητής το παίρνει απευθείας από την εφαρμογή AI και το στέλνει μέσω email στον δάσκαλο. Αποδεικνύεται ότι ο μαθητής περίμενε μέχρι την τελευταία στιγμή και αντιμετώπισε τη δημοσιευμένη προθεσμία. Δεν υπάρχει χρόνος για αναθεώρηση του δοκιμίου. Απλώς στείλτε το και ελπίζετε για το καλύτερο.

Ο δάσκαλος κοιτάζει το δοκίμιο. Ας υποθέσουμε ότι της έχουμε πει ότι το υδατογράφημά μας αποτελείται από τη μαγική λέξη που χρησιμοποιείται στην αρχή κάθε τρίτης πρότασης. Ο δάσκαλος διαπιστώνει ότι αυτό συμβαίνει σε αυτό το δοκίμιο που υποβλήθηκε. Αν και υπάρχει ίσως μια απίστευτα ελάχιστη πιθανότητα ο μαθητής να έγραψε το δοκίμιο και μάλλον θέλει να χρησιμοποιεί αυτή τη συγκεκριμένη λέξη στην αρχή κάθε τρίτης πρότασης, νομίζω ότι μπορούμε εύλογα να συμφωνήσουμε ότι αυτό είναι πολύ απίθανο και αντ 'αυτού ο μαθητής πιθανότατα χρησιμοποίησε τη γενετική τεχνητή νοημοσύνη για την παραγωγή του δοκιμίου.

Βλέπετε πώς λειτουργεί αυτό;

Πιστεύω ότι το κάνεις.

Το πρόβλημα τώρα είναι πώς να βρείτε ένα υδατογράφημα που δεν είναι τόσο προφανές. Ένας μαθητής μπορεί να παρατηρήσει ότι οι προτάσεις φαίνεται παράξενα να χρησιμοποιούν μια συγκεκριμένη λέξη. Μπορεί να μαντέψουν τι συμβαίνει. Με τη σειρά του, ο μαθητής μπορεί να μετακινηθεί γύρω από προτάσεις και να κάνει κάποια αναδιατύπωση. Αυτό στη συνέχεια βυθίζει λίγο αυτό το συγκεκριμένο υδατογράφημα, καθώς το δοκίμιο δεν θεωρείται πλέον εύκολα ως γραμμένο από τη γενετική τεχνητή νοημοσύνη.

Το παιχνίδι γάτας και ποντικιού προχωρά και πάλι.

Χρειάζεται να παράγουμε ρέοντα κείμενο που να περιέχει κατά κάποιο τρόπο ένα «υδατογράφημα» με τρόπο που δεν μπορεί να διακριθεί εύκολα. Περαιτέρω, εάν είναι δυνατόν, το υδατογράφημα θα πρέπει να συνεχίσει να παραμένει ακόμα και αν το δοκίμιο αναθεωρηθεί ελαφρώς. Μια πλήρης αναθεώρηση μάλλον δεν πρόκειται να επιτρέψει στο υδατογράφημα να επιβιώσει. Θέλουμε όμως πλεονασμό και ελαστικότητα, έτσι ώστε το υδατογράφημα να είναι κατά προτίμηση ανιχνεύσιμο, ακόμη κι αν γίνουν κάποιες αλλαγές στην περιοχή κειμένου.

Ένας ερευνητής που κάνει κάποια δουλειά για την εταιρεία που φτιάχνει το ChatGPT (την εφαρμογή τεχνητής νοημοσύνης από το OpenAI) διερευνά μερικές ενδιαφέρουσες κρυπτογραφικές προσπάθειες με βάση αυτά τα ζητήματα υδατογράφησης. Ο Scott Aaronson είναι καθηγητής Επιστήμης Υπολογιστών στο Πανεπιστήμιο του Τέξας στο Ώστιν και πρόσφατα μίλησε για ορισμένες από τις εργασίες που πραγματοποιούνται (μια μεταγραφή δημοσιεύεται στο ιστολόγιό του).

