Az első változást az internetre feltöltött videók jelentették. A Z generáció tagjai egyes felmérések szerint napi három órát töltenek internetes videók nézésével. Elsődleges médiafogyasztásuk a telefonjukhoz köthető. Ők az első olyan generáció, amelyik igazán vizuálisnak mondható. A 2009. után született alfa generációról még keveset tudni, de ebben a tekintetben biztosan csak erősödött (súlyosbodott?) a helyzet. Mivel ennek a két generációnak ez az elsődleges kommunikációs formája (erre önmagában a TikTok sikere bizonyíték), a videós tartalmak száma exponenciálisan megnőtt, beleértve az oktatóvideókat is. A COVID alatti videókonferenciás előadások felébresztették az egyetemeket is mélyalvásukból. Megindult valamiféle reformfolyamat, hogy az előadásokat visszanézhetővé tegyék. Erre a 90 perces standard egyetemi előadások túlnyomórészt alkalmatlanok. A Statista adatai szerint a 2023 márciusa és augusztusa között feltöltött, legalább 500-as nézőszámú TikTok videók átlagos hossza 34 másodperc - azaz a célcsoport nemhogy 90, de kilenc perces videókhoz sincs hozzászokva.
A második változás az integrált online kurzusok megjelenése. Tankönyveket és előadásfóliákat már korábban is feltöltöttek az internetre. Az elmúlt 10-15 évben azonban gombamód elszaporodtak azok az ingyenes, vagy legalábbis olcsó internetes kurzusok (lásd Codeacademy 2011, Coursera 2012, DataCamp 2013, stb.), amelyek egy teljes egyetemi tárgy anyagát integráltan (elméletet/gyakorlatot átfogóan) át tudják adni. Az online felületen éppúgy megtalálhatóak rövid, max. 3 perces videók, amelyek az egyetemi előadás legfontosabb elemeit emelik ki, mint gyakorlati feladatok vagy kvízek. Ráadásul mindezt beépített programozási környezettel kínálják, tehát a felhasználónak még telepíteni sem kell hozzá egyéb programokat.
Minden adva van tehát ahhoz, hogy pár unalmas buszút alatt elvégezhető legyen egy egyetemi kurzus.
A harmadik változás azonban az igazi atombomba.
A mesterséges intelligenciák megjelenése teljesen le fogja rombolni az egyetemi (és hosszabb távon a teljes közoktatás) jelenlegi kereteit. Az alap és mesterfokú képzés csúcsát jelentő diplomamunka értéke lényegében lenullázódott. A chatGPT jellegű mesterséges intelligenciák rutinból írnak esszét a humán papillóma vírus elterjedéséről vagy a jegybanki politika szerepéről – esetleg a HPV szerepéről a jegybank terjedésében (?!) – a felhasználónak tetsző stílusban és terjedelemben. Ugyanígy eljelentéktelenedik a hallgatók számára előírt értekezéseknek és tanulmányoknak a szerepe.
Természetes gondolat, hogy az újítások egy részét beemeljük az oktatásba. Haladni kell a korral. Jelen sorok szerzői úgy gondolták, hogy a mesterséges intelligenciát (MI) nem tiltani kell, hanem megmutatni, miként válhat egy igen hatékony eszközzé a tanulás és a munka során. A cél, hogy az MI kiegészítője és ne helyettesítője legyen a tudásnak. A munkaerőpiacon ugyanis azok lesznek igazán sikeresek, akik ki tudják aknázni az új technológiában rejlő lehetőségeket. Éppen ezért két szemeszteren keresztül megengedték a hallgatóknak, hogy a chatGPT-szerű mesterséges intelligenciákat mind a gyakorlatokon, mind a vizsgán teljes körűen felhasználják. Mindezt egy olyan kurzus során, melyben matematikai modelleket kell építeni (javarészt) gazdasági problémák megoldására, ezeket számítógépes környezetben implementálni és a konkrét problémákra optimális megoldást találni.
