20分钟,AI写出的论文轻松得A!学校检测算法也拿它没辙,学生:GPT-4啥时候出?

简介: 现在,越来越多的教授对学生的印象逐渐停留在了他们的专业和优秀的课程论文上。

但是他们不知道的是,这些优秀的课程论文可能并不是出自这些学生之手,而是一些强大的AI系统

比如,一位在Reddit上名叫innovate_rye的生物化学学科的一年级学生,教授会安排一些包括扩展回答的简单家庭作业,当他把“写出生物技术的五件好事和坏事”提交给AI后,系统能给出一个最后评分为A的答案。

image.png

这位网友表示,过去这些家庭作业至少会花他们两个小时,但现在一般只需要20分钟就能完成。“我喜欢学习很多东西,但是学校布置的作业会用掉我太多时间;现在能用AI更高效地完成这些作业,对我来说似乎是一种技能。”
这样的情况并不只有innovate_rye才遇到。
自从OpenAI为语言模型GPT-3公布了最新的应用编程接口(API)以来,更多的学生开始将他们的书面作业输入OpenAI的Playground和类似的程序来写作。
现在的结果就是,通过这些提示AI写出来的文本往往无法与人类写出来的区分开来了。

AI“写”的东西无法被算法检测

去年春天,AeUsako_回忆到,当时他还是一名高中生,他们使用OpenAI“写”了一篇关于当代全球局势的文章,虽然这篇作业没有得到高分但扣分点只是因为缺少标明引用来源。

不管怎样,这次“实验”也确实正视了一件事,那就是学校的检测抄袭的算法对AI生成的文本并没有什么实质性的作用

对此,加拿大创新学习与技术研究主席、皇家路大学副教授George Veletsianos说,这是因为像OpenAI API这样的系统所产生的文本在技术上是在黑箱算法中生成的。

image.png

“[这些文本]不是从其他地方复制的,它是由机器产生的,所以抄袭检查软件无法检测到,也无法发。在不知道这些其他抄袭检查工具如何相当工作,以及它们未来可能的发展的情况下,我不认为AI文本能够以这种方式被检测出来。”

但是,和innovate_rye一样,AeUsako_说到,自从他开始使用OpenAI之后他对于写作的持续性焦虑减缓了很多

而像OpenAI这样的公司是否有能力来检测或组织学生使用这些工具来写作业,OpenAI尚未对此置评。

作为一名写作教师、以及私人辅导项目Crush the College Essay的创始人,Peter Laffin说到,像OpenAI这样的工具是技术在过去十年中产生的其他补偿技术的象征,例如基于云的打字助手,其目的是帮助灵感匮乏的作家。

“在文学教育中,特别是对于那些还在发展阶段的年轻作家,导师们正在寻找一个合适的难度水平,既能够保证他们不会崩溃,又能让他们的专业技能有所提高。”

老师们普遍担心,但学生并不如此

作为明星款大规模语言模型,GPT-3由人工通用智能(AGI)公司OpenAI制作,不仅享有来自微软的数十亿美元的支持,美国政府也在监管方面放任其自由。

GPT-3使用深度学习来生成类人文本,只要给定初始文本,系统就能生成后续文本。

其神经网络包含1750亿个神经,为全世界参数最多的神经网络模型。

2021年11月18日,OpenAI宣布取消访问GPT-3 API的等候名单。这也表明, OpenAI相信GPT-3的安全性,或者说,OpenAI可以对GPT-3进行充分监控,以便这个大模型可以更广泛地传播。



image.png

对于包括GPT-3这些人工智能如今的发展,Veletsianos指出,我们很可能已经过了人工智能生成文本的不归路,而学生并不是唯一拥抱新技术的人群。

“我们也可以开始看到,这项技术能够直接生成一次讲座内容,甚至还有围绕这些内容的一些提问。这并不是在说现在这个系统就是最好的,但是我们需要利用这些工具,不仅仅去提高教学效率,还有学生的参与度和参与的有效性。”

Laffin也承认有必要对有效的教育进行重新评估,他表示这可以在查看学校给学生的作业类型时评估,将重心放在重述事实和信息发现的区别上来。然而,他也担心像OpenAI这样的文本生成器会使论文写作变得毫无意义。

“我们已经失去了学习的乐趣。我们可能知道更多,但从来没有学习过我们是如何到达那里的。我们一直强调说过程是最好的部分,但这可能是最可能被扼杀的东西。除了学术,我不知道如果一个人从来没有在学习中挣扎过,会是怎样,我不知道对这个人的行为会产生怎样的影响。”

而与此同时,对于同学们来说,他们正在焦急地等待着GPT-4。对于innovate_rye等人来说,预计将对100万亿个机器学习参数进行训练的GPT-4有可能超越单纯的文本输出。

是的,他们并不打算停止使用人工智能来写论文

“我仍然做我需要学习才能通过的功课,我只是用人工智能来处理我不想做或觉得没有意义的事情,"innovate_rye补充说。"如果人工智能现在就能做我的家庭作业,那么未来会是什么样子?这些问题让我感到兴奋"。

