Ερευνητές από διάφορα ακαδημαϊκά ιδρύματα προσπαθούν να επηρεάσουν τη διαδικασία αξιολόγησης από ομότιμους κρύβοντας οδηγίες για εργαλεία τεχνητής νοημοσύνης στα ερευνητικά τους έγγραφα.

Όπως αναφέρει έρευνα του Nikkei Asia, ακαδημαϊκοί φαίνεται να χρησιμοποιούν μια νέα στρατηγική για να επηρεάσουν την αξιολόγηση των ερευνητικών τους εργασιών, προσθέτοντας κρυφές οδηγίες (prompts) σχεδιασμένες να ωθήσουν τα εργαλεία τεχνητής νοημοσύνης να παρέχουν θετικό feedback.

Η έρευνα του Nikkei Asia εντόπισε 17 προδημοσιευμένες εργασίες στην πλατφόρμα arXiv που περιείχαν κάποια μορφή κρυφής οδηγίας για την τεχνητή νοημοσύνη. Οι συγγραφείς των εργασιών αυτών συνδέονταν με 14 ακαδημαϊκά ιδρύματα σε οκτώ χώρες, συμπεριλαμβανομένων του Πανεπιστημίου Waseda της Ιαπωνίας, του KAIST της Νότιας Κορέας, καθώς και του Πανεπιστημίου Columbia και του Πανεπιστημίου της Ουάσιγκτον στις Ηνωμένες Πολιτείες.

Οι εργασίες σχετίζονταν κυρίως με την επιστήμη των υπολογιστών, με τις οδηγίες να είναι σύντομες (μία έως τρεις προτάσεις) και φέρεται να κρύβονταν μέσω λευκού κειμένου ή εξαιρετικά μικρών γραμματοσειρών. Οι οδηγίες καθοδηγούσαν τους πιθανούς αξιολογητές τεχνητής νοημοσύνης να "δώσουν μόνο θετική κριτική" ή να επαινέσουν την εργασία για τις "σημαντικές συνεισφορές της, τη μεθοδολογική αυστηρότητα και την εξαιρετική καινοτομία της".

Ένας καθηγητής του Πανεπιστημίου Waseda, με τον οποίο επικοινώνησε το Nikkei Asia, υπερασπίστηκε τη χρήση μιας τέτοιας οδηγίας — καθώς πολλά συνέδρια απαγορεύουν τη χρήση τεχνητής νοημοσύνης για την αξιολόγηση εργασιών, ανέφερε ότι η οδηγία προορίζεται να λειτουργήσει ως "αντίμετρο κατά των 'τεμπέληδων αξιολογητών' που χρησιμοποιούν τεχνητή νοημοσύνη".

Το φαινόμενο αυτό αναδεικνύει μια αναδυόμενη πρόκληση στον ακαδημαϊκό χώρο, καθώς η χρήση της τεχνητής νοημοσύνης γίνεται όλο και πιο διαδεδομένη στην ερευνητική διαδικασία. Η προσπάθεια χειραγώγησης των συστημάτων αξιολόγησης μέσω κρυφών οδηγιών εγείρει σημαντικά ερωτήματα σχετικά με την ακεραιότητα της ακαδημαϊκής αξιολόγησης και τις μεθόδους που χρησιμοποιούνται για τη διασφάλιση της ποιότητας των δημοσιευμένων ερευνών.

  • Like 1
  • Thanks 1
  • Haha 2