Академична и интеркултурна комуникация

Academic and Intercultural Communication

DOI 10.55206/TPCA2116

 

Тиха Бончева

Софийски университет „Св. Климент Охридски“

Имейл: tiha@uni-sofia.bg

 

Абстракт: Изкуственият интелект (ИИ) бързо трансформира хуманитаристиката и академичната комуникация, предлагайки нови методи за анализ, обработка на информация и автоматизация на научни процеси. В тази статия се разглеждат някои от основните приложения на ИИ в университетската среда, включително персонализираното обучение, автоматизираната обработка на академични текстове и подобряването на достъпа до информация чрез интелигентни системи. Анализират се и етичните аспекти, свързани с използването на ИИ в образованието, като академична почтеност, пристрастия в алгоритмите и влиянието върху преподавателите. Освен това статията проследява историческото развитие на ИИ, като поставя акцент върху Дарт­мутската конференция от 1956 г., която полага основите в тази научна област. Разглеждат се конкретни технологични решения като BERT за анализ на естествен език, Google Books Ngram Viewer за проследяване на езиковите промени и различни чатботове, подпомагащи студентите и преподавателите.

В заключение се подчертава необходимостта от етично и отговорно използване на ИИ, така че той да допълва, а не да замества традиционните методи на обучение и научни изследвания.

 

Ключови думи: изкуствен интелект (ИИ), академична комуникация, етика, философия, бъдеще.

Artificial Intelligence:  Role and Influences in Academic Communication

 

Tiha Boncheva

Sofia University “St. Kliment Ohridski”

E-mail: tiha@uni-sofia.bg

Abstract: Artificial intelligence (AI) is rapidly transforming the humanities and academic communication, offering new methods for analysis, information pro­cessing, and automation of scientific processes. This paper examines the key applications of AI in the university environment, including personalized learning, automated academic text processing, and improving access to information through intelligent systems. The ethical aspects of AI use in education are also analyzed, including academic integrity, algorithmic biases, and the impact on educators. Additionally, the article traces the historical development of AI, emphasizing the 1956 Dartmouth Conference, which laid the foundation of this scientific field. Specific technological solutions such as BERT for natural language analysis, Google Books Ngram Viewer for tracking linguistic changes, and various chatbots assisting students and educators are discussed. In conclusion, the study highlights the need for ethical and responsible AI usage to ensure that it complements rather than replaces traditional methods of teaching and academic research.

 

Keywords: artificial intelligence (AI), academic communication, ethics, philo­sophy, future.

 

Увод

В последните десетилетия изкуственият интелект (ИИ) се утвърждава като една от най-влиятелните и значими технологични иновации, с широко приложение в различни сфери на обществото. От автоматизацията на индустриалните процеси до навлизането в ежедневния живот чрез виртуални асистенти, алгоритми за препоръки и интелигентни системи за обработка на информация. Изкуственият интелект променя начина, по който работим, общуваме и учим.

В академичен контекст влиянието на изкуствения интелект става все по-осезаемо в областта на хуманитаристиката и академичната комуникация. Университетите и изследователските институти започват да го прилагат както за анализ на големи обеми текстове, така и за автоматизация на научните рецензии, обработка на езикови данни и дори за подпомагане на обучението чрез интелигентни образователни системи. В този контекст възникват въпросите, свързани както с ползите от използването на тези технологии, така и с етичните предизвикателства, които съпътстват тяхната интеграция в образователния процес.

Целта на тази статия е да проследи ролята на изкуствения интелект в академичната среда и комуникация, като се фокусира не само върху неговите приложения, добри практики, но и върху потенциалните предизвикателства. В първата част ще бъде разгледан историческият контекст на развитието на изкуствения интелект и неговото влияние върху науката. Ще бъдат анализирани конкретни примери за внедряването му в академична среда – от използването на чатботове за подпомагане на студентите до автоматизираното анализиране на текстови и изследователски материали. Няма да бъде пренебрегнат и казусът с етичните норми и възможното  бъдещо развитие.