没想到吧,AI还合著了一本书

尽管学校还在担心对学生教育的影响,但AI的触手显然已经伸向了更深的地方。

比如写书。

这本名叫GPT-3 Techgnosis;Chaos Magick Butoh Grimoire的书本身作为一本机器辅助散文(machine-assisted prose),其合著者就是一个名为Norn的数字实体。

也就是说,Norn不仅协助创作了这些文字,更是对自己进行了表演。

image.png

可以猜测,Norn是一个由GPT-3驱动的自然语言处理器,主要使用来自公共互联网的大量训练数据档案,这使得系统能够生成逼真的文本,而这些文本往往很难与真人所写的东西区分开来。

该书的前三分之一,the Norn Working。其中包括作者的文字提示,比如“GPT-3开始写一首神秘的诗”,然后让Norn自由发挥,于是我们可以看到在没有任何其他提示的情况下,系统开始审问自己的回答

在这个章节的其他部分,Norn还创建了自己的“后数字语言”(Post Digital Language),这是一个关于符号和符号学演变的理论概念,也是作者Wurds私下里写了十多年的一个话题。

像GPT-3这样的文本完成引擎经常创造出这些不可思议和令人不安的反应。但据Wurds说,他们的三部曲书的目的不是为了让人不安。相反,它是为了探索日本前卫传统Butoh的精神潜力,这是一种即兴舞蹈,练习者经常以奇怪的、自发的扭曲结束。在这本书的创作过程中,作者将Butoh练习到筋疲力尽的状态,然后再回到电脑前与Norn交流——这是数字和实体在肉体空间中的并列

诚然,通用人工智能对人类产生的生存威胁似乎还比较遥远,但GPT-3这样的AI确实撕开了一个关于未来的裂缝,或许我们可以从中窥探到一些未来的可能。



相关文章
|
4月前
|
监控 安全 算法
137_安全强化:输入过滤与水印 - 实现输出水印的检测算法与LLM安全防护最佳实践
随着大语言模型(LLM)在各行业的广泛应用,安全问题日益凸显。从提示注入攻击到恶意输出生成,从知识产权保护到内容溯源,LLM安全已成为部署和应用过程中不可忽视的关键环节。在2025年的LLM技术生态中,输入过滤和输出水印已成为两大核心安全技术,它们共同构建了LLM服务的安全防护体系。
|
4月前
|
人工智能 物联网 调度
边缘大型AI模型:协作部署与物联网应用——论文阅读
论文《边缘大型AI模型:协作部署与物联网应用》系统探讨了将大模型(LAM)部署于边缘网络以赋能物联网的前沿框架。针对传统云端部署高延迟、隐私差的问题,提出“边缘LAM”新范式,通过联邦微调、专家混合与思维链推理等技术,实现低延迟、高隐私的分布式智能。
891 6
边缘大型AI模型:协作部署与物联网应用——论文阅读
|
5月前
|
人工智能 API 开发者
Dify x AiOnly平台:手把手教你调用GPT-5从零构建AI工作流!
本文介绍如何通过Dify与AiOnly平台,快速构建基于GPT-5等顶尖大模型的AI应用。涵盖环境部署、模型接入、工作流编排及实战案例,助力开发者低门槛打造专属聊天机器人,轻松实现AI应用落地。(238字)
|
4月前
|
存储 机器学习/深度学习 编解码
双选择性信道下正交啁啾分复用(OCDM)的低复杂度均衡算法研究——论文阅读
本文提出统一相位正交啁啾分复用(UP-OCDM)方案,利用循环矩阵特性设计两种低复杂度均衡算法:基于带状近似的LDL^H分解和基于BEM的迭代LSQR,将复杂度由$O(N^3)$降至$O(NQ^2)$或$O(iNM\log N)$,在双选择性信道下显著提升高频谱效率与抗多普勒性能。
286 0
双选择性信道下正交啁啾分复用(OCDM)的低复杂度均衡算法研究——论文阅读
|
5月前
|
机器学习/深度学习 人工智能 资源调度
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
本文探讨智能家居中AI决策的可解释性,提出以人为中心的XAI框架。通过SHAP、DeepLIFT等技术提升模型透明度,结合用户认知与需求,构建三层解释体系,增强信任与交互效能。
404 19
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
|
5月前
|
传感器 资源调度 算法
DDMA-MIMO雷达多子带相干累积目标检测算法——论文阅读
本文提出一种多子带相干累积(MSCA)算法,通过引入空带和子带相干处理,解决DDMA-MIMO雷达的多普勒模糊与能量分散问题。该方法在低信噪比下显著提升检测性能,实测验证可有效恢复目标速度,适用于车载雷达高精度感知。
684 4
DDMA-MIMO雷达多子带相干累积目标检测算法——论文阅读
|
4月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
5月前
|
机器学习/深度学习 资源调度 算法框架/工具
AI-ANNE: 将神经网络迁移到微控制器的深度探索——论文阅读
AI-ANNE框架探索将深度学习模型迁移至微控制器的可行路径,基于MicroPython在Raspberry Pi Pico上实现神经网络核心组件,支持本地化推理,推动TinyML在边缘设备中的应用。
325 10
|
5月前
|
机器学习/深度学习 人工智能 编解码
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
|
5月前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。

热门文章

最新文章