A mesterséges intelligencia előnyei és kockázatai az oktatásban
Az előadás különös aktualitását az adta, hogy az ELTE Gazdaságtudományi Kar 2025-től – szabályozott keretek között – lehetővé tette hallgatói munkákhoz és tanuláshoz való felhasználását. Mint az előadó előrebocsátotta, az MI technológia gyors fejlődése és használatának elterjedése miatt a tiltás nem lehetett opció: az oktatóknak és hallgatóknak azonban a felelős, szakszerű és etikus használat biztosítása érdekében meg kell ismerniük annak lehetőségeit és korlátait. A tavaly szeptemberben elindult kezdeményezést folytatva – amelynek keretében akkor egy oktatói kézikönyv is kiadásra került –, ehhez kívánt a mostani előadás is további hasznos segítséget nyújtani a projektfeladatok és szakdolgozatok elkészítését irányító oktatók szemszögéből.
A generatív mesterséges intelligencia lehetőségei az oktatásban
Az első részben dr. Verebics János a mesterséges intelligencia alapfogalmait tisztázta, és már a bevezetőben egyértelművé tette, hogy a mesterséges intelligencia nem egyetlen, egységes technológia, hanem rétegekből felépülő, dinamikusan fejlődő rendszer, amely eltérő módokkal és célokkal alkalmazható.
Az előadás során részletesen szó esett arról is, hogy a mesterséges intelligencia nem új keletű technológia, hanem évtizedek óta fejlődő terület, amely az utóbbi néhány évben jutott el arra a szintre, hogy az oktatásban, a kutatásban és a mindennapi munkafolyamatokban is érdemi szerepet kapjon. Az MI rendszereinek alapja a gépi tanulás, amely lehetővé teszi, hogy a modellek nagy mennyiségű adaton keresztül tanuljanak, és a korábban látott mintázatok alapján képesek legyenek előrejelzéseket vagy generált válaszokat adni. Az előadó ezt a folyamatot egy egyszerű példával illusztrálta: amikor egy mesterségesintelligencia-modellt szöveges adatokon tréningeznek, akkor nem úgy „tanul”, mint egy ember, hanem feltérképezi, hogy egy adott mondat vagy kérdés után milyen válasz következik, és valószínűségeket rendel hozzájuk.
Az előadás egyik kulcsfontosságú megállapítása az volt, hogy a generatív mesterséges intelligencia a hagyományos gépi tanulás egy speciális típusa, amely nem csupán mintázatok felismerésére és döntéshozatali támogatásra alkalmas, hanem képes új tartalmakat létrehozni is. Az egyetemi docens részletesen kifejtette, hogy meglévő adatokból és struktúrákból kiindulva kreatív módon új szövegeket, képeket, sőt akár zenei kompozíciókat is tud generálni. Az MI tehát az ember által létrehozott tartalmakat és mintázatokat használja fel egy új kombináció kialakítására.
A generatív mesterséges intelligencia óriási előnyöket kínálhat az oktatásban, de ennek egyúttal komoly korlátai és kihívásai is vannak. Az egyik legfontosabb ezek közül az, hogy a mesterséges intelligencia nem tudja ellenőrizni saját maga által generált információinak hitelességét, ami különösen nagy problémát jelenthet az akadémiai és tudományos közegben. Az előadó hangsúlyozta, hogy ez nem egy egyszerű technikai probléma, hanem egy strukturális sajátosság, amely az MI alapvető működéséből fakad, matematikai mintázatok alapján generálja szövegeket, így gyakran előfordulhat, hogy teljesen logikusnak tűnő, de valójában téves vagy akár teljesen kitalált információkat állít elő.
Ez a jelenség különösen problémás lehet, amikor egy hallgató vagy kutató egy MI által generált szöveget szeretne felhasználni egy dolgozatban vagy tanulmányban. Verebics János felhívta a figyelmet arra, hogy az MI használatának egyik legfontosabb szabálya az emberi ellenőrzés szükségessége, hiszen az algoritmusok nem képesek önállóan felismerni a hamis információkat, a téves következtetéseket vagy az összefüggések hibás interpretációját. Ezért a generatív mesterséges intelligencia alkalmazása során mindig kritikus gondolkodásra és kettős validációra van szükség, különösen az oktatás és a tudományos kutatás területén.
