మొదటి చాట్బాట్ డ్రాఫ్ట్ సుమారు రెండు సంవత్సరాల క్రితం ఒక ఉపాధ్యాయుని ఇన్బాక్స్కు చేరుకుంది, అప్పటి నుండి పరిస్థితి మరింత వేగవంతమైంది. ఒక విద్యార్థి ఇప్పుడు ChatGPTని 'గ్రేట్ డిప్రెషన్' (Great Depression) కారణాల గురించి లేదా The Great Gatsby లోని సంకేతాల (symbolism) గురించి ఐదు పేరాగ్రాఫ్లు రాయమని అడగవచ్చు మరియు పెన్సిల్ను చెక్కిన సమయం కంటే తక్కువ సమయంలోనే ఒక సమగ్రమైన సమాధానాన్ని పొందవచ్చు. విద్యావేత్తలకు, ఇది విద్యాపరమైన సమగ్రత (academic integrity) యొక్క స్వభావాన్ని మార్చేసింది. వారు ఇకపై కేవలం సాంప్రదాయ ప్లేజియరిజం (plagiarism) కోసం మాత్రమే వెతకడం లేదు, అంటే ఒక మనిషి మరొక మనిషి పనిని కాపీ చేయడం. వారు సింథటిక్ ప్రోజ్ (synthetic prose) కోసం కూడా వెతుకుతున్నారు—అంటే మనిషి రాసినట్లు అనిపించేలా ఉన్నప్పటికీ, ఎటువంటి అవగాహన, జ్ఞాపకాలు లేదా వాదనలో ఆసక్తి లేని ఒక మోడల్ ద్వారా రూపొందించబడిన వచనం.
వాయిస్ అకస్మాత్తుగా మారినప్పుడు
ఉపాధ్యాయులు ప్రతి సెమిస్టర్లో వందలాది విద్యార్థుల వ్యాసాలను చదువుతారు. కాలక్రమేణా, వారు ప్రతి విద్యార్థి యొక్క ప్రత్యేక శైలిని (cadence) గుర్తించగల సామర్థ్యాన్ని పెంచుకుంటారు. వారు అలవాటుగా వాడే కామాలు, తరచుగా ఉపయోగించే పదబంధాలు, ఒక నిర్దిష్ట విద్యార్థి ముగింపును రాసే విధానాన్ని గమనిస్తారు. వారు ఆశించిన శైలికి ఏమాత్రం దగ్గరగా లేని వ్యాసం వచ్చినప్పుడు, వారు దానిని మరింత నిశితంగా పరిశీలిస్తారు.
ఇది మెరుగుదలను శిక్షించడం గురించి కాదు. మంచి ఉపాధ్యాయులు విద్యార్థుల ఎదుగుదలను చూడటానికే ప్రాముఖ్యత ఇస్తారు. కానీ క్రమంగా తమ వాక్య నిర్మాణాన్ని (syntax) మెరుగుపరుచుకున్న విద్యార్థికి, ఎనిమిది నెలల పాటు సరళమైన వాక్యాలతో రాసి, అకస్మాత్తుగా ఒక మెరుగైన లీగల్ బ్రీఫ్ (legal brief) లాంటి వ్యాసాన్ని సమర్పించే విద్యార్థికి మధ్య తేడా ఉంటుంది. ఆ వచనం అద్భుతంగా ఉండవచ్చు, కానీ అది సాధన ద్వారా వచ్చిన అనుభవం లేకపోవడం వల్ల అప్పు తెచ్చుకున్నట్లుగా అనిపిస్తుంది. అకస్మాత్తుగా కనిపించే ఆ పరిణతి (sophistication) తరచుగా మొదటి క్లూ (clue) అవుతుంది.
వృత్తిపరమైన ఉపరితలం, శూన్యమైన కేంద్రం
AI ద్వారా రూపొందించబడిన రచనలు ఒక వింతైన ఖచ్చితత్వాన్ని (uncanny valley of correctness) కలిగి ఉంటాయి. వ్యాకరణం సరిగ్గా ఉంటుంది. వాక్యాల మధ్య అనుసంధానం (transitions) సాఫీగా ఉంటుంది. అయినప్పటికీ, ఆ వచనం విషయాన్ని లోతుగా విశ్లేషించకుండా, దాని పైన మాత్రమే తేలుతున్నట్లు ఉంటుంది. ఉపాధ్యాయులు తరచుగా ఈ గుణాన్ని "వృత్తిపరమైన సాధారణత" (professionally generic) అని వర్ణిస్తారు.
