今年秋天是我近 20 年来第一次不再回到教室。在我职业生涯的大部分时间里，我主要向大学生教授写作、文学和语言。我退出很大程度上是因为像 ChatGPT 这样的大型语言模型 (LLM)。
几乎所有经验丰富的学者都知道，正如历史学家林恩·亨特所说，写作并不是对[作家]头脑中已经有意识地存在的思想的转录。相反，写作是一个与思考密切相关的过程。在研究生院，我花了几个月的时间试图将论文的各个部分在脑海中拼凑起来，最终发现我只能通过写作来解决这个难题。写作是一项艰苦的工作。有时这很可怕。由于人工智能的诱惑，我的许多（可能是大多数）学生不再愿意克服不适。
在我最近的工作中，我在一所技术学院向博士生教授学术写作。我的研究生（其中许多是计算机科学家）比我更了解生成式人工智能的机制。他们认为大语言模型是不可靠的研究工具，会产生幻觉并发明引用。他们承认该技术对环境的影响和伦理问题。他们知道模型是根据现有数据进行训练的，因此无法产生新颖的研究。然而，这些知识并没有阻止我的学生严重依赖生成式人工智能。一些学生承认以笔记形式起草他们的研究，并要求 ChatGPT 撰写他们的文章。
了解更多：监管人工智能比您想象的更容易
作为一名经验丰富的教师，我熟悉教学最佳实践。我布置了作业。我研究了将生成式人工智能纳入我的课程计划的方法，并设计了一些活动来引起人们对其局限性的关注。我提醒学生，ChatGPT 在提示修改时可能会改变文本的含义，它可能会产生有偏见和不准确的信息，它不会产生风格上很强的写作，对于那些以年级为导向的学生来说，它不会导致 A级工作。没关系。学生们还在用它。
在一项活动中，我的学生在课堂上起草了一个段落，将他们的作业输入 ChatGPT 并附有修改提示，然后将输出与他们的原始写作进行比较。然而，这些类型的比较分析失败了，因为我的大多数学生作为作家还没有发展到足以分析意义的微妙之处或评估风格的程度。当我指出人工智能修改文本的弱点时，一名博士生提出抗议，这让我的写作看起来很花哨。
我的学生还严重依赖人工智能驱动的释义工具，例如 Quillbot。好好解释，就像起草原创研究一样，是一个加深理解的过程。最近引人注目的重复语言例子提醒我们，释义是一项艰苦的工作。因此，许多学生受到人工智能驱动的释义工具的诱惑也就不足为奇了。然而，这些技术往往会导致写作风格不一致，并不总能帮助学生避免抄袭，而且会让作者掩盖理解。仅当学生已经对写作技巧有了深入的了解时，在线释义工具才有用。
了解更多：人工智能领域 100 名最具影响力的人物
将写作外包给人工智能的学生失去了更深入思考他们的研究的机会。在最近一篇关于艺术和生成式人工智能的文章中，作者 Ted Jiang 是这样说的：使用 ChatGPT 完成作业就像把叉车开进举重房；这样你永远无法提高你的认知能力。蒋还指出，作为作家，我们做出的数百个小选择与最初的构想一样重要。蒋是一位小说作家，但这个逻辑同样适用于学术写作。关于语法、词汇和其他风格元素的决定赋予文本几乎与基础研究一样的意义。
在某些方面，生成式人工智能是一种民主化工具。我的许多学生的母语不是英语。他们的写作经常包含语法错误。生成式人工智能可以有效纠正语法。然而，即使唯一的提示是修复语法，该技术也经常会改变词汇和含义。我的学生缺乏识别和纠正意义微妙变化的技能。我无法让他们相信风格一致性的必要性或作为研究作家发展声音的必要性。
问题在于无法识别人工智能生成或人工智能修改的文本。每个学期开始时，我都会让学生在课堂上写作。以该基线样本作为比较点，我可以轻松地区分我学生的写作和 ChatGPT 生成的文本。我也熟悉人工智能探测器，它的目的是表明某些东西是否是由人工智能生成的。然而，这些探测器是有缺陷的。人工智能辅助写作很容易识别，但很难证明。
结果，我发现自己花了很多时间对我知道是由人工智能生成的文章进行评分。我指出了论点不合理的地方。我指出了一些弱点，例如我知道 ChatGPT 常见的风格怪癖（我注意到诸如“深入研究”之类的短语突然激增）。也就是说，我发现自己花在向人工智能提供反馈的时间比给学生的时间更多。
所以我放弃了。
最好的教育工作者将适应人工智能。在某些方面，这些变化将是积极的。教师必须摆脱机械活动或布置简单的总结。他们会想方设法鼓励学生批判性思考，并了解写作是产生想法、揭示矛盾和阐明方法论的一种方式。
但是，这些课程要求学生愿意承受因不知道而暂时感到的不适。学生在写作和修改时必须学会对自己的认知能力充满信心，继续前进。除了少数例外，我的学生不愿意进入那些不舒服的空间，也不愿意在那里停留足够长的时间来发现写作的启示力量。
通过 letter@time.com 联系我们