Σκεφτείτε αυτό το απόσπασμα στο οποίο εξηγεί συνοπτικά την υπάρχουσα προσέγγιση: «Πώς λειτουργεί; Για το GPT, κάθε είσοδος και έξοδος είναι μια σειρά από διακριτικά, τα οποία θα μπορούσαν να είναι λέξεις αλλά και σημεία στίξης, μέρη λέξεων ή περισσότερα — υπάρχουν περίπου 100,000 μάρκες συνολικά. Στον πυρήνα του, το GPT δημιουργεί συνεχώς μια κατανομή πιθανότητας στο επόμενο διακριτικό που θα δημιουργήσει, υπό την προϋπόθεση της συμβολοσειράς των προηγούμενων διακριτικών. Αφού το νευρωνικό δίκτυο δημιουργήσει τη διανομή, ο διακομιστής OpenAI στη συνέχεια λαμβάνει δείγματα ενός διακριτικού σύμφωνα με αυτήν την κατανομή—ή κάποια τροποποιημένη έκδοση της διανομής, ανάλογα με μια παράμετρο που ονομάζεται «θερμοκρασία». Εφόσον η θερμοκρασία είναι μη μηδενική, ωστόσο, θα υπάρχει συνήθως κάποια τυχαία επιλογή στην επιλογή του επόμενου διακριτικού: θα μπορούσατε να τρέχετε ξανά και ξανά με την ίδια προτροπή και να λαμβάνετε διαφορετική ολοκλήρωση (δηλαδή, σειρά από διακριτικά εξόδου) κάθε φορά .»

Όπως σημειώθηκε, υπάρχει μια καθορισμένη ποσότητα τυχαίας ως προς το ποιες λέξεις θα τοποθετηθούν δίπλα στο δοκίμιο που προέρχεται από την εφαρμογή ChatGPT. Αυτό εξηγεί επίσης το προηγούμενο σημείο που αναφέρθηκε ότι κάθε δοκίμιο είναι πιθανό να είναι κάπως διαφορετικό ακόμα και αν αφορά το ίδιο θέμα. Μια σκόπιμη χρήση μιας προσέγγισης τυχαίας επιλογής που βρίσκεται εντός συγκεκριμένων ορίων λειτουργεί κάτω από την κουκούλα κατά τη διάρκεια της δημιουργίας δοκιμίου.

Φτάνουμε τώρα στο ζουμερό μέρος, την κρυπτογραφική ανάμειξη: «Έτσι, για να υδατογραφήσουμε, αντί να επιλέγουμε τυχαία το επόμενο διακριτικό, η ιδέα θα είναι να το επιλέξετε ψευδοτυχαία, χρησιμοποιώντας μια κρυπτογραφική ψευδοτυχαία συνάρτηση, το κλειδί της οποίας είναι γνωστό μόνο στο OpenAI . Αυτό δεν θα κάνει καμία ανιχνεύσιμη διαφορά στον τελικό χρήστη, υποθέτοντας ότι ο τελικός χρήστης δεν μπορεί να διακρίνει τους ψευδοτυχαίους αριθμούς από τους πραγματικά τυχαίους. Αλλά τώρα μπορείτε να επιλέξετε μια ψευδοτυχαία συνάρτηση που πολώνει κρυφά μια συγκεκριμένη βαθμολογία - ένα άθροισμα σε μια συγκεκριμένη συνάρτηση g που αξιολογείται σε κάθε n-gram (ακολουθία n διαδοχικών σημείων), για μερικά μικρά n - την οποία μπορείτε επίσης να υπολογίσετε εάν γνωρίζετε το κλειδί για αυτήν την ψευδοτυχαία λειτουργία."

Αντιλαμβάνομαι ότι μπορεί να φαίνεται κάπως τεχνολογικά μπερδεμένο.

Η ουσία είναι ότι το παραγόμενο δοκίμιο θα φαίνεται να είναι άπταιστα και δεν θα μπορείτε εύκολα να διακρίνετε διαβάζοντας το δοκίμιο ότι περιέχει ένα ψηφιακό υδατογράφημα. Για να καταλάβετε εάν ένα δεδομένο δοκίμιο περιέχει υδατογράφημα, θα πρέπει να τροφοδοτήσετε το δοκίμιο σε έναν ειδικά σχεδιασμένο ανιχνευτή. Το πρόγραμμα που κάνει την ανίχνευση θα υπολόγιζε μια τιμή με βάση το κείμενο και θα μπορούσε να τη συγκρίνει με ένα αποθηκευμένο κλειδί. Στην προσέγγιση που περιγράφεται, τα κλειδιά θα κρατούνταν από τον πωλητή και δεν θα ήταν διαφορετικά διαθέσιμα, επομένως, υποθέτοντας ότι τα κλειδιά διατηρούνται μυστικά, μόνο το χρισμένο πρόγραμμα ανίχνευσης θα μπορούσε να υπολογίσει εάν το δοκίμιο πιθανότατα προήλθε από το ChatGPT σε αυτήν την περίπτωση.

Συνεχίζει και αναγνωρίζει ότι αυτό δεν είναι αλάνθαστο: «Τώρα, όλα αυτά μπορούν να νικηθούν με αρκετή προσπάθεια. Για παράδειγμα, εάν χρησιμοποιήσατε άλλη τεχνητή νοημοσύνη για να παραφράσετε την έξοδο του GPT — εντάξει, δεν θα μπορέσουμε να το εντοπίσουμε. Από την άλλη πλευρά, εάν απλώς εισάγετε ή διαγράφετε μερικές λέξεις εδώ και εκεί, ή αναδιατάσσετε τη σειρά ορισμένων προτάσεων, το σήμα υδατογράφησης θα εξακολουθεί να υπάρχει. Επειδή εξαρτάται μόνο από ένα άθροισμα πάνω από n-γραμμάρια, είναι ανθεκτικό σε τέτοιου είδους παρεμβάσεις».

Ένας δάσκαλος μπορεί να έχει πρόσβαση σε ένα πρόγραμμα ανίχνευσης που θα ελέγχει τα δοκίμια των μαθητών. Ας υποθέσουμε ότι το θέμα είναι σχετικά εύκολο καθώς ο δάσκαλος βάζει τους μαθητές να στείλουν τα δοκίμιά τους μέσω email στον δάσκαλο και στον αυτοματοποιημένο ανιχνευτή. Στη συνέχεια, η εφαρμογή ανιχνευτή ενημερώνει τον δάσκαλο σχετικά με την πιθανότητα δημιουργίας του δοκιμίου από το ChatGPT σε αυτήν την περίπτωση.

Τώρα, εάν ο ανιχνευτής είναι ανοιχτά διαθέσιμος σε οποιονδήποτε, θα έχετε «υπερεπιτυχείς» απατεώνες μαθητών που απλώς θα έτρεχαν τα δοκίμιά τους στον ανιχνευτή και θα έκαναν μια σειρά αλλαγών έως ότου ο ανιχνευτής υπέδειξε μια μικρή πιθανότητα ότι το δοκίμιο προήλθε από τη γενετική ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ. Περισσότερα για τη γάτα και το ποντίκι. Προφανώς, ο ανιχνευτής πρέπει να προστατεύεται αυστηρά με χρήση κωδικού πρόσβασης ή χρειάζονται κάποια άλλα μέσα ή μέθοδοι αντιμετώπισης κρυπτογραφικών προσεγγίσεων (υπάρχει μια ποικιλία μεθόδων που βασίζονται σε κλειδί και χωρίς κλειδί που μπορούν να χρησιμοποιηθούν).

Ένας δάσκαλος μπορεί να βρεθεί αντιμέτωπος με τη δυνατότητα δεκάδων ή εκατοντάδων παραγωγικών εφαρμογών τεχνητής νοημοσύνης που είναι διαθέσιμες για χρήση στο Διαδίκτυο. Σε αυτήν την περίπτωση, το να προσπαθείς να κάνεις όλους αυτούς να χρησιμοποιήσουν κάποια ψηφιακή υδατοσήμανση και να πρέπει να τροφοδοτήσουν ένα δοκίμιο σε όλα αυτά, απλά γίνεται πιο συναρπαστικό και λογιστικά περίπλοκο.

