還記得學校裡的作弊行為是指偷拿小抄或偷看鄰座的考卷嗎？如今的教師可能會懷念那些日子。現在，他們在維護學術誠信方面面臨更嚴峻的挑戰：生成式人工智慧。對教育工作者來說，不幸的是，萬無一失的解決方案還遙遙無期。

半數教師表示，生成式人工智慧讓他們更不信任學生的原創作品。自從人工智慧出現以來，大學和高中的作弊報告直線上升，這讓教師們感到絕望和沮喪。

要量化這一問題的嚴重程度並非易事。剽竊檢測公司Turnitin 發現，在過去一年中，僅有10% 的寫作作業被檢測出使用了人工智慧，其中僅有3% 大部分是人工智慧生成的。

然而，史丹佛大學的一項調查顯示，自從引入ChatGPT 等人工智慧工具以來，60%-70% 的高中生承認自己作弊。

從歷史上看，作弊並不是一個新問題。研究表明，半數以上的高中生和大學生都有某種形式的學術不誠信行為。國際學術誠信中心報告稱，截至2020 年初，近三分之一的本科生承認在考試中作弊。

同時，人工智慧生成的內容和偵測技術之間正在進行一場軍備競賽，目前前者正在獲勝。

例如，OpenAI 嘗試在其輸出中嵌入數位浮水印，以識別人工智慧生成的文字。不過，這些浮水印可能被竄改，偵測器只能辨識特定人工智慧系統所建立的浮水印。這或許可以解釋為什麼OpenAI 沒有發布其浮水印功能，因為這可能會讓用戶轉向沒有此類標記的服務。

人們也嘗試了其他創新方法。喬治亞理工學院的研究人員開發了一套系統，用於比較ChatGPT 出現前後學生對作文題的答案。 PowerNotes 是一家將OpenAI 服務整合到Google文件中的公司，它允許教師追蹤人工智慧在文件中產生的變化。然而，所有這些努力都被證明效果有限。

為了應對這些挑戰，越來越多的人認識到，教育機構必須調整其教學和評估方法。約翰-華納（John Warner）曾是一名大學寫作教師，也是即將出版的新書《不只是文字：如何在人工智慧時代思考寫作》一書的作者約翰-華納（John Warner）建議，教師應該更新他們的教學方法。

他認為，人工智慧之所以能輕易產生可信的大學論文，部分原因在於傳統作業僵化的演算法格式。華納建議教師縮小作業範圍，將重點放在與有用的寫作概念相關聯的更短、更具體的提示上。例如，可以要求學生編寫一個生動的段落，對周圍環境進行清晰的觀察，或寫幾句話將個人經驗轉化為更廣泛的概念。

當然，生成式人工智慧也可以完成這些作業，但透過讓這些作業更貼近學生的生活，學生可能會願意自己完成專案。這至少值得一試，因為現在，學校在與人工智慧的較量中顯然處於下風。