A ChatGPT működése és korlátai
A második rész a ChatGPT működéséről és a generatív mesterséges intelligencia technológiai hátteréről szólt. Az egyik legfontosabb tisztázandó kérdés az, hogy miben különbözik egy generatív MI-rendszer egy hagyományos keresőmotortól vagy egy egyszerű automatizált programtól. Az előadó ezt a kérdést azzal a megállapítással vezette fel, hogy a ChatGPT és más nyelvi modellek nem keresők, nem adatbázisok és nem is gondolkodó rendszerek – hanem statisztikai mintázatokon alapuló prediktív eszközök, amelyek egy adott bemenetre próbálnak minél valószínűbb és természetesebb választ adni.
A mesterséges intelligencia ezen formája nagy nyelvi modellekre (LLM – Large Language Model) épül, amelyek óriási mennyiségű szövegkorpuszt dolgoztak fel a betanítási folyamat során, amelyek segítségével a modell mintázatokat tanult meg, de nem „érti” a szövegeket a szó emberi értelmében. Ezzel szemben, amikor egy emberi beszélgetőtárs egy kérdést vagy problémát értelmez, akkor annak jelentését is feldolgozza, kontextust teremt, és logikai összefüggéseket állít fel. Az MI azonban pusztán valószínűségi alapon dönti el, hogy egy adott helyzetben mely szavak következhetnek legnagyobb eséllyel egy adott kérdés után.
Ezzel kapcsolatban említhető a hallucinációs jelenség, amely az egyik legnagyobb kihívás a generatív MI használatában. A hallucináció ebben az összefüggésben azt jelenti, hogy a modell valósághűnek hangzó, de valójában téves vagy teljesen kitalált információkat generál, és ezt sokszor ugyanolyan magabiztossággal közli, mintha hiteles, ellenőrzött tényekről lenne szó.
Verebics János egy szemléletes példával illusztrálta ezt a problémát: egy korábbi esetben a ChatGPT egy nem létező heidelbergi egyetemi dokumentumra hivatkozott, amely állítólag egy konkrét tudományos módszertani kérdést szabályozott. Amikor docens úr ezt cáfolta, a modell ugyan elismerte, hogy ilyen szabályzat végső soron nem létezik, arra hivatkozott, hogy ha a Heidelbergi Egyetem már rendelkezne egy ilyen szabályzattal, valószínűleg pont azokra a kérdésekre adna útmutatást, amelyeket ő bemutatott. Ez a jelenség nem csupán azt mutatja, hogy az MI nem megbízható forrás önmagában, hanem azt is, hogy a felhasználók számára elengedhetetlen az ellenőrzés beépítése az MI használatába.
Oktatónk kitért arra is, hogy az ingyenes és a fizetős verziók között milyen különbségek vannak. Az ingyenes változatban elérhető ChatGPT régebbi modellekre épül, amelyek nem férnek hozzá valós idejű információkhoz, így csak a tanításuk során feldolgozott adatok alapján adnak válaszokat. Ezzel szemben a prémium verziók olyan frissített modellek, amelyek képesek internetes keresésekre és aktuális információk feldolgozására, ezáltal pontosabb és naprakészebb válaszokat tudnak adni bizonyos kérdésekben.
Gyakorlati alkalmazási lehetőségek az oktatásban
Dr. Verebics szerint az MI legnagyobb előnye az oktatásban a gyorsaság és a hatékonyság növelése, hiszen olyan feladatokat automatizál vagy egyszerűsít, amelyek hagyományosan időigényesek és manuális munkát igényelnek. A tartalomgenerálás, az összegzés, a szövegszerkesztés, az adatfeldolgozás és a keresési folyamatok mind olyan területek, ahol a generatív MI már ma is jelentős szerepet játszik, és szerinte ez a jövőben még inkább így lesz. Kiemelte azonban, hogy az MI nem önálló tudásforrás, hanem egy eszköz, amely megfelelő emberi irányítás mellett tud igazán hatékonyan működni.
Az egyik legfontosabb alkalmazási terület az egyetemi dolgozatok és tanulmányok előkészítése, ahol az MI többféleképpen segíthet. Az előadó példaként említette, hogy a ChatGPT és más generatív MI-modellek képesek egy kutatási témával kapcsolatos irodalmat összefoglalni, érvelési struktúrákat javasolni, stilisztikai hibákat javítani, és világosabbá tenni a szöveg szerkezetét. Ezzel kapcsolatban azonban felhívta a figyelmet arra, hogy a hallgatók nem használhatják az MI-t a gondolkodási és elemzési munka helyettesítésére, hiszen a tudományos írás lényege éppen az egyéni érvelési képesség és kritikai gondolkodás fejlesztése. Az MI inkább egyfajta szövegsegítő eszközként működhet, amely gyorsítja a szerkesztési és összegzési folyamatokat, de nem helyettesíti a tartalmi munkát.