Kiemelendő, hogy 2023 tavaszán ennek a módszertani fogásnak sokkal kisebb volt a hatása: míg akkoriban elvétve élt néhány hallgató MI-eszközökkel, a következő szemeszterre ez teljességgel átfordult. Ilyen környezetben alig akad olyan hallgató, aki ne hagyatkozna valamilyen MI-megoldásra még a legtriviálisabb probléma esetén is.
Gondoljunk csak arra, hogy az átlagember tájékozódási képessége mennyit esett vissza az elmúlt 20 évben, köszönhetően a navigációs szoftverek, a mobil internet és a kapcsolódó eszközök elterjedésének. Vagy hosszabb időtávon összevetve, vajon hányan tudjuk a legközelebbi hozzátartozónk telefonszámát? Klasszikus, papíralapú számonkérés során a hallgatók zöme beírja a számológépbe, hogy 4, csillag, 3, egyenlő, és meglepetéssel vegyes elégedettséggel nyugtázza az eredményt. Nincs abban semmi természetellenes, hogy kihasználjuk a könnyű utat egy megoldás megtalálásához. Ami speciálissá teszi ezt a konkrét szituációt az az, hogy az adott problémára megoldást kereső folyamatot váltja ki az MI olyankor is, amikor maga a folyamat a cél.
Ezt a folyamatot nem érdemes alábecsülni, ugyanis nem mindig érdemes a könnyűnek látszó utat választani.
Más területekre is igaz ez, de technikailag összetett, absztrakt, kvantitatív problémákra végképp: „A matematikához nem vezet királyi út” felelte Ptolemaiosznak, Egyiptom királyának Euklidész, mikor ő arra kérte, hogy magyarázza el főművének, az Elemeknek a jelentőségét röviden. A mondás általánosan is igaz. A tudásért és képességekért egyaránt meg kell küzdeni. Az egyetemi képzés hasonlatos kéne, hogy legyen egy edzőtáborhoz. Éppen ezért a szerzők nagy hangsúlyt fektettek arra, hogy a kurzus folyamán kiemeljék, milyen veszélyeket rejt magában, ha túlzottan az MI-re hagyatkozik az ember: példákat mutattak arra, milyen magabiztosan tud értelmetlen válaszokat generálni, és rávilágítottak, hogy sokszor még az elfogadhatóhoz közeli válaszok esetén sem sikerült a legalapvetőbb képességeket sem elsajátítani a problémák megoldása során.
Az iménti példa mentén gondoljunk csak bele, ha A-ból B-be tartva már induláskor nem áll rendelkezésünkre semmilyen napjainkban természetes digitális eszköz, akkor egy hagyományos papír térképpel is sokra mehetünk. Ha menet közben félúton húzzák ki alólunk a ’digitális talajt’, ugyanez a feladat sokkal nehezebbé válik. Mindezek tudatában a szerzők a hallgatók felé erőteljesen kommunikált egyik elsődleges célja az volt, hogy amennyire lehet, vértezzék fel őket az MI lehetséges átverései ellen: ilyen eszközöket használni ebben a környezetben teljességgel logikus döntés, de csak akkor, ha képesek vagyunk validálni az eredményeket. Tapasztalatunk szerint azonban az egyetemi hallgatók nagy része akkor is nyugodt szívvel dől hátra, engedi el a kormányt, és kezdi például a telefonját nyomkodni, vagy gyönyörködni a tájban, ha valaki egy 35 éves Trabantról állítja neki azt, hogy az egy önvezető autó.
Ennek megfelelően az elmúlt két év tapasztalata alapján a kísérletünk közel katasztrofális eredményekkel végződött.
