شکست «مراقب هوش مصنوعی» در جلوگیری از تقلب دانشجویان آزمون‌های دانشگاه ملی مکزیک

هوش مصنوعی در سال‌های اخیر وارد حوزه‌های مختلفی شده و یکی از کاربردهای جدید آن، کمک به برگزاری آزمون‌های آنلاین و کنترل تقلب است. دانشگاه‌ها در سراسر جهان به سراغ سامانه‌هایی رفته‌اند که می‌توانند با استفاده از دوربین، میکروفون و تحلیل رفتار کاربر، نشانه‌های مشکوک را شناسایی کنند؛ اما یک تجربه جنجالی در دانشگاه ملی مکزیک نشان داده است که این فناوری هنوز با چالش‌های جدی روبه‌رو است.

با گسترش آزمون‌های آنلاین، دانشگاه‌ها سال‌هاست به دنبال راهی برای حفظ امنیت امتحانات و جلوگیری از تقلب هستند. در همین مسیر، سامانه‌های نظارت مبتنی بر هوش مصنوعی به عنوان یکی از راهکارهای جدید وارد میدان شدند؛ فناوری‌هایی که قرار بود بخشی از وظایف مراقبان سنتی آزمون را بر عهده بگیرند.

بنابر گزارش Gizmodo، دانشگاه ملی مکزیک (UNAM) پس از برگزاری آزمون ورودی با کمک یک سامانه نظارت مبتنی بر هوش مصنوعی، با افزایش غیرعادی نمرات مواجه شده و در نهایت تصمیم گرفته آزمون حدود ۵۸ هزار داوطلب را دوباره برگزار کند. این اتفاق، بحث‌های زیادی درباره توانایی واقعی هوش مصنوعی در جلوگیری از تقلب و محدودیت‌های این فناوری در موقعیت‌های حساس ایجاد کرده است.

هوش مصنوعی در آزمون‌ها دقیقاً چه کاری انجام می‌دهد؟

برخلاف تصور عمومی، هوش مصنوعی در چنین سامانه‌هایی جایگزین کامل یک مراقب انسانی نیست. این فناوری معمولاً به عنوان یک مراقب مجازی (AI Proctor) عمل می‌کند؛ یعنی در طول آزمون رفتار داوطلب را بررسی کرده و موارد غیرعادی را برای بررسی بیشتر علامت‌گذاری می‌کند.

در یک آزمون آنلاین، این سامانه‌ها می‌توانند با استفاده از وب‌کم و میکروفون، مواردی مانند حضور فرد دیگری در تصویر، خروج مکرر چهره از مقابل دوربین، صداهای غیرمعمول، صحبت کردن، یا رفتارهایی که با روند عادی آزمون سازگار نیستند را تشخیص دهند.

برخی سیستم‌ها همچنین می‌توانند فعالیت‌های روی رایانه را بررسی کنند؛ برای مثال اینکه داوطلب از صفحه آزمون خارج شده یا نرم‌افزار دیگری را باز کرده است. با این حال، تصمیم نهایی درباره تقلب معمولاً نباید تنها بر اساس تشخیص هوش مصنوعی گرفته شود و نیاز به بررسی انسانی دارد.

چرا آزمون دانشگاه ملی مکزیک دوباره برگزار می‌شود؟

دانشگاه ملی مکزیک پس از برگزاری آزمون ورودی آنلاین خود، متوجه شد تعداد نمرات بسیار بالا نسبت به دوره‌های قبل افزایش چشمگیری داشته است. طبق گزارش‌ها، میزان داوطلبانی که امتیازهای بسیار بالا کسب کرده بودند، به شکل غیرمعمولی افزایش پیدا کرده بود.

همین موضوع باعث شد دانشگاه احتمال وجود تقلب گسترده را بررسی کند و در نهایت تصمیم بگیرد آزمون حدود ۵۸ هزار نفر از شرکت‌کنندگان دوباره برگزار شود.

نکته مهم اینجاست که مسئله فقط عملکرد سامانه نظارت هوش مصنوعی نیست؛ بلکه دانشگاه با یک چالش پیچیده‌تر روبه‌رو شده است: در عصر ابزارهای هوش مصنوعی مولد، روش‌های تقلب نیز تغییر کرده‌اند.

رقابت جدید؛ هوش مصنوعی علیه هوش مصنوعی

تا چند سال پیش، بزرگ‌ترین نگرانی آزمون‌های آنلاین این بود که یک داوطلب از فرد دیگری کمک بگیرد یا پاسخ‌ها را از اینترنت پیدا کند. اما اکنون ابزارهایی مانند مدل‌های زبانی هوش مصنوعی، معادله را تغییر داده‌اند.

یک داوطلب می‌تواند از ابزارهای هوش مصنوعی برای حل سؤال، تولید پاسخ یا تحلیل سریع اطلاعات استفاده کند؛ در حالی که دانشگاه‌ها تلاش می‌کنند با استفاده از هوش مصنوعی دیگر، همین رفتارها را شناسایی کنند.

به بیان ساده، یک رقابت جدید شکل گرفته است: دانشگاه‌ها از هوش مصنوعی برای پیدا کردن تقلب استفاده می‌کنند و برخی کاربران از هوش مصنوعی برای عبور از محدودیت‌های ایجادشده بهره می‌گیرند.

آیا این اتفاق به معنای شکست کامل هوش مصنوعی است؟

هرچند این ماجرا ضربه‌ای به اعتماد عمومی نسبت به سامانه‌های نظارت هوشمند وارد کرده، اما نمی‌توان نتیجه گرفت که هوش مصنوعی برای کنترل آزمون‌ها کاملاً بی‌فایده است.

مشکل اصلی این است که سیستم‌های فعلی بیشتر برای شناسایی «رفتارهای مشکوک» طراحی شده‌اند، نه اینکه بتوانند با قطعیت درباره تقلب تصمیم بگیرند. همچنین هرچه ابزارهای هوش مصنوعی قدرتمندتر می‌شوند، روش‌های سوءاستفاده از آن‌ها نیز پیچیده‌تر خواهد شد.

در آینده، احتمالاً دانشگاه‌ها مجبور خواهند بود به جای تکیه صرف بر نظارت تصویری و الگوریتم‌ها، طراحی آزمون‌ها را نیز تغییر دهند؛ برای مثال استفاده بیشتر از آزمون‌های تحلیلی، سؤالات شخصی‌سازی‌شده و روش‌هایی که امکان استفاده غیرمجاز از ابزارهای هوش مصنوعی را کاهش می‌دهند.