استفاده از هوش مصنوعی در پایان‌نامه: سرقت علمی است یا نه؟
پرسشی که تقریباً هر دانشجوی تحصیلات تکمیلی یک‌بار از خودش می‌پرسد این است: «اگر از هوش مصنوعی کمک بگیرم، کارم سرقت علمی حساب می‌شود؟» پاسخِ کوتاه و صادقانه این است که امروز حکمِ صریحِ قانونی برای متنِ تولیدشده با هوش مصنوعی وجود ندارد؛ تصمیم به مقرراتِ دانشگاه، رویهٔ داوری و شفافیتِ خودِ شما برمی‌گردد. اما «حکمِ صریح نداریم» با «هر کاری آزاد است» یکی نیست.
این مقاله سه حالتِ متفاوت را از هم جدا می‌کند: کمکِ ویرایشی و زبانی، تولیدِ بخشِ محتوایی توسط ابزار، و ساختنِ داده یا منبعِ ساختگی. این سه، حکمِ اخلاقی و آیین‌نامه‌ایِ یکسانی ندارند و بیش از هر چیز به دو چیز وابسته‌اند: افشا و ارجاع. اگر می‌خواهید بدانید مرزِ استفادهٔ مجاز دقیقاً کجاست، در مقالهٔ راه‌های مجاز استفاده از هوش مصنوعی در نگارش علمی همین بحث را ادامه داده‌ایم.
سرقت علمی دقیقاً چیست؟
سرقت علمی یعنی برداشتنِ ایده، متن، داده یا دستاوردِ دیگری و ارائهٔ آن به‌عنوان کارِ خودتان، بی‌آنکه منبع را روشن ذکر کنید. جعل و تقلب هم در همین خانواده‌اند: ساختنِ داده‌ای که وجود ندارد، دست‌کاریِ نتیجه، و گزارشِ کاری که انجام نشده است. تفاوتِ سرقت علمی با الهام‌گرفتن در یک چیز است: در الهام‌گرفتن، ایدهٔ دیگران را می‌فهمید، بسط می‌دهید و به آن ارجاع می‌دهید؛ در سرقت، جای آن ایده را می‌گیرید و آن را از خود می‌دانید.
در ایران، متنِ حاکم بر این تخلفات «قانونِ پیشگیری و مقابله با تقلب در تهیهٔ آثار علمی» (مصوبِ مجلس) و «آیین‌نامهٔ اجرایی» آن (مصوبِ هیئت وزیران) است. مهم‌ترین نکته‌ای که باید صریح گفته شود این است: این قانون و آیین‌نامهٔ آن هیچ بندی دربارهٔ متنِ تولیدشده با هوش مصنوعی ندارند. یعنی امروز حکمِ صریحی برای هوش مصنوعی نوشته نشده و تصمیم به مقرراتِ دانشگاه، رویهٔ داوری و «افشا و ارجاع» برمی‌گردد.
نکتهٔ دومی هم در همان قانون هست که برای بحثِ ما حیاتی است: قانون، تهیه یا عرضه یا واگذاریِ اثر (رساله، پایان‌نامه، مقاله، طرح پژوهشی) را به قصدِ انتفاع و به‌عنوان حرفه، با هدفِ اینکه دیگری کل یا بخشی از آن را به‌عنوان اثرِ خودش ارائه کند، جرم می‌داند. در کنارِ آن، «خدماتِ متعارف» مانند تایپ، ترجمه، ویراستاری، کمک به گردآوریِ داده و خدماتِ آزمایشگاهی از دامنهٔ همین قانون بیرون است. یعنی ابزارِ کمکِ اجرایی به خودیِ خود جرم نیست.
سه حالتِ متفاوت که نباید با هم قاطی شوند
حالتِ اول، کمکِ ویرایشی و زبانی است. شما متن را خودتان نوشته‌اید و ابزار فقط آن را روان‌تر می‌کند، لحن را یکدست می‌کند یا جملهٔ فارسی شما را به انگلیسی برمی‌گرداند. این کار در دامنهٔ همان «خدماتِ متعارف» می‌نشیند که قانون آن را جرم نمی‌داند و در عمل شبیه استفاده از ویراستار است. شرطش این است که محتوا و اندیشه از خودتان باشد و نقشِ ابزار را جایی روشن بگویید.