Изкуственият интелект повдига фундаментални въпроси относно интелектуалната автономност, достоверността на генерираната информация и границите на човешкото творчество. Настоящата статия цели да представи обективен поглед върху тези въпроси, като даде основа за една по-задълбочена дискусия относно бъдещето на изкуствения интелект в науката, образованието и в частност академичната комуникация.

Развитие на изкуствения интелект – минало и бъдеще

Идеята за създаването на машини, способни да мислят и вземат самостоятелни решения, не е нова. Още в древността философи и математици разсъждават върху възможността за съществуване на изкуствен разум. В гръцката митология се описват механични създания, като Талос – бронзовият гигант, създаден от бог Хефест, който притежава автономност и изпълнява задачи без човешка намеса. В по-късни етапи на историята учените Рене Декарт (1596–1650) и Готфрид В. Лайбниц (1646–1716) поставят основите на логическите и математическите модели, които в бъдеще ще бъдат в основата на развитието на изкуствения интелект. Рене Декарт въвежда дуализма (разграничение между мислещия разум и физическото тяло) и предлага, че мисленето може да бъде механистично моделирано, което вдъхновява по-късни идеи за изкуствения интелект. От своя страна Готфрид Лайбниц развива дискретната математика, създава бинарната система (основата на съвременните компютри) и работи върху логически изчисления, които впоследствие влияят върху алгоритмите в ИИ.

Истинското начало на изкуствения интелект като научна дисциплина може да се проследи до средата на 20. век. Свързва се с името на британския математик и логик Алън Тюринг, който през 1950 г. публикува своята знакова статия Computing Machinery and Intelligence. [1] Именно в нея се поставя фундаменталният въпрос: Могат ли машините да мислят? Там излага и своя известен модел, който има за цел да определи дали една машина може да демонстрира интелигентно поведение, неразличимо от човешкото, впоследствие наречен.

Тюринг тест.

Тестът на Тюринг представлява експеримент, при който човек (изпитващ) комуникира чрез текстови съобщения с двама „събеседници“. Единият е истински човек, а другият е машина (компютърна програма). Ако изпитващият не успее надеждно да разграничи кой от двамата е машината, то се приема, че тя е преминала теста и може да се разглежда като интелигентна. Този метод акцентира върху функционалността на интелигентността, а не върху вътрешните механизми на мисленето, като по този начин премахва нуждата от определяне на същността на „съзнанието“ или „разума“.

Макар че тестът на Тюринг остава спорен и днес, той поставя основите на модерните изследвания в областта на изкуствения интелект. Някои програми като ELIZA [2] (1966) и PARRY [3] (1972) частично демонстрират способност за имитация на човешки разговори, но преминават успешно/напълно през теста. Въпреки това, концепцията на Тюринг продължава да вдъхновява изследователи и разработчици на съвременни езикови модели, като ChatGPT и Google Bard, които са способни да генерират реалистични и контекстуално подходящи отговори.

През 1956 г. в Дартмутския колеж (САЩ) се провежда историческа конференция (определяна като първата по рода си, свързана с изкуствения интелект). На тази среща, организирана от Джон Маккарти, Марвин Мински, Натаниел Рочестър и Клод Шанън за първи път се използва терминът изкуствен интелект. Форумът Тhe Constitutional Convention of AI поставя основи за самостоятелно изучаване. В своето изказване те казват: „Ще бъде направен опит да се намери как да се накарат машините да използват език, да формират абстракции и концепции, да решават видове проблеми, които сега са запазени за хората, и да се самоусъвършенстват. Смятаме, че може да се постигне значителен напредък в един или повече от тези проблеми, ако внимателно подбрана група учени работят заедно за едно лято.“ [4]