A tájékoztatón szó esett arról is, hogy míg korábban egy kutató vagy hallgató órákat vagy napokat tölthetett egy téma háttéranyagának összegyűjtésével, addig az MI-vel támogatott rendszerek – például a Perplexity vagy a Consensus nevű tudományos keresőmotorok – másodpercek alatt képesek strukturált válaszokat és összegzéseket adni. Ezek az eszközök nem csupán egyszerű keresési eredményeket listáznak ki, hanem a releváns tudományos publikációk alapján összefoglalják a legfontosabb megállapításokat, ami jelentős időmegtakarítást eredményezhet a kutatási munka során.
A tájékoztató következő része az MI prezentációkészítésben és oktatási anyagok előállításában játszott szerepére tért ki. Az előadó elmondta, hogy a generatív MI képes vizuális elemekkel és szöveges összegzésekkel segíteni az oktatók munkáját, például egy tananyag rövidített kivonatát elkészíteni, vagy egy témához illeszkedő illusztrációkat generálni. Az olyan rendszerek, mint a DALL·E vagy a MidJourney lehetővé teszik, hogy egyedi és kreatív ábrákat állítsunk elő, amelyek segítik a tanulási folyamatot, és vizuálisan is vonzóbbá teszik az előadásokat.
A tájékoztató ezen szakaszában az előadó külön kitért az MI nyelvi asszisztenciában betöltött szerepére is. Az olyan rendszerek, mint a DeepL vagy az eTranslate nem csupán fordításokat végeznek, hanem képesek stilisztikai finomításokat és terminológiai pontosításokat is végrehajtani, ami különösen fontos lehet többnyelvű oktatási környezetben. A generatív MI ezen túlmenően alkalmas lehet jegyzetek és összefoglalók készítésére, például egy hosszú előadás kulcsfontosságú pontjainak kiemelésére és tömörítésére, ami megkönnyítheti a hallgatók számára a tananyag feldolgozását.
Az MI etikus és szabályozott használata
Az utolsó blokk az MI etikus használatára koncentrált. Verebics János hangsúlyozta, hogy az MI lehetőségei nem mentesítenek senkit az akadémiai szabályok betartása alól. Az egyetemeknek egyértelmű irányelveket kell kidolgozniuk az MI használatára vonatkozóan, különös tekintettel a plágiumra és a szerzői jogi kérdésekre. A legnagyobb kihívás az, hogy hogyan lehet a hallgatók számára biztosítani a mesterséges intelligencia által nyújtott előnyöket, miközben megőrzik az oktatás hitelességét és az egyéni teljesítmény értékelhetőségét. Az előadó megjegyezte, hogy míg egyes egyetemek szigorúan tiltják az MI használatát, más intézmények – köztük az ELTE – a szabályozott, oktatói ellenőrzés mellett történő integrációt választják.
Az előadás visszatérő gondolata volt, hogy a mesterséges intelligenciát nem ellenségként, hanem eszközként kell kezelni. A digitális írástudás új szintje az, hogy valaki hatékonyan tudja irányítani és ellenőrizni az MI által generált tartalmakat. Az előadás végén az előadó gyakorlati példákon keresztül mutatta be a prompt engineering alapjait, amely kulcsfontosságú a ChatGPT és más generatív MI alkalmazások hatékony használatához.
Az előadás (amely a Kar Panopto-rendszerében itt érhető el) világossá tette, hogy az egyetemek és az oktatók válaszút előtt állnak: vagy tiltják a mesterséges intelligenciát, vagy előremutató módon integrálják azt a tanításba és a kutatásba. Az ELTE Gazdaságtudományi Kar az utóbbi mellett döntött, felismerve, hogy a mesterséges intelligencia megkerülhetetlen része lesz az akadémiai és munkaerőpiaci jövőnek. Rövidesen elérhetővé válnak a hallgatók felkészítését segítő, magyar és angol nyelvű prezentációk is videófelvételek is, amelyek a mesterséges intelligencia a Projektfeladat és szakdolgozat felkészítő tárgy keretében egészítik majd ki a meglévő alap- és mesterszakos kari szabályzatokat és útmutatókat, de minden egyetemi polgár számára hozzáférhetővé válnak majd, akik az új lehetőségekkel szeretnének megismerkedni.