Hvordan bruke kunstig intelligens (KI), skrive akademisk tekst og hvilke hjelpemidler er tillatt ved eksamen

Det er viktig å:

• bruke KI som støtte, ikke som erstatning for egen tenkning
• kritisk vurdere kvaliteten på svarene du får
• alltid oppgi bruk av KI i akademiske arbeider og merk tydelig materiale generert av språkmodeller
• ikke bruke KI til å behandle personopplysninger eller sensitive saker
• følge faglige og etiske retningslinjer for kildebruk

Kunstig intelligens (KI) er en samlebetegnelse på teknologier som kan etterligne menneskelig atferd og tenkning. Det er ikke én teknologi, men mange teknologier som bruker store datamengder, komplekse algoritmer og kraftig beregningskapasitet for å utføre oppgaver med liten eller ingen menneskelig veiledning.

Hensikten kan for eksempel være å bruke store datamengder, komplekse algoritmer og kraftig beregningskapasitet for å finne mønstre i store mengder data. Denne type KI-programmer er godt etablert og har blitt benyttet i flere år. Et eksempel er Rikshospitalets bruk av KI for å analysere røntgen bilder ved spørsmål om brudd.

Begrepsforklaring

KI-verktøy

Programmer eller plattformer som bruker KI for å generere tekst, analysere data eller utføre andre oppgaver.

Generativ KI

KI-systemer som kan generere nytt innhold som tekst, bilder eller lyd basert på treningsdata.

Språkmodeller

Språkmodellene er trent på enorme mengder tekstdata og er i bunn og grunn statistisk verktøy som kan forutsi neste ord i en gitt sekvens. Det er med andre ord kontekstbestemt sannsynlighetsfordeling av ord. Dette gjør dem i stand til å generere menneskelignende tekst, svare på spørsmål og utføre ulike språkrelaterte oppgaver.

Det finnes mange modeller på markedet, hver med sine egne styrker og svakheter. De mest moderne modellene er nå det man kaller multimodale. De er i stand til å forstå og generere informasjon fra flere forskjellige typer data, eller "modaliteter". Dette kan for eksempel være tekst, bilder, lyd, video og sensoriske data. Husk at selv om modellene er gode på å simulere samtaler, kan de gi feilaktige svar.

Små språkmodeller øker også i populæritet. Dette er modeller som er trent på mindre, men til gjengjeld nøye kuratert data. De presterer ofte like bra eller bedre en de store på bestemte oppgaver. De er også mer bærekraftige siden de ikke bruker like mye energi.

I emnebeskrivelsen skal det stå informasjon om tillatt bruk av KI i emnet. Dette feltet skal inneholde en beskrivelse av hvordan KI er tillatt brukt ved de forskjellige vurderingsformene og de obligatoriske aktivitetene som emnet har. Det er 3 mulige kategorier av KI-bruk:

K1 - Ingen bruk av KI

• Ingen bruk av KI tillatt
• Eksempel: Ved en eksamen eller prøve som avlegges på campus vil det typisk ikke være tillatt med bruk av KI.

K2 - Spesifisert bruk av KI

• I denne kategorien må det spesifiseres hvilken bruk av KI som er tillat.
• Eksempel: Ved f. eks en gruppeoppgave kan det være spesifisert at KI kan benyttes til idé-myldring og språkvask, men ikke noe annet. Da må studentene gi en beskrivelse av bruken av KI med hvilke programmer og hvordan programmene er brukt i teksten.
• Gruppen vil være ansvarlig for det endelige innholdet i teksten etter fullført språkvask og at dette er i tråd med regelverket.

K3 - Full bruk av KI

• I denne kategorien er all bruk av AI tillatt, men må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.
• Viktig merknad: Etiske prinsipper må alltid følges, selv når full bruk av KI er tillatt.
• Eksempel: Studenter kan fritt bruke KI-verktøy til alle aspekter av en oppgave, inkludert innholdsgenerering, analyse og formatering, forutsatt at bruken oppgis tydelig og etiske retningslinjer følges.

Husk!

• Uavhengig av kategori er studentene ansvarlige for å sikre at bruken av KI er i samsvar med institusjonens retningslinjer og etiske standarder.
• Åpenhet er avgjørende: oppgi alltid din bruk av KI og spesifiser hvilke verktøy og metoder som er brukt.