Т.нар. Дартмутска „работилница“ (workshop), продължила шест седмици през лятото на 1956 г., се счита за официалното начало на изкуствения интелект като самостоятелна научна дисциплина. Тази работилница събира водещи учени с цел да изследват възможностите за създаване на машини, които могат да демонстрират човешко мислене. Основната хипотеза на събитието е, че всеки аспект на ученето или интелигентното поведение може да бъде толкова точно описан, че да бъде симулиран от машина. В рамките на шестте седмици учените обсъждат теми като самоусъвършенстване на машините, обработка на естествен език, невронни мрежи и ролята на случайността и креативността в интелигентността. [5]

Въпреки че резултатите от работилницата не водят до незабавни технологични пробиви, тя полага концептуалните основи на изкуствения интелект като научна област. Един от ключовите резултати е формулирането на дългосрочни изследователски въпроси, които остават актуални и до днес – например как да се моделира човешката интелигентност и как машините могат да се обучават самостоятелно. Срещата между водещите математици и инженери е катализатор за разработването на първите алгоритми и програмни езици за ИИ, включително LISP. Негов създател е Джон Маккарти, като той го превръща в основен инструмент за разработка на ИИ системи през следващите десетилетия. Макар че по това време технологичните ограничения не позволяват бърз напредък, Дартмутската обмяна на опит и идеи поставя началото на една от най-влиятелните и динамично развиващи се научни области в съвременния свят.

През 60-те и 70-те години на 20. век се появяват първите успешни приложения на ИИ:

Първият компютърен чатбот, носещ името ELIZA (1966), разработен от Джоузеф Вайценбаум, симулира разговор с психотерапевт. Системата SHRDLU (1968–1970), създадена от Тери Виноград, има способността да разбира и обработва естествен език в ограничена „игрова“ среда. А следващите години се появяват експертни системи (1970–1980) или програми, които са обучени да използват база от знания и правила за вземане на решения в медицината, инженерството и други области.

Тези ранни успехи на ИИ обаче биват прекъснати от липсата на достатъчно данни за обучение и поради ограниченията на наличната изчислителна мощност. Този период е известен като Зимата на изкуствения интелект [6], продължил от 1974 до 1980 г.

С навлизането на мощни компютри и достъпността на големи масиви от данни (Big Data), изкуственият интелект започва своя ренесанс. Основните фактори, които допринасят за този подем, включват:

• Развитието на невронните мрежи – алгоритми, вдъхновени от функционирането на човешкия мозък, които позволяват по-сложна обработка на информация.
• Дълбокото обучение (Deep Learning) – техника, при която многослойни невронни мрежи се самообучават чрез анализ на огромни обеми данни.
• Облачните изчисления и специализираните хардуерни ре­шения (като графичните процесори – GPUs), които зна­чи­телно ускоряват обработката на информация.

През последните две десетилетия ИИ намира широко приложение в различни области – от медицината до финансите и не по-малко в академичната сфера. Чатботове като ChatGPT [7], BERT, Claude демонстрират способността на ИИ да генерира смислени текстове, а системи като DeepMind постигат забележителни успехи в областта на научните открития и решаването на сложни проблеми.

В хуманитарните науки изкуственият интелект се използва все още предимно за автоматичен анализ на исторически документи, обработка на естествен език, разпознаване на ръкописи и превод на текстове. В академичната комуникация той подпомага преподаватели и изследователи в автоматизираното търсене на научни публикации, рецензиране на статии и дори създаване на нови научни хипотези.

Развитието на ИИ в последните години показва, че тази технология ще играе все по-ключова роля в научните изследвания и образователния процес. В следващите раздели ще разгледаме конкретните приложения на изкуствения интелект в университетите и етичните въпроси, свързани с неговото използване.

Приложения на ИИ в хуманитаристиката

Изкуственият интелект все по-често намира приложение в хуманитарните науки, като предлага нови възможности за анализ и интерпретация на текстове, исторически източници и културни артефакти. Благодарение на своите способности за обработка на естