A generatív mesterséges intelligencia (MI) a felsőoktatás világát is felforgatta. Egymásnak ellentmondó megközelítések vannak azzal kapcsolatban, hogy hogyan érdemes kezelni a felmerült kihívásokat, mi a jó hozzáállás a generatív MI megjelenéséhez. A két szélső érték a között mozog, hogy a felsőoktatási intézmények alapvető feladata a hallgatóknak megtanítani, hogy hogyan kell az MI-t használni és azt integrálni kell az oktatásba, míg a másik megközelítés inkább a veszélyeket látja benne és kizárná a felsőoktatásból. De vajon mi itt a valódi tét és milyen szempontokat érdemes mérlegelni?
A Nature októberi jegyzete alapján világszerte számos egyetem igyekszik a technológia adta lehetőségeket kihasználni a felsőoktatás szintjén. Az egyik vezető pekingi egyetemen a Tsinghua University-n például az idei tanévkezdésnél a hallgatókat már nem emberi gesztus fogadta első ízben, hanem egy MI-alkalmazás. A felvételi értesítővel együtt a frissen felvettek kaptak egy meghívó kódot, amivel egy MI-ügynökhöz fordulhattak. Az intelligens chatbotot arra tervezték, hogy tájékoztatást nyújtson a gólyáknak a kurzuskínálatból, az egyetemi klubokról és a lehetőségekről a kampuszon. Az Ohio Állami Egyetemen a hallgatónak kötelező elvégezni egy MI-kurzust, hogy folyékonyak megtanuljanak „mesterséges intelligenciául”. A hazai diskurzusban is erősen jelen van a megközelítés, hogy a MI már a realitás része, mivel a munkaerő piacon alapelvárás lesz a hatékony munkavégzés, ezért elsődleges, hogy a hallgatók mielőbb megtanulják, hogyan kell jól használni az MI-t, hogyan kell például jól kérdezni (Promt Eengeneering).
Mi mindenre használható az MI az egyetemeken?
A generatív MI, pontosabban a nagy nyelvi modellek (LLMs) rendkívül hatékonyan képesek ellátni olyan feladatokat, ahol nagy mennyiségű információk, szövegek (és képek, hangfájlok, videók) feldolgozása szükséges. Ezeket sokkal gyorsabban, pontosabban és akár kreatívabban képesek ellátni, ezzel igen hathatós segítséget képesek nyújtani az egyetemi feladatok megoldásában. A kutatók és hallgatók számára másodpercek alatt képes szépen becsomagolva tálalni komplex faladatok megoldását, megírni esszéket, információkat találni és összefüggésekre rámutatni. Számítási és programozási feladatokhoz is kiválóan használható, remek tanulópartner, tud ötleteket, szempontokat adni, de akár szakmai, illetve tudományos álláspontok kialakításának tisztázásában is rendkívül hatékony segítséget nyújthat. Az újabb modellek már a kritikus gondolkodás funkcióval is rendelkeznek, megadott stílusban és szempontok szerint generálnak tudományos igényű szövegeket. Néhány pillanat alatt elkészítenek akár komplett szakdolgozatokat.
Hol kezdődnek a problémák?
Az új technológia olyan sokrétű és változatos felhasználási lehetőségeket biztosít, és mivel folyamatos – és rendkívül gyors ütemű – fejlesztés alatt áll, lényegében nem is lehet áttekinteni sem a felhasználási lehetőségeket (oktatók, hallgatók, tanulók szintjén). Éppen ezért rendkívüli kihívás bármiféle tartós szabályozás, iránymutatás elfogadása. Ennél is nagyobb gond, hogy ha elvi szinten el is lehetne fogadni szabályozást, nincs megfelelő mód annak az ellenőrzésére és kikényszerítésre. Nincs tudomásunk olyan technológiai eszközről, ami teljes biztonsággal képes lenne kiszűrni a MI által generált tartalmakat, nem is beszélve a részben generált vagy inspirált tartalmakról. Vajon ilyen körülmények között mennyiben tölti be feladatát egy otthon megírt esszé vagy akár a szöveges szakdolgozat? Az a tapasztalatom, hogy mivel ezekre a kérdésekre nincs válaszunk, inkább nem is foglalkozunk vele érdemben. Kényszerhelyzet szülte megoldás, hogy sok egyetem a technológia pozitív oldalainak kihasználására fókuszál és – a trend élére állva – igyekszik segítséget nyújtani a hallgatóknak az elérhető megoldásokhoz, elengedve a szabályozás igényét; illetve legjobb esetben is átláthatósági és transzparencia követelményeket fogalmazva meg, bízva az érdekeltek jóhiszeműségében. Általános gyakorlat még, hogy a hallgatók aláírnak egy nyilatkozatot, hogy nem használnak a szöveg megalkotása során MI alkalmazást. De az már sokszor nem tisztázott, hogy ez alatt pontosan mit értünk?