Όχι άλλα δοκίμια έξω από την τάξη

Μια προοπτική καταστροφής και θλίψης είναι ότι ίσως οι δάσκαλοι θα πρέπει να εγκαταλείψουν τη χρήση εξωτερικών δοκιμίων. Όλα τα δοκίμια πρέπει να γράφονται μόνο εντός του ελεγχόμενου περιβάλλοντος μιας τάξης.

Αυτό έχει πολλά και πολλά προβλήματα.

Ας υποθέσουμε ότι ένας μαθητής χρειαζόταν κανονικά δέκα ώρες για να γράψει ένα συγκεκριμένο δοκίμιο που είναι ένα έργο τάξης. Πώς θα γινόταν αυτό μέσα σε μια τάξη; Σκοπεύετε να το ομαδοποιήσετε και να ζητήσετε από τον μαθητή να γράψει ένα μικρό κομμάτι του δοκιμίου για μια σειρά ημερών; Σκεφτείτε τις δυσκολίες που παρουσιάζει αυτό.

Κάποιοι ισχυρίζονται ότι ίσως το θέμα είναι υπερβολικό.

Οι δάσκαλοι πρέπει να κάνουν όπως έκαναν πάντα με τη λογοκλοπή από μαθητές. Εκ των προτέρων ο δάσκαλος δηλώνει ότι η λογοκλοπή είναι μια σοβαρή ανησυχία εξαπάτησης. Υπογραμμίστε ότι η χρήση της γενετικής τεχνητής νοημοσύνης, με οποιονδήποτε τρόπο, θα θεωρείται ενέργεια εξαπάτησης.

Κάντε ποινές που έχουν σημαντική βαρύτητα, όπως χαμηλό βαθμό, απομάκρυνση τάξης ή αποβολή από το σχολείο εάν φτάσει τόσο μακριά. Απαιτήστε από τους μαθητές να βεβαιώνουν γραπτώς για κάθε εξωτερική εργασία έκθεσης ότι αυτό που έχουν παραδώσει είναι η δουλειά τους (το έχουν κάνει χωρίς βοηθήματα όπως γενετική τεχνητή νοημοσύνη, αντιγραφή από το Διαδίκτυο, χρήση συμμαθητών, χρήση γονέα, πληρωμή για να γίνει και σύντομα). Επίσης, απαιτήστε από τους μαθητές να αναφέρουν τυχόν διαδικτυακά εργαλεία που χρησιμοποιούνται για την προετοιμασία της εργασίας, συμπεριλαμβανομένης της υποχρέωσης να σημειώσουν ειδικά οποιαδήποτε γενετική χρήση τεχνητής νοημοσύνης.

Ο δάσκαλος μπορεί να χρησιμοποιήσει ή να μην χρησιμοποιήσει μια εφαρμογή ανιχνευτή για να προσπαθήσει να διακρίνει εάν το δοκίμιο που υποβλήθηκε είναι πιθανό από μια γενετική εφαρμογή AI. Αυτό είναι ένα δυνητικά επαχθές βήμα, ανάλογα με το πόσο εύκολο είναι η χρήση και η πρόσβαση των ανιχνευτών.

Οι δάσκαλοι προφανώς θα πρέπει ήδη να αναλαμβάνουν δράση για να διερευνήσουν εάν οι εξωτερικές γραπτές εκθέσεις φαίνονται νόμιμες. Κάνοντας δοκίμιο στην τάξη, υπάρχει η ευκαιρία να συγκριθούν και να αντιπαραβληθούν, συνειδητοποιώντας ωστόσο ότι ο χρόνος για γραφή σε μια τάξη είναι μικρότερος και μπορεί επίσης να παρεμποδιστεί από τον περιορισμό να μην επιτρέπεται η πρόσβαση σε διαδικτυακό υλικό αναφοράς.

