AI edestas õigusteaduse professoreid tudengitele vastamisel
USA õigusteaduse professorid eelistasid kolleegide vastustele sagedamini AI vastuseid, kui nad ei teadnud, kes teksti kirjutas. Stanford Law Schooli uues uuringus koostasid 16 lepinguõiguse õppejõudu tudengite küsimusi, kirjutasid oma vastused ja hindasid seejärel 2918 anonüümset võrdlust inimeste ja masinate vastuste vahel. AI keskmine win rate oli 75,33%.
AI-uudise jaoks on see olulisem kui järjekordne matemaatika- või programmeerimistest. Õigusõpe ei seisa ainult faktidel: tudeng küsib vaieldava olukorra kohta, õppejõud kaalub argumente, selgitab ebakindlust ja näitab, kuidas jõuda kaitstava järelduseni. Just seetõttu valisid autorid lepinguõiguse ja office hours’i tüüpi küsimused, mitte valmis vastusevõtmega ülesanded.
Mida kontrolliti
Uuringus osalesid 16 USA õiguskooli õppejõud. Nad sõnastasid ise 40 tüüpilist tudengiküsimust lepinguõiguse kursuselt ja kirjutasid vastused, mida nad annaksid õppesituatsioonis. Seejärel võrreldi neid vastuseid suurte keelemudelite ja spetsiaalsete AI-õppevahendite vastustega. Hindajad ei teadnud, kus on õppejõu tekst ja kus mudeli tekst.
Tulemus oli vana “AI lihtsalt jutustab internetti ümber” vaidluse jaoks ebamugavalt konkreetne. Professorid valisid masinavastuse umbes kolmel korral neljast. Peale selle peeti AI vastuseid pedagoogiliselt kahjulikuks või eksitavaks harvemini: 3,53% võrreldes professorite vastuste 12,06%-ga. See ei tähenda, et inimesed kirjutasid halvasti. Pigem osutus mudel tugevaks lühikeses ja korrektses selgituses, kus tuleb hoida struktuuri, mööndusi ja arusaadavat järeldust.
Miks see puudutab mitte ainult juriste
Seni on paljud AI-tuutorite hindamised toetunud valdkondadele, kus tõde on üheselt määratav: kas ülesanne lahendati õigesti, kas fakt leiti, kas vastus langes etaloniga kokku. Stanford Lawi uuring on huvitav, sest kontrollib teist tööliiki: professionaalset otsust ebamäärases olukorras. Just selles tsoonis kaitstakse tavaliselt inimeste ekspertiisi: hea spetsialist ei tea ainult vastust, vaid selgitab, miks üks argument on teisest tugevam.
Kui mudelid on juba sellises formaadis konkurentsivõimelised, muutub haridusvaidlus. Küsimus ei ole enam “kas AI saab tudengile vastata”, vaid “millal on tema vastus piisavalt hea, kes vastutab vea eest ja kuidas see töövoogu panna nii, et tudeng mõtleks, mitte ei saaks lihtsalt siledat sõnastust”. Ülikoolide, veebikursuste, ettevõtete koolituse ja kutseeksamite jaoks on see praktiline väljakutse: odav personaalne abiline võib järsult suurendada juurdepääsu selgitustele, kuid samal ajal muuta sõltuvuse valmisvastustest peaaegu nähtamatuks.
Kus piir alles jääb
Uuringu autorid rõhutavad eraldi, et nad ei kutsu üles õppejõude AI-tuutoritega massiliselt asendama. Nad kontrollisid lühivastuste kvaliteeti, mitte kogu õppeprotsessi: motivatsiooni, tagasisidet, arengu hindamist, eetikat, akadeemilist ausust ega oskust märgata, et tudeng sai küsimusest üldse valesti aru.
Kuid senine seisukoht “mudelid on keeruliste distsipliinide jaoks liiga ebausaldusväärsed” muutus nõrgemaks. Täpsem järeldus kõlab karmimalt: mõnes professionaalses ülesandes võib AI juba anda selgitusi, mida eksperdid eelistavad teiste ekspertide vastustele. Nüüd peavad õppeasutused seda mitte inertsist keelama, vaid otsustama, kus mudel on kasulik mentorina, kus on vaja inimese kontrolli ja millised oskused peab tudeng endale jätma.