Mit jelent a „lényeges felhasználás” az Oxfordi Egyetem iránymutatása alapján?
A haladó transzparencia-előírásokra egy kiváló példa az Oxfordi Egyetem iránymutatása a generatív MI kutatás során történő felhasználásáról. A 2025 augusztusában elfogadott iránymutatás együtt értelmezendő az kérdések és válaszok a generatív MI használatáról a kutatásban, illetve közösen dolgozták ki az MI Kompetencia Központtal (AI Competence Centre), és Gyakorlati Kutatás Albizottsággal.
Az iránymutatás „lényeges felhasználás” körébe utalja többek között:
- szöveg és adatok elemzését és értékelését (beleértve hang- és képfájlokat);
- szakirodalomkutatást vagy -fordítást;
- kutatási hiányosságok azonosítását;
- kutatási célok meghatározását;
- hipotézisek megfogalmazását;
- elképzelések és ötletek kialakítása során segítséget vagy saját gondolkodásunk fejlesztését;
- kód generálását szintetikus adatok alapján;
- dokumentumok előállítását másik ember munkája, jegyzőkönyvek vagy felvételek alapján.
A dokumentum a kutatással kapcsolatos etikai követelményeket a lényeges felhasználás eseteire vonatkozóan határozza meg – amibe nem tartozik bele a nem anyanyelvi kutatók nyelvi támogatása és felvett szöveg írottá alakítása –, amelyek közül csak egy a transzparencia követelmény. Ez alapján bármilyen lényeges felhasználás esetén – amelybe tehát bele tartozik a tágan vett inspiráció is – a felhasználónak nyilatkozniuk kell a generatív MI felhasználásáról. A nyilatkozatnak tartalmaznia kell az alkalmazás nevét, verziószámát, időpontját, azt, hogy pontosan hogyan került felhasználásra és miként befolyásolta a kutatási folyamatot. Amennyiben releváns, a felhasználóknak a kérdéseket (promtokat) és az arra kapott válaszokat is elérhetővé kell tenni.
Az eddig kifejtettek alapján megítélésem szerint két lényeges, mélyreható problémát kell azonosítanunk, illetve ezt követően egy rövid helyeztértékelést igyekszem tenni.
Az első érdemi kérdés: az etikai megítélés
Az első alapvető kérdés a kialakult helyzet etikai szempontú megítélése. Vajon csalásnak minősül-e számonkérések, beadandó esszék, szakdolgozatok során a generatív MI – akár inspirációs célú – felhasználása, vagy éppen ellenkezőleg a kor követelményeinek való megfelelés? Mintegy, a rendelkezésre álló információ hatékony felhasználása? Ott, ahol van részletes transzparencia követelmény, minek minősül a nyilatkozattétel elmulasztása vagy hiányos megtétele? A probléma gyökere kettős. Egyrészt nagyon sok helyen nincs egyértelmű iránymutatás, másfelől, az nem is számonkérhető vagy kikényszeríthető. (Már csak ezért is sok intézmény eleve lemond bármilyen szabályozási igényről.) De tegyük fel, hogy valaki a legmagasabb etikai követelményeknek kíván megfelelni és el kívánja kerülni a „szürkezónás” helyzeteket is (annak ellenére, hogy jó eséllyel lehetetlen lebukni). Vajon tartható-e ez az ilyen etikai hozzáállás, ahol döntő többség használja a generatív MI-t ezzel is átformálva a viszonyítási alapot és az általános színvonalat? Azaz talpon maradhat-e az olyan kutató/hallgató a versenyben a megváltozott körülmények között, aki hitelességi kérdésként tekint a dologra? (2024-ben az egyetemi polgárok 86%-a használta rendszeresen az MI megoldásokat, lásd ezen a linken )
A második érdemi kérdés: okosabbak leszünk vagy elbutít a MI?
