21调查丨“玄学”、误判和偏见:高校检测AI论文背后

艾媒咨询|2023年中国AIGC行业发展研究报告

随着人工智能技术的不断发展,AIGC技术也日益成熟,广泛应用于更多领域,其广阔的应用前景将推动AIGC市场规模快速增长。艾媒咨询预测,预计2023年中国AIGC核心市场规模将达79.3亿元,2028年将达2767.4亿元。

艾媒咨询|2023年中国AIGC行业发展研究报告 精品决策
中国ChatGPT及AIGC消费者行为洞察数据 中国ChatGPT及AIGC消费者行为洞察数据 科技消费 用数据说话

  AI中风险,疑似用ChatGPT生成——这是去年四月,学校查重系统对王宇毕业论文的判定。王宇一下慌了。

  当时ChatGPT惊艳亮相不到半年,教育界一度担心学生有了“作弊神器”。在这一背景下,知名学术查重软件Turnitin率先推出了AI文本检测器,用来识别论文中的AI生成内容。国内的格子达、知网两大查重系统也先后上线了AIGC检测功能,王宇就是第一届被检测毕业论文AI率的学生。

  随着生成式AI快速迭代,规则和技术渐渐填上监管真空期。去年8月提交审议的《学位法》(草案)拟定,人工智能代写属于学术不端行为,严重者可被撤销学位证书。今年1月,Turnitin的AI文本检测成为正式功能,开始像查重服务一样向高校收取费用,一定程度上意味着AI论文检测步入正轨。

  但这没有阻挡学生的使用,高校学生依然是生成式AI的主要用户群。“直接把题目扔给AI让它写一整篇论文,老师肯定一眼就能看出来,我身边已经没什么人这么做了。”刘晨曦告诉21世纪经济报道记者,她的用法是让ChatGPT总结文献、降重、润色,这也是许多学生现在的使用方式。

  不过,刘晨曦的论文还是被标记了25%的AI率,任课老师要求重写。王宇在写毕业论文的过程中没有用到生成式AI,她曾经自己尝试找出有“AI风格”的句子,改了两轮后,“AI率越改越高。”

  AI参与的论文能不能被准确检测?有没有必要检测?AI论文的监管难题,正在困扰全球教育系统。

  查重率低了,AI率高了

  王宇去年毕业于湖南一所大学的商科专业。一开始看到自己的本科毕业论文被标记为“AI中风险”,王宇还不知道问题出在哪里,因为她没用过ChatGPT这样的工具写作。直到老师将教师版本的AI检测报告发过来,王宇才明白,那些AI疑似度高的段落,大多是被自己“降重”过的。

  “降重”指降低重复率。此前在学生中流行的一种降重方法是,用翻译软件多次转换语言,把他人的话快速“转述”为自己的观点。王宇用的就是这种办法,她把一段话先从中文翻译成英文,再将英语译成日文,最后译回中文,以此更换词语和语序,降低与原文的相似度。

  不过办法这一次失灵了。“查重率是低了很多,但被认为是AI写的。”

  王宇学校使用的是格子达查重系统,去年四月开始运行“类AI辅写行为检测”功能。在王宇的个人提交界面,论文被评级为AI中风险。在王宇老师的界面,可以更清晰地查看可疑文本,每一句的AI疑似度分高、中、低三档,辅写工具均判定为ChatGPT。

  除了格子达和知网,AI检测工具尚未在国内高校全面铺开。相比之下,Turnitin查重系统在海外应用更广,检测也更细致。刘晨曦在加拿大上学,去年十二月,她的一篇论文在Turnitin中显示AI率25%——意思是25%的文本疑似由AI生成。老师因此让她重写,并且无论如何都要扣除25%的分数。

  这篇论文是刘晨曦英语文学课的结课作业,主题是比较两部文学作品。写论文时,她先跟ChatGPT最新的GPT-4大模型讨论写作方向,得到了比较两位俄国女诗人的灵感。接着让GPT-4查找文献,自己写出大纲和草稿。最后再让GPT-4降重、润色。最终论文里有多少属于AI,多少属于自己,她很难区分清楚。

  刘晨曦说,GPT-4直接输出论文仍然很生硬,编造文献不少,“还不如自己写”。但比起传统的降重方法,ChatGPT的优势是可以精准“调教”,比如改写特定的句子,或者解释复杂概念。在找文献上也更快捷,原本需要检索两到三天的文献,GPT-4几个小时就能整理完毕。

  根据Nerdynav的调查,43%的大学生用过生成式AI完成作业。英国媒体The Lab统计发现,罗素大学集团下的八所大学,对ChatGPT的访问量在两个月内高达100万。其中12月和1月是校园网络访问ChatGPT的高峰期,正是考试集中月。多位受访学生告诉记者,AI一键生成的论文意义不大,基本达不到学校要求。学生现在的主要用法是总结文献、降重、润色语言,本质还是他们曾经抄过的一条“捷径”。