حالتِ دوم، تولیدِ بخشِ محتوایی توسط ابزار بدونِ افشا است. اینجا ابزار مسئله را صورت‌بندی می‌کند، استدلال می‌سازد یا فصل را از صفر می‌نویسد و شما آن را بی‌ذکرِ نقشِ ابزار تحویل می‌دهید. مشکلِ این حالت «استفاده از ابزار» نیست؛ مشکل، پنهان‌کردنِ سهمِ ابزار و ارائهٔ متن به‌عنوانِ فهم و تحلیلِ خودتان است. این حالت در نگاهِ داوری می‌تواند مصداقِ نبودِ صداقتِ علمی باشد و تصمیمِ نهایی دربارهٔ آن به مقرراتِ دانشگاهِ شما برمی‌گردد.
حالتِ سوم، تولیدِ داده یا منبعِ ساختگی است. ساختنِ عددی که اندازه‌گیری نشده، نتیجه‌ای که آزمونی پشتش نیست، یا ارجاع به مقاله‌ای که وجود ندارد، همیشه تخلف است و هیچ مقررات یا رویه‌ای آن را مجاز نمی‌داند. این خطرناک‌ترین حالت است، چون در دفاع خیلی زود معلوم می‌شود و پیامدش از یک تذکرِ زبانی بسیار سنگین‌تر است.
چرا «تشخیصِ هوش مصنوعی» معیارِ خوبی برای داوری نیست
ابزارهای تشخیصِ متنِ هوش مصنوعی خطاپذیرند. گویاترین شاهدِ مستند این است که سازندهٔ یکی از مشهورترینِ این ابزارها، طبقه‌بندِ تشخیصِ متنِ خودش را با اعلامِ «دقتِ پایین» بازنشسته کرد. نتیجهٔ عملیِ این خطاپذیری برای شما روشن است: مثبتِ کاذب وجود دارد و ممکن است متنی کاملاً انسانی هم علامتِ «هوش مصنوعی» بخورد. پس هیچ‌کس نباید گزارشِ یک ابزار را به‌تنهایی معادلِ «این متن را ابزار نوشته» بگیرد.
نکتهٔ دوم مربوط به رویه است. وزارت علوم «راهنمای استفاده از ابزارهای هوش مصنوعی در پژوهش» را ابلاغ کرده است؛ جزئیاتِ این راهنما را باید به گزارشِ رسانه‌ها و خبرگزاری‌ها خواند، نه به‌عنوانِ متنِ قطعی. نکتهٔ مهمی که رسانه‌ها از آن نقل کرده‌اند و جای تأکید دارد این است: خروجیِ ابزارهای تشخیصِ متنِ هوش مصنوعی به‌تنهایی نمی‌تواند مبنای قطعیِ اثباتِ تخلف باشد. اگر روزی گزارشی از این دست روی میزِ داور گذاشته شد، آن گزارش یک نشانه است، نه حکم.
این را هم اضافه کنید که این ابزارها کیفیت را هم نمی‌سنجند. ممکن است متنی انسانی و متوسط از فیلتر بیرون بماند و متنی تولیدشده با ابزار، منظم و بی‌ایراد، علامت نخورد. ساختنِ یک تصمیمِ اخلاقی روی چنین ابزاری، هم برای داور و هم برای دانشجو، بی‌جهت پرمخاطره است.
همانندجویی چه را نشان می‌دهد و چه را نه
سامانهٔ «همانندجو»ی ایرانداک متنِ شما را با متنِ پایان‌نامه‌ها، رساله‌ها و مقاله‌ها و همچنین متونِ وب مقایسه می‌کند و شباهتِ متنی را نشان می‌دهد: گذرهای مشابه، درجهٔ شباهت و منبعِ هر گذر. این گزارش به شما می‌گوید کدام بخشِ متن با متونِ دیگر هم‌پوشانی دارد و کدام منبع پشتِ آن هم‌پوشانی است. ثبت در ایرانداک و مشابهت‌یابی پیش از دفاع، رویهٔ الزامیِ تحصیلات تکمیلی است.