Romeo and Juliet పై ఒక వ్యాసాన్ని పరిగణించండి. ఒక విద్యార్థి రచయిత మెర్క్యుషియో (Mercutio) యొక్క చిన్న పాత్రపై దృష్టి పెట్టవచ్చు, ఒక సన్నివేశాన్ని ఆసక్తికరమైన రీతిలో తప్పుగా అర్థం చేసుకోవచ్చు, లేదా కుటుంబ పోరాటాన్ని వారి స్వంత సమాజంలోని సంఘర్షణతో పోల్చవచ్చు. థీసిస్ (thesis) గందరగోళంగా ఉండవచ్చు, కానీ అది ఖచ్చితంగా పాఠంతో పోరాడుతున్న ఒకే ఒక మనస్సు యొక్క ఉత్పత్తి అని తెలుస్తుంది. దీనికి విరుద్ధంగా, AI డ్రాఫ్ట్ తరచుగా కథాంశాన్ని ఖచ్చితంగా సంగ్రహిస్తుంది, మూడు సార్వత్రిక అంశాలను జాబితా చేస్తుంది మరియు ప్రేమకు త్యాగం అవసరమని ముగిస్తుంది. అది సరైనదే, కానీ శూన్యమైనది కూడా. ఆ రిస్క్ లేకపోవడం—అంటే విభిన్నమైన అభిప్రాయం లేకపోవడం, లోపభూయిష్టమైనా నిజమైన అంతర్దృష్టి లేకపోవడం—రచయిత విద్యార్థి కాదని చెప్పడానికి అత్యంత నమ్మదగిన సూచికలలో ఒకటి.
ఎక్కడికీ దారితీయని రిఫరెన్సులు
మరొక హెచ్చరిక సంకేతం (red flag) ఏమిటంటే, ఊహాజనితమైన సైటేషన్లు (hallucinated citation). ChatGPT మరియు ఇటువంటి సాధనాలు అప్పుడప్పుడు పుస్తకాలు, జర్నల్ ఆర్టికల్స్ మరియు రచయితలను కూడా సృష్టిస్తాయి. ఆ వివరాలు విద్యాపరమైన శీర్షికలు, ప్రచురణకర్తల పేర్లు మరియు ప్రచురణ సంవత్సరాలతో సహా నిజమైనవిగా అనిపించవచ్చు, కానీ వాటికి వాస్తవంతో ఎటువంటి సంబంధం ఉండదు.
అనుభవజ్ఞులైన ఉపాధ్యాయులు మూలాలను (sources) ధృవీకరిస్తారు. వారు శీర్షికలను Google Scholarలో వెతుకుతారు, క్యాంపస్ లైబ్రరీ డేటాబేస్లో వెతుకుతారు లేదా రచయిత పేరును సెర్చ్ ఇంజిన్లో వెతుకుతారు. ప్రతి సైటేషన్ ఒక నిరర్థకమైన ముగింపుకు దారితీసినప్పుడు, ఆ వ్యాసం యొక్క విశ్వసనీయత దెబ్బతింటుంది. బిబ్లియోగ్రఫీలను (bibliographies) తనిఖీ చేయడం ఎప్పుడూ సీరియస్ రీసెర్చ్ శిక్షణలో భాగంగానే ఉంది, కానీ ఇప్పుడు చిన్న విశ్లేషణాత్మక వ్యాసాల కోసం కూడా ఇది ప్రామాణిక పద్ధతిగా మారుతోంది. 'వర్క్స్-సైటెడ్' (works-cited) పేజీ అనేది ఇప్పుడు కేవలం ఫార్మాటింగ్ వ్యాయామం మాత్రమే కాదు; అది ఒక సమగ్రత తనిఖీ కేంద్రం (integrity checkpoint).