Először is a hallgatók kezdettől fogva demotiválttá váltak a tanulásra. Minek szorozni megtanulni, ha mindig van nálunk számológép? Alsó tagozatban és középiskolában talán működik a hatalmi szó, felnőtt embereket azonban sokkal nehezebb meggyőzni arról, hogy a folyamat többet számít, mint a végeredmény. Van egy elképzelés arról, hogy az iskola az alapműveltségért felel, míg az egyetemen már csak olyan dolgot tanul az ember, amire a munka világában igazán szükség van. Ez a kép teljességgel hamis. Egyrészt azért, mert az egyetemnek más céljai is vannak azon kívül, hogy a munkára felkészítsen (pl. tudományos utánpótlás nevelése). Másrészt még akkor is képtelenség lenne csak felhasználható tudást átadni, ha kizárólag ez volna a cél. Túlságosan sokféle szakma merít ugyanarról az egyetemről, mintsem hogy szakosodással le lehetne fedni a lehetséges munkahelyeket. Ráadásul a követelmények folyton változnak, hamar elavulhat a tudás, úgyhogy érdemes inkább a készségeket fejleszteni, illetve kitekintést nyújtani. A hallgatók azzal szembesülnek, hogy kínkeservesen kéne olyan modelleket megtanulni, amelyeket, ha szükség van rá, akár pár gombnyomással képesek generálni.
Másodsorban a becsületesen küzdő hallgatók, akik hajlandóak erőfeszítést tenni az anyag elsajátítására, azt tapasztalják, hogy rosszabb jegyeket kapnak, mint azon társaik, akik gondolkodás nélkül átmásolják a chatGPT által adott válaszokat. Semminek nincs olyan romboló hatása, mint amikor igazságtalanul a kevesebb tudást felmutató és kisebb erőfeszítést befektető hallgatókat jutalmazzuk. A hallgatói lét racionális életforma. Szeretnének jó jegyeket kapni, hiszen sokszor ettől függ az ösztöndíjuk, vagy a továbbtanulási esélyeik, de mindezt a lehető legkisebb erőfeszítéssel szeretnék elérni. Ha egy tárgyból lehetőség van nulla erőfeszítéssel egész jó jegyet elérni, vagy rengeteg erőfeszítéssel jót talán meghaladó jegyet, akkor túlnyomórészt az előbbit fogják választani.
Harmadrészt azok a hallgatók, akik az MI segítségével jó, vagy netán kiváló érdemjeggyel teljesítik a tárgyat, hamis képet alkotnak annak nehézségéről. Rosszabb esetben úgy gondolják, hogy értenek hozzá, tanultak valamit, az ismertetett modellek egyszerűek. Mivel azt a visszajelzést kapták, hogy egy nehéz kérdést egy gombnyomással meg tudnak válaszolni, arra következtetnek, hogy minden nehéz kérdést, amellyel munkájuk során találkozni fognak, majd ilyen egyszerű lesz elintézni.
A kísérletnek több érdekes következménye is volt. Megfigyeltük, hogy azon hallgatók nagy részének, akik tökéletes vizsgát adtak le, a pontszámaik kézhez kapásáig elképzelésük sem volt, hogy hogyan teljesítettek 0% és 100% között. Ebben annak is szerepe van, hogy az MI minden válaszában teljesen biztos – erre lett programozva. Ki szeretne olyan döntéstámogató eszközt használni, amelyik nem bízik saját magában? Gyanítható, hogy ha az első vizsgasort például svédül, a másodikat mondjuk portugálul, a harmadikat pedig szuahéliül adtuk volna ki, akkor sem változtak volna szignifikánsan az eredmények.
Mindig voltak olyan hallgatók, akik úgy távoztak a képzésről, hogy alapfogalmakkal sem voltak tisztában. Egyetlen vizsgáztatási rendszer sem képes tökéletesen szűrni. Abba most ne menjünk bele, hogy az oktatók is ellenérdekeltek a szűrésben, mivel jobb értékeléseket kapnak a diákoktól, ha nem szigorúak a vizsgáztatáskor; az oktatók bérezése pedig hozzá van kötve a hallgatók visszajelzéseihez! Az open book jellegű vizsgák során, tehát amikor a hallgatók szabadon használhatnak mindenféle eszközt, a szűrés hatékonysága olyan szintre csökkent, hogy a vizsga alkalmatlanná vált a kitűzött céljára. Ezzel együtt a csalás esélye és hatékonysága is megnőtt, így a mesterséges intelligenciák tiltása sem szünteti meg teljesen a problémát.
