Plagiat za pomocą AI: niewidzialna epidemia w szkolnictwie

Kiedy kalkulator staje się autorem

Gdy w listopadzie 2022 roku OpenAI udostępniło ChatGPT publicznie, pojawiało się powszechne przekonanie, że narzędzie trafi głównie do programistów i dziennikarzy. Rzeczywistość przerosła przewidywania — w ciągu dwóch miesięcy liczba aktywnych użytkowników przekroczyła sto milionów, a wśród nich dominującą grupę tworzyli studenci. Według badań Tyton Partners z 2023 roku, już połowa studentów w Stanach Zjednoczonych używała narzędzi generatywnej sztucznej inteligencji do zadań szkolnych w pierwszym semestrze po premierze ChatGPT.

Dla systemów edukacji był to moment, w którym dotychczasowe definicje plagiatu okazały się niewystarczające. Tradycyjne programy antyplagiatowe, takie jak Turnitin czy JPlag, porównują pracę z bazą istniejących tekstów. Tekst wygenerowany przez model jest jednak pod każdym względem — składniowym, leksykalnym, strukturalnym — nowy. Nie zostawia śladów w żadnej bazie.

Detektory i ich granice

Odpowiedzią rynkową na falę generowanych prac były detektory AI: GPTZero, Originality.ai, Winston AI, moduł wbudowany w Turnitin. Wszystkie one opierają się na analizie cech statystycznych tekstu — rozkładu słów, powtarzalności struktur, złożoności zdaniowej i tzw. perplexity, czyli miary przewidywalności kolejnego elementu. Im wyższa przewidywalność, tym większe prawdopodobieństwo, że tekst wygenerował model językowy.

Problem w tym, że detektory nie są rozstrzygające. Badania zespołu profesora Lianga z Uniwersytetu Stanforda z 2023 roku wykazały, że systemy detekcji AI klasyfikują błędnie około dziesięciu procent tekstów autorstwa osób ni native speaker — czyli takich, których angielski jest językiem drugim. W praktyce oznacza to, że studenci zagraniczni są oskarżani o plagiat znacznie częściej niż ich koledzy wyrastający w anglosaskiej intuicji językowej.

W Polsce sytuacja wygląda podobnie. Systemy te nie są przystosowane do specyfiki języka polskiego, mają problemy z idiomami, regionalizmami i konstrukcjami charakterystycznymi dla humanistyki.

Anatomia naruszenia etyki akademickiej

Trudno mówić o plagiacie rozumianym klasycznie, bo model nie kradnie fragmentów cudzego tekstu — produkuje nowe odpowiedniki. Mimo to uczelnie kwalifikują to jako oszustwo akademickie. Na Uniwersytecie Warszawskim, Uniwersytecie Jagiellońskim czy Politechnice Warszawskiej wprowadzono w 2023 i 2024 roku regulaminy wymagające od studenta oznaczania, które fragmenty pracy powstały z pomocą narzędzi AI. Przeoczenie oznacza postępowanie dyscyplinarne.

Regulacje te pozwalają uczelniom na interwencję, ale nie rozwiązują problemu egzekwowania. Wobec zawodności detekcji, promotorzy i komisje egzaminacyjne oceniają pracę z większą ostrożnością. Wymaga się od studenta reprodukcji argumentacji podczas obrony pracy, niektóre wydziały przenoszą część zaliczeń na żywe dyskusje, pytania otwarte i eseje pisane w izolacji.

Co to w ogóle znaczy napisać?

Poważniejszym wyzwaniem nie jest to, jak wykryć oszustwo, ale jak przedefiniować, co znaczy samodzielnie napisana praca. W świecie, w którym autor i redaktor zwykle współpracują, a edytor tekstu sugeruje słownictwo i poprawia składnię, granica między redakcją a autorstwem zawsze była nieostra.

Jeżeli język naturalny przestaje być wiarygodnym dowodem autorskiej obecności, uczelnie muszą pytać o coś innego. O umiejętność argumentacji, o zdolność do krytycznej oceny źródeł, o świadomość własnych wyborów. To wymaga jednak przebudowy form zaliczeń — z modelu oddaj pracę za trzy tygodnie na model interaktywny, oparty na dialogu i uzasadnianiu.

Rynkowe odpowiedzi

Coraz więcej uczelni sięga po technologie nie tyle antyplagiatowe, co weryfikujące autorstwo. Sesje rozmów z promotorem, w których student odpowiada na pytania dotyczące swojej pracy, stają się praktyką w co najmniej kilku instytucjach. Odpowiedzi są istotniejsze niż jakikolwiek wynik detektora.

Niektóre szkoły przechodzą na model oceny procesu, nie wyniku — weryfikują kolejne wersje robocze, konspekty, notatki i szkice. Innym razem edytory tekstu, takie jak Google Docs czy Overleaf, oferują zapis historii zmian, co pozwala sprawdzić, czy w toku pracy student rzeczywiście samodzielnie rozłożył argumenty na czynniki.

Spór nie będzie krótki

W perspektywie kilkunastu najbliższych lat nie należy oczekiwać technologicznego rozstrzygnięcia. Detektory poprawiają się, modele generatywne także — i przez to stają się trudniejsze do wykrycia. Za każdym razem, gdy detektor osiąga nowy poziom precyzji, kolejna wersja modelu przesuwa granicę.

Edukacja ma szansę wyjść z tego kryzysu wzmocniona, ale tylko pod warunkiem że przestanie traktować zaliczoną pracę jako dowód przyswojonej wiedzy. Prawdziwym dowodem pozostaje to, co studenci potrafią wyjaśnić broniąc swoich tez — niezależnie od tego, czy zapiszą je piórem czy na klawiaturze.