డిటెక్షన్ సాఫ్ట్వేర్ యొక్క పరిమితులు
సింథటిక్ టెక్స్ట్ పెరుగుదలకు ప్రతిస్పందనగా అనేక జిల్లాలు AI-డిటెక్షన్ సాధనాలను లైసెన్స్ చేసుకున్నాయి. ఈ ప్రోగ్రామ్లు మెషిన్-జనరేటెడ్ ప్రోజ్లో సాధారణంగా ఉండే గణాంక నమూనాలను (statistical patterns)—తక్కువ పెర్ప్లెక్సిటీ (perplexity), ఊహించదగిన వాక్య నిర్మాణాలు, పునరావృతమయ్యే లయ—తనిఖీ చేస్తాయి. అవి ఉపయోగకరంగా ఉండవచ్చు. అధిక సంభావ్యత స్కోరు (high probability score) ఒక ఇన్స్ట్రక్టర్కు మరింత జాగ్రత్తగా పరిశీలించడానికి కారణం చూపుతుంది.
కానీ ఈ సాధనాలు పరిపూర్ణం కావని ఉపాధ్యాయులకు తెలుసు. ఇవి కొన్నిసార్లు తప్పుడు ఫలితాలను (false positives) ఇస్తాయి, ముఖ్యంగా ఇంగ్లీష్ మాతృభాష కాని వారు లేదా సహజంగానే ఫార్మల్ మరియు క్రమబద్ధమైన శైలిని అనుసరించే విద్యార్థులు రాసిన వచనాల విషయంలో. డిటెక్షన్ శాతాన్ని ఎప్పుడూ మోసానికి నిరూపణగా పరిగణించకూడదు. చాలా మంది విద్యావేత్తలు ఈ సాఫ్ట్వేర్ను అనేక క్లూలలో ఒకటిగా ఉపయోగిస్తారు తప్ప, అది ఖచ్చితమైన నిరూపణ (smoking gun) అని భావించరు. ఈ సాధనం మానవ తీర్పుకు మద్దతు ఇస్తుంది; కానీ దానికి ప్రత్యామ్నాయం కాలేదు.
ఆలోచనాపరుడు లేని విశ్లేషణ
లార్జ్ లాంగ్వేజ్ మోడల్స్ (Large language models) వాస్తవాలను బాగా సంగ్రహిస్తాయి. కానీ అవి అందించలేక పోయేది నిరంతర విమర్శనాత్మక ఆలోచన (critical thinking) లేదా నిజమైన వ్యక్తిగత ప్రతిబింబం (personal reflection).
ఉదాహరణకు, ఒక చరిత్ర అసైన్మెంట్లో, ఒక AI విప్లవానికి గల ఆర్థిక, రాజకీయ మరియు సామాజిక కారణాలను పాఠ్యపుస్తక ఖచ్చితత్వంతో జాబితా చేయవచ్చు. కానీ ఆ కారణాలను ఒకదానితో ఒకటి పోల్చి చూడటం, ప్రామాణిక కథనాన్ని సవాలు చేయడం లేదా ఆ సంఘటనను విద్యార్థికి నిజంగా ఆసక్తి ఉన్న సమకాలీన అంశంతో అనుసంధానించడం వంటివి అది సులభంగా చేయలేదు. మానవ రచయితలు తమ ప్రత్యేకత ద్వారా తమను తాము చాటుకుంటారు. వారు చూసిన ఒక డాక్యుమెంటరీని, తల్లిదండ్రులతో జరిగిన సంభాషణను లేదా మూడు వేర్వేరు యూనిట్లలో వారు గమనించిన ఒక నమూనాను ప్రస్తావిస్తారు. AI-జనరేటెడ్ టెక్స్ట్లో ఇటువంటి ఆధారాలు చాలా అరుదుగా ఉంటాయి, ఎందుకంటే యంత్రానికి ఉపయోగించుకోవడానికి అనుభవాలు లేవు మరియు సమర్థించుకోవడానికి అభిప్రాయాలు లేవు.
ఐదు నిమిషాల సంభాషణ
అత్యంత పాత పద్ధతుల్లో ఒకటి ఇప్పటికీ అత్యంత ప్రభావవంతంగా ఉంది: ఆ పని గురించి మాట్లాడమని విద్యార్థిని అడగడం.
ఒక ఉపాధ్యాయుడు ... సమయంలో విద్యార్థిని పక్కకు పిలిచి