A probléma egy további aspektusa az egyenlő feltételek megteremtése kapcsán már-már gazdasági jellegű. Az MI-knek vannak fizetős verziói, amik még okosabbak, még nehezebben fülön csíphetőek, így a tehetősebb diákok eleve versenyelőnyben vannak. Éppen az ő dolguk megkönnyítése például egy ösztöndíj elérése vagy megtartása kapcsán kontra-produktív, és szembe megy a legalapvetőbb elveinkkel.
Összefoglalva, az egyetemi számonkérés lehetőségei igencsak leszűkültek.
Teljes biztonságot csak a szóbeli vizsgáztatás nyújt. Ez azonban szubjektív és erőforrásigényes. Egy 200 fős csoport szóbeliztetése legalább 50 és 100 munkaóra között van, ami nagyobb szakoknál lényegében lehetetlenné teszi az alkalmazását. Tekintve, hogy a hallgatók kevésbé motiváltak a tananyag elsajátítására, és nehezebb is tesztelni a tudásukat, a rövid és középtávú kilátások alapján a frissen végzett hallgatók tudása szignifikánsan csökkenni fog.
A csavar a történetben persze csak most jön. Nyilván már az itt bemutatott következmények sem ideálisak, de a kis tantermi problémáink összefüggnek rendszerszintű potenciális gondokkal. Hogyan képes tökéletes válaszokat adni a mesterséges intelligencia még olyan komplex területeken is, mint a matematikai modellezés vagy a programozás? Anélkül, hogy a neurális hálók működéseinek a részleteibe belemennénk, jegyezzünk meg annyit, hogy emberi válaszok alapján tanítják őket. Programozás terén a legnépszerűbb technikai segítséget nyújtó oldal a StackExchange (illetve ennek egy aloldala a StackOverflow). Az oldalon a leghomályosabb matematikai/programozási problémákra is néha több (!) helyes válasz is érkezik, sokszor kidomborítva, milyen környezetben érdemes az egyik vagy a másik megközelítést alkalmazni. A chatGPT a StackExchangen fellelhető kérdések és válaszok alapján lett tanítva. A StackExchangen feltett kérdések és válaszok száma azonban már régen csökkenő tendenciát mutatott, a chatGPT megjelenését követően pedig egyenesen bezuhant (ld. az alábbi kutatószemináriumi előadást). Miért keresgélnének a felhasználók eldugott technikai oldalakon, amikor egyenesen is feltehetik a kérdésüket a gépnek. Ha viszont nem születnek új kérdések és válaszok, akkor nem lesz min betanítani a mesterséges intelligenciák új generációját. Ennélfogva a terület már most (!) mesterségesen generált szövegeken tanítja a saját algoritmusait.
Ez az igazi szingularitás, nem az, hogy az MI átveszi a hatalmat felettünk!
A szerzők hálásan köszönik Szmerka Gergely értékes megjegyzéseit.
Benedek Márton a HUN-REN Közgazdaság- és Regionális tudományi Kutatóközpont Közgazdaságtudományi Intézete és Budapesti Corvinus Egyetem munkatársa;
Sziklai R. Balázs a HUN-REN Közgazdaság- és Regionális tudományi Kutatóközpont Közgazdaságtudományi Intézete és Budapesti Corvinus Egyetem munkatársa.
A cikk a szerzők véleményét tükrözi, amely nem feltétlenül esik egybe a Portfolio szerkesztőségének álláspontjával.
A címlapkép illusztráció. Címlapkép forrása: Getty Images