Det ligger i en språkmodells natur å tidvis generere feilaktig informasjon. De kan ikke skille rett og galt på egenhånd, og komponerer setninger basert på sannsynlighet, ikke skjønn.

Her er et eksempel: ChatGPT ble stilt spørsmålet om hva som er tidenes mest siterte forskningsartikkel i økonomi? Svaret var “A Theory of Economic History” – skrevet av Douglass North i 1969 og publisert i Journal of Economic History. Problemet er bare at denne artikkelen ikke finnes. Ved å søke i egen treningsdata setter den sammen de ordene som oftest opptrer sammen basert på spørsmålet:

«A Theory of Economic History” er da svaret vi får servert av Chat GPT. Valg av forfatter er gjort på samme måte. Douglass North er den forfatteren som har publisert mest innen økonomi. Sannsynlighet tilsier derfor at han er forfatteren.

Faktafeil (hallusinasjoner på fagspråket) er noe som jobbes aktivt med, der frekvensen har gått merkbart ned siden lanseringen av GPT 3 høst 2022. At modellene nå er på internett og kan søke etter konkret informasjon er av stor betydning. Hallusinasjoner og genererte svar av lav kvalitet forkommer allikevel fortsatt. Ulike leverandører har forskjellige løsninger, men Googles Notebook LM er et godt eksempel. Plattformen som er basert på Gemini krever at du selv laster opp kildene den skal ta utgangspunkt i. Den kan bare generer tekst basert på det du har lastet opp. Dette reduserer forekomsten av hallusinasjoner kraftig og gir samtidig brukeren langt større kontroll en hva en konvensjonell chatbot kan tilby.

Selv om den genererte informasjonen man får av en språkmodell ikke inneholder faktafeil, så man også være oppmerksom på mulig plagiering. Det finnes flere eksempler på at språkmodeller “genererer" informasjon identisk med allerede publisert materiale. Gjenbruk av generert innhold kan derfor slå ut i en plagieringsjekk. 

GPT og de andre språkmodellene har også innprogrammerte etiske retningslinjer. De handler i hovedsak om støtende innhold og personvern, men de er også påvirket av dominerende politiske synspunkter. Språkmodellene kan derfor ha en innebygget bias, eller reproduserer partiske synspunkter representert i treningsmaterialet. Dette er med på å påvirke treffsikkerheten.

En språkmodell har også en evne til å gi deg svaret du ønsker, selv om det ikke representerer konsensus. Dette er spesielt viktig å være oppmerksom på hvis man benytter plattformer rettet mot akademia og litteratursøk. Hvis man spør om å få generert tekst basert på en spesifikk problemstilling, vil du få et svar som underbygger din påstand (inkludert faktiske kilder), men det er slett ikke sikkert at dette representerer fagfeltets generelle posisjon. Motstridene forskning blir med andre ord ikke tatt stilling til med mindre man spør spesifikt om det. Modellene har heller ikke tilgang på all fagfellevurdert vitenskapelig litteratur. Forslagene du får er basert på det “biblioteket” leverandøren har greid å opparbeide. De er ofte svært mangelfulle og inneholder lite kontemporær vitenskapelig litteratur. Slike plattformer burde derfor betraktes som et supplement, ikke en erstatter for mer konvensjonelle former for informasjonssøk.

Et siste problem er bruk av KI for oppsummering av fagtekster. Et KI-verktøy klarer ikke nødvendigvis veie hva som viktig og ikke. Et generert sammendrag kan derfor gi en feilaktig fremstilling av tekstens innhold. Flere av verktøyene har imidlertid tilført funksjoner som gjør de mer langt mer presise og nyttige. Det er allikevel viktig å kvalitetssikre innholdet.  

Prompting

Når du bruker en språkmodell, er det viktig å kunne stille konkrete spørsmål som inneholder mye kontekst. Dette kalles prompting. På norsk kan prompting forklares som spørsmålsstillinger, instruksjoner eller ledetekst. Det å prompte er din måte å gi KI verktøyet instrukser om hva du vil at den skal gjøre. 