  划下AI率红线后,这条“捷径”走不通了。从去年夏天起,小到随堂感想,大到结课论文,刘晨曦的学校都要求AI率为0%。

  王宇学校规定,毕业论文必须为AI低风险。她把被标记为AI的句子用自己的“大白话”重新描述,在修改了6个版本后,论文终于变为AI低风险。“这是个玄学。”王宇形容。

  上世纪论文也被判定为AI

  多所高校都发布过AI论文禁令。最早开始的是美国纽约教育局,其限制在学校Wi-Fi网络环境中访问ChatGPT。英国大学尤其注重学术诚信,牛津、剑桥、帝国理工等28所英国大学都曾宣布,在论文和课程作业中不当使用AI,将被视为违反学术诚信的行为,严重者可能被开除学籍。香港大学也表示,学生在课程作业中使用AI需要老师批准,否则可以按作弊处理。

  AI检测技术的影响是立竿见影的。Tunitin上线AI检测器的一个月内,全球有超过一万所中高等教育机构激活了这款工具。除了Turnitin,市面上还流行GPT Zero、 Copyleak等AI检测工具,大多向个人免费开放。

  一留学中介在社交媒体上分享,2023年在英国留学生中,AI代写论文的学术听证会数量,已经超过人工代写。“AI检测率高是很石锤的学术不端。”

  但AI检测器准确吗?石白在美国加州大学系统下的一所大学担任助教,她告诉记者,如果论文全篇用AI生成,有经验的助教一眼就能看出来。去年秋季学期,她的课上就有两篇论文属于这种情况。“用词华丽空洞,而且引用的文献基本不存在。”石白搜索了一款AI检测工具,99%的检测结果帮她肯定了自己的猜测。

  被怀疑有AI参与的论文还有三到四篇,AI率在30%~40%之间,但石白没有追究。一个原因是,她熟悉其中一位学生的写作风格,其写法一直比较华丽;另一方面,有其他助教曾经检测了自己的原创论文,AI率也有30%~40%,这让石白觉得AI检测工具还不够可靠。

  刘晨曦用五篇AI参与程度不同的论文,测试了市面上的主流AI检测工具,得出的结论是:除非完全不用任何工具,否则都有AI含量。比如,去年十二月,她让GPT-4润色了知名哲学家朱迪斯·巴特勒、斯拉沃热·齐泽克的两篇论文,前者在Turnitin检测出的AI率为51%,后者为34%。

  “而且巴特勒本人就喜欢用生僻词语、长难句写作,哪怕直接提交她在上个世纪发表的论文,也显示有AI内容。”刘晨曦补充道。

  尽管许多AI检测工具声称误判率在1%之内,但在使用过程中,误判概率似乎远高于官方数字。最大的误判区是语法工具、翻译软件和润色功能,一些固定的个人写作风格也可能被误伤。

  对于可能出现的误判,Turnitin的解释是:“AI检测器会识别书写过于一致、平均的模式,而许多人的写作水平可能就属于平均模式。” 这也是市面上大部分AI检测器的说法。

  简单来说,人类往往会综合使用长短句,而AI 的句子更单调。此外,人类的文本通常还有复杂的转折、非典型的逻辑结构,让AI无法准确工具测下一个词语。这两个影响因子决定了,一些遵循“写作模板”的论文,可能被误认为是AI作品。至于这些模板究竟是什么,具体如何运作,几乎没有AI检测器能够提供解释。就像AI一样,目前AI检测的技术原理也处于黑箱之中。

  考虑到存在误差,许多AI检测工具都发布了“免责声明”。比如Turnitin建议,不把AI率当作唯一标准,希望老师综合专业经验以及对学生的了解做判断。

  使用界限模糊

  北京大学教育学院学习科学实验室执行主任尚俊杰在采访中告诉21记者,目前AI检测器的意义,主要是监督明显的学术不端行为,比如直接用AI生成全文。

  还有一种情况是,AI灵活应用在整个研究和写作过程中。此时的核心问题在于,哪些行为算学术不端,哪些行为算合理使用?简单用数字高低判断并不科学,划分界限是个难题。

  论文被检测出25%的AI率、判定为抄袭后,刘晨曦将每一阶段的草稿、文献整理笔记、浏览器搜索历史发给老师,证明论文是自己的原创作品,成功争取到了老师的认同。不过,申诉中介让她不要跟老师提到ChatGPT,于是她谎称用的是另一款老牌写作工具Grammarly。

  Grammarly是上一波人工智能浪潮的产物,主要用来纠正语病、润色语句,不少欧美大学的写作指导中心甚至会鼓励学生先用Grammarly批改作业。“严格意义上,用辅助工具都算作弊。但老师比较能理解这些软件的作用,所以我只能这么说。”刘晨曦解释。