اما یک چیز را نمی‌گوید: اینکه متن را چه کسی نوشته است. همانندجو نمی‌سنجد که نویسنده انسان بوده یا ابزار. پس نه می‌توان گفت که این سامانه نویسندهٔ متن را می‌شناسد، و نه می‌توان گفت «شباهتِ پایین یعنی کارِ من پاک است». مشابهت‌یابی و تشخیصِ هوش مصنوعی دو پرسشِ متفاوت می‌پرسند و هیچ‌کدام به‌تنهایی داوریِ علمی نیستند.
چه چیزی شما را نجات می‌دهد: شفافیت، ارجاع، ردِ کار
سه چیز در عمل از شما محافظت می‌کند. اول شفافیت: اینکه خودتان، بی‌آنکه کسی بپرسد، بگویید در کدام بخش از چه ابزاری و برای چه کاری استفاده کرده‌اید. دوم ارجاعِ درست: هر ایده، داده و جملهٔ نقل‌شده منبعِ روشن داشته باشد و هیچ ارجاعی به منبعی که نخوانده‌اید نرود. سوم نگه‌داشتنِ ردِ کار: پیش‌نویس‌های میانی، یادداشتِ پرسش‌ها، مسیرِ تحلیل و تاریخِ نسخه‌ها.
ردِ کار در دفاع نقشِ تعیین‌کننده دارد. وقتی داور بپرسد «این فصل چطور شکل گرفت؟»، فایلی که مسیرِ فکرِ شما را نشان می‌دهد از هر توضیحِ شفاهی قوی‌تر است. برای اینکه ببینید این سه عادت در قالبِ یک برنامهٔ روزانه چه شکلی پیدا می‌کنند، سراغِ مقالهٔ نکاتی که در پایان‌نامه‌نویسی باید رعایت شود بروید؛ همان‌جا این موارد به چک‌لیستِ عملی تبدیل شده‌اند.
پیامدهای واقعی، بدونِ بزرگ‌نمایی
پیامدهای تخلفِ علمی در بیشترِ موارد از جنسِ اداری و اعتباری است، نه کیفری: بی‌اعتباریِ علمیِ کار، بازگرداندنِ متن برای اصلاح یا بازنویسی، و اقداماتِ دانشگاهی بر پایهٔ مقرراتِ همان دانشگاه. دامنه و شدتِ این اقدامات در دانشگاه‌های مختلف یکسان نیست و به شدتِ تخلف، سابقه و نظرِ داوران بستگی دارد؛ بنابراین هر کس که برای شما «نتیجهٔ قطعی» ترسیم کند، دارد ساده‌سازی می‌کند.
آنچه همهٔ این حالت‌ها را گران می‌کند، هزینهٔ زمانی و اعتباریِ آن است: کاری که ماه‌ها وقت برده به نقطهٔ صفر برمی‌گردد و اعتمادِ استاد راهنما هم آسیب می‌بیند. به همین دلیل محتاطانه‌ترین مسیر، در عمل ارزان‌ترین مسیر هم هست: نقشِ ابزار را کم و روشن نگه دارید و بارِ فکریِ کار را خودتان بردارید.
جمع‌بندی: قاعدهٔ سه‌پرسشیِ تصمیم
پیش از هر بار استفاده از یک ابزار، سه پرسش از خودتان بپرسید. اول: اگر فردا کسی بپرسد این بخش چطور ساخته شده، پاسخم را می‌توانم بی‌خجالت بگویم؟ دوم: آیا این بخش به فهم یا دادهٔ خودم تکیه دارد، یا جای فکرِ من را گرفته است؟ سوم: آیا نقشِ ابزار و منبعِ ایده‌ها در متن روشن شده‌اند؟ اگر پاسخِ هر سه پرسش روشن بود، در محدودهٔ ایمن کار می‌کنید.
قانونِ امروز دربارهٔ هوش مصنوعی حکمِ صریحی ندارد و همین خالی‌بودنِ جای حکم، مسئولیت را روی دوشِ نویسنده می‌گذارد. شفافیت و ارجاع همان چیزی است که در غیابِ قاعدهٔ صریح از شما دفاع می‌کند. برای دیدنِ تصویرِ کاملِ این مسیر، از نوشتن مقالهٔ علمی و ساختار IMRAD شروع کنید.