Η ουσία είναι ότι δεν πρέπει να ακολουθήσουμε τον δρόμο του να αποκλείσουμε απότομα τη χρήση της εξωτερικής γραφής δοκιμίου. Κάποιοι θα το αποδοκίμαζαν αυτό ως μια πράξη εξανθήματος και μια πράξη που θυμίζει το πέταγμα του μωρού με το νερό του μπάνιου (ένα παλιό ρητό, ίσως αξίζει να αποσυρθεί).

Εάν η εξωτερική γραφή διακοπεί εντελώς ως μαθησιακή δραστηριότητα, υπάρχουν πιθανά σοβαρά και παρατεταμένα μειονεκτήματα στην αφαίρεση αυτής της φαινομενικά καθημερινής εκπαιδευτικής δραστηριότητας από το πρόγραμμα σπουδών. Υπάρχει συμβιβασμός. Πόσοι μαθητές θα εξαπατήσουν, παρά όλους τους προαναφερθέντες ελέγχους και ισορροπίες; Πόσοι μαθητές δεν θα εξαπατήσουν και ως εκ τούτου θα συνεχίσουν να χρησιμοποιούν μια ωφέλιμη εκπαιδευτική προσέγγιση για να προωθήσουν τη συγγραφική τους ικανότητα;

Θεωρητικά, ελπίζουμε ότι το ποσοστό των απατεώνων θα είναι αρκετά μικρό, ώστε η εξωτερική γραφή να εξακολουθεί να είναι αξιόλογη για την υπεροχή των μαθητών.

Συμπέρασμα

Η τεχνητή νοημοσύνη μπορεί να είναι πολύ πονοκέφαλος.

Για τους δασκάλους, η τεχνητή νοημοσύνη μπορεί να είναι και ευλογία και κατάρα. Είτε έτσι είτε αλλιώς, σημαίνει ότι οι δάσκαλοι πρέπει να γνωρίζουν για την τεχνητή νοημοσύνη, καθώς και πώς να αντιμετωπίσουν τις ανατροπές και τις στροφές της τεχνητής νοημοσύνης που σχετίζονται με τις διδακτικές τους δραστηριότητες, κάτι που είναι ακόμη ένα πρόσθετο βάρος στις ήδη υπερεκτεταμένες πλάτες και ώμους τους. Κραυγή στους καθηγητές παντού.

Ίσως μπορούμε να ευχηθούμε να φύγει η τεχνητή νοημοσύνη.

Όχι.

Βλέπετε, δεν πρόκειται να γυρίσουμε το ρολόι πίσω και να εξαλείψουμε τη γενετική τεχνητή νοημοσύνη. Όποιος το ζητά είναι ονειροπόλος. Και, επιπλέον, χρησιμοποιώ τη λέξη "Και" ως την πρώτη λέξη της τρίτης πρότασης αυτής της παραγράφου (ωπ, δίνω το κλειδί!), η γενετική τεχνητή νοημοσύνη ήρθε για να μείνει.

Ακολουθεί ένα προτροπή για να ξεκινήσετε τις έντονες συζητήσεις σας: Το Generative AI θα γίνει πιο διάχυτο και θα έχει ακόμη πιο εκπληκτικές και ενοχλητικές ικανότητες.

Πτώση μικροφώνου.

Τελική σκέψη προς το παρόν.

Ο Σαίξπηρ έγραψε περίφημα ότι «Το να είσαι ή να μην είσαι: αυτό είναι το ζητούμενο».

Σας διαβεβαιώνω ότι η γενετική τεχνητή νοημοσύνη θα είναι. Είναι ήδη.

Πρέπει να καταλάβουμε πώς θέλουμε η γενετική τεχνητή νοημοσύνη να εισέλθει στη ζωή μας και πώς η κοινωνία θα επιλέξει να διαμορφώσει και να καθοδηγήσει αυτή τη χρήση. Εάν χρειάστηκες ποτέ έναν λόγο για να σκεφτείς την ηθική της τεχνητής νοημοσύνης και τον νόμο της τεχνητής νοημοσύνης, ίσως η γενετική τεχνητή νοημοσύνη να σε παρακινήσει να αναζητήσεις τι είμαστε, ακόμα κι αν δεν γνωρίζουμε τι μπορεί να είμαστε (κρυφή αναφορά Σαίξπηρ).