A generatív MI tömeges használatának tágabb hatásaival kapcsolatban egyelőre kevés kutatási eredmény értehető el. A kérdés akár így is feltehető: hogyan hat a genAI kiterjedt használata a kognitív képességekre és mi valójában a célja a felsőoktatásnak? Úgy kell-e tekintenünk rá, mint mondjuk a számológépek elterjedésére, amely csak felgyorsít bizonyos kiegészítő számítási feladatot? Így fölösleges is bármiféle aggodalom ez ügyben, hiszen csak egy olyan technológiai ugrás tanúi vagyunk, mint a könyvnyomtatás megjelenésekor? Egy közelmúltbeli kutatás arra mutat rá, hogy a generatív AI túlzott használata „kognitív lustasághoz” vezethet, egyúttal a tudástranszfer minősége és a tanulási folyamattal kapcsolatos elégedettség, valamint önszabályzott tanulási (self-regulated learning process) képessége érdemben csökken. Ebben a kutatásban empirikus alapon hasonlították össze 1) a ChatGPT által támogatott, 2) humán felügyelettel segített, 3) kiegészítő nyelvi és esszéírást segítő alkalmazást használó, illetve 4) teljesen önállóan dolgozó csoportokra bontott hallgatók eredményeit és megélését. Az esszéírási feladatok során ugyan rövid távon jobb eredményeket ért el a ChatGPT-t használó csoport, de a megszerzett tudás minősége és a tanulással kapcsolatos elégedettség, valamint motiváció hosszabb távon érdemben csökkent. Egy másik az MIT (Massachusetts Instiute of Technology) kutatói által végzet – még nem véglegesen publikált – kutatásban az agyműködés intenzitást, az egyes agyterületek közötti konnektivitást mérték EEG segítségével, esszéírási feladat közben. Itt három csoportba osztották a hallgatókat 1) akik használhattak LLM-et, 2) akik honlapokat és keresőmotorokat használhattak, végül 3) akik csak saját kútfőből dolgozhattak. A legerősebb agyi konnektivitást és legkiterjedtebb agyműködést azok mutattak, akik semmit sem használhattak, míg a legkevésbé intenzív EEG-jeleket azok produkáltak, akik használhattak LLM-et, és sokszor később egy szót sem tudtak felidézni abból, amit írtak.
Így merül fel a kérdés, hogy mi a felsőoktatás feladata. A hatékony feladatmegoldás módszertanának átadása vagy megalapozott elméleti tudás és gondolkodási, érvelési készség kialakítása, azaz az agy „megdolgoztatása”. Van olyan javaslat is, amely ez utóbbit helyezi előtérbe. Ebből következően például egy hollandiai kezdeményezés „betiltaná” a jogi egyetemeken a nyelvi modellek használatát. Az érvelés mögött az áll, hogy az akkurátus jogi nyelvezet elsajátítása „izzadságos munka”, amely nem megspórolható a jogásszá válás útján, nem lehet levágni a kanyarokat.
Záró megjegyzés helyett
A fenti kérdésekre nekem sincs válaszom strukturális szinten, de mivel egyelőre a szakdolgozat például törvényi szintű elvárás a jogi oktatásban, a dolgozatok megszületésének szorosabb kísérése elengedhetetlen. Az is biztosnak látszik, hogy a szóbeli vagy jelenléti papír alapú, illetve számítógépes laborban szabályozott körülmények között végzett vizsgáztatás szerepe felértékelődik. Illetve kitapintható trend, hogy az egyetemek jobb híján engedélyezik – és komoly szerződéseket kötnek – a felsőoktatásra optimalizált LLM modellek alkalmazását (pl. ChatGPT Education), így a technológiai vállalkozások újabb területen diktálják az irányt az emberiség jövőjét meghatározó helyeken.
Nyitókép forrása: jypix / depositphotos.com