Det kan være vanskelig å lage prompts som gir deg ønsket respons. Det kan derfor ofte være behov for justeringer, korrigeringer og oppfølgingsspørsmål underveis i samtalen.  Det betyr at jo bedre forståelse du har av tematikken, desto større er sannsynligheten for at du kan lage nyttige prompts. I noen tilfeller kan du få mer nøyaktige treff dersom du prompter på engelsk. For at slike KI-verktøy skal oppleves nyttig for deg, er det viktig å se på interaksjonen som en dialog.

Kildekritikk

KI verktøy kan ikke refereres til som en kilde. Du kan heller ikke benyttet deg av kilder som verktøyet oppgir da disse kan være kilder som ikke er reelle. Dette fordi språkmodellene svarer ved å lete i og kombinere elementer fra egen treningsdata. Dersom du bruker tekst generert av KI, til hjelp i skriveprosessen med egen tekst, må du være bevisst på:

• KI-generert tekst kan inneholde feil, unøyaktigheter eller være misvisende. Kontroller derfor alltid tekstene med flere andre kilder. 
• KI-generert tekster er ikke din egen. Om du bruker den i eget arbeid må du være åpen om at teksten er KI-generert og på hvilken måte den er generert og brukt i din tekst.  
• Dersom KI-generert tekst viser til kilder er de ikke nødvendigvis reelle eller relevante. Du må alltid oppsøke, utforske og kontrollere kildene du oppgir. Oppgitte kilder kan være basert på skjønn og ikke reelle kilder.
• Generert tekst kan reflektere bias eller fordommer fra treningsdataene. Ved å bygge videre på biasene eller fordommene kan disse forsterkes. 
• Ikke bruk KI til å skrive teksten for deg, men som en støtte i skriveprosessen, for eksempel til å få ideer og forbedre egen tekst. 

Majoriteten av selskapene som eier og utvikler de store språkmodellene lagrer brukerdata i USA. De krever innlogging ved oppretting av passord, registrering av telefonnummer og/eller epost (alternativ via Facebook eller en Microsoft-konto), men lagrer også metadata som din internetthistorikk, browser-type og hvilke innhold du søker etter og eksponeres for ved bruk av programmet. I tillegg vil enkelte av språkmodellene trenes ytterligere ved at du interagerer med dem. Alt du skriver, og alle svar du får blir brukt for å utvikle teknologien ytterligere.

På grunnlag av reguleringer vedrørende datalagring utenfor EU (GDPR), kan ikke NMBU eller ansatte ved NMBU pålegge studentene å benytte slike verktøy som del av undervisningen. Dette er imidlertid noe tech-selskapene er klar over og ønsker å imøtekomme ved å endre egen datalagringspraksis.

Det er ikke tillatt med kommunikasjon/samarbeid mellom medstudenter eller andre personer under eksamen, hvis ikke slik kommunikasjon/samarbeid spesifikt er oppgitt som et tillatt i eksamensoppgaven eller i emnerommet i Canvas.

Ved eksamen skal du vise hva du har lært ved å besvare med dine egne formuleringer. Siterer du tekst skrevet av andre eller viser til andres arbeid må du bruke korrekt referering. Dette er også viktig å huske på dersom du benytter notater som inneholder direkte avskrift fra forelesningsfoiler etc. eller f. eks fellesnotater med andre studenter o.l.

Bruke av KI

NMBU tillater bruk av KI-baserte programmer ved utforming av innleveringsoppgaver som er del av obligatorisk arbeid i et emne, så fremt det ikke er angitt i emnebeskrivelsen at KI-baserte programmer ikke er tillatt.

Bruker du KI er det viktig at du setter deg godt inn i korrekt bruk av dette, se NMBUs egen retningslinjer og mer informasjon om KI-bruk høyere opp på siden.

Det er opplyst i emnebeskrivelsen til emnet hvilken KI-kategori emnet har for den enkelte vurdering.

Husk!

• Det er viktig at du lærer deg korrekt bruk av kilder og referanser, se info referansestiler og litteraturlister og book gjerne veiledning i akdamisk skriving - grønne link knapper øverst på siden
• Skriv besvarelsen med egne ord. Ikke "klipp og lim" fra andre.
• Se NMBUs egne retningslinjer for bruk av KI.
• Dersom du ikke har fått opplyst at samarbeid/kommunikasjon med andre er tillatt, så vil slikt samarbeid regnes som fusk. 
• Les mer om hvordan NMBU forstår fusk og plagiering