  既是在读博士,又为大一、大二学生授课的石白,一方面能理解学生用AI写论文,因为她也常用ChatGPT做论文的前期准备,比如做表格、搜文献;另一方面,她认为本科生无法把握使用的边界,所以才会在教学大纲中完全禁止学生使用AI。

  多位受访学生提到,求助AI的一个原因是学术能力有限。“本科生的论文没什么学术含金量,这种综述性的作业,大家都是找几篇论文凑一凑观点,再找工具改一改。”王宇说,只要不涉及数据造假、文献造假,她觉得用AI写论文没有什么问题。

  但在石白看来,学术论文是观察、思考、提问、论述的完整过程。一篇名为《感谢ChatGPT揭露本科论文的平庸》的文章写道,本科论文的重点是教育,而不是知识的进步。最关键的是训练和展示学生处理信息的能力,不是产出有价值的知识。“如果一直依赖ChatGPT得到结果,就不会经历批判思维的训练过程。而过程才是我想让学生学习的。”石白说。 

  华盛顿大学的一位教授在《大西洋月刊》上表示,被识别出AI内容的论文可能介于完全没用AI,工具者100%用AI之间。学生究竟怎么使用、用法是否错误,AI检测工具无法回答,师生间诚实的沟通变得越来越重要。

  教育规则的反思和变革

  AI检测器难以解决的监管难题,反映出一个更深层次的困扰:如何处理AI和教育的关系?

  尚俊杰告诉记者,技术革新一直在影响着教育系统。上世纪的学生需要去图书馆逐本翻阅文献,一遍遍用手誊写论文。搜索引擎和电子文稿软件普及之后,学生可以直接在网上检索文献、复制粘贴、比较分析、归纳总结,大大提升了工作效率。可以说,计算机在整个研究和论文写作过程中起到了巨大作用,应用AI是必然趋势。

  在尚俊杰看来,AI对高等教育是一次新的提升机会,也提出了更大的挑战。引导学生合理使用AI,需要重新思考教育系统的“游戏规则”。

  石白认为,应对生成式AI的冲击,课程设置和考核方式很重要。她观察到,学生用AI写论文,往往跟论文难度有关。比如她发现有数篇AI论文的课程,“学生才刚接触学术写作,老师对论文字数、文献引用数量的要求又很高,其实超过了学生的能力范围。” 另一门课的论文要求相对合理,而且着重于学生批判、思考的基础能力,石白在这门课上几乎没有发现AI代写论文。

  近几个月,包括西北大学、德克萨斯大学奥斯汀分校在内的几所美国高校宣布关闭Turnitin的AI检测服务,并放宽对AI的限制。此前澳洲的多所大学尝试转变考核方式,减少标准考卷,采用更多的口头报告、现场演示。

  还有一些学校开始积极拥抱AI。今年1月,美国亚利桑那州立大学引入ChatGPT企业版,成为第一个与OpenAI合作的高等教育机构。该校校长表示:“AI将成为帮助学生提高学习效率,更全面地理解学科的工具。此次合作反映了我们的理念和承诺——我们要直接参与到人工智能学习技术的发展过程中。”

  尚俊杰指出,在人工智能时代,学生应该做什么、学什么、怎么学,成为一个很重要的问题。“对于现在的高校学生,我们要求他们具有一定的计算机能力。在未来,什么能力是学生需要具备的?哪些能力将与AI挂钩?”斯坦福大学机器人及未来教育项目主任蒋里曾预测,未来学生的能力会被分成两种:一种是单打独斗的能力,不借助任何AI工具的帮助;另一种是AI加持下的能力,这可能是今后最为重要的能力。不同的能力要求,将重塑人才培养模式。

  从更长远的尺度看,当AI全面参与研究过程,学术规范等诸多规则也会迎来改变。例如尚俊杰提到,在文章中如何提及AI的贡献,AI能否列为论文作者,乃至如何定义学术诚信、学术剽窃,都是未来会面临的问题。

  “AI应用于高等教育已经是必然趋势,需要鼓励正确使用,而不是一刀切的禁令。人类要探索的新问题是,在人工智能时代下,怎样构建新的学术规范和伦理规则。”尚俊杰说。、

  (应受访者要求,王宇、刘晨曦、石白为化名) 

艾媒咨询|2023年中国AIGC行业发展研究报告

随着人工智能技术的不断发展,AIGC技术也日益成熟,广泛应用于更多领域,其广阔的应用前景将推动AIGC市场规模快速增长。艾媒咨询预测,预计2023年中国AIGC核心市场规模将达79.3亿元,2028年将达2767.4亿元。

艾媒咨询|2023年中国AIGC行业发展研究报告 精品决策
中国ChatGPT及AIGC消费者行为洞察数据 中国ChatGPT及AIGC消费者行为洞察数据 科技消费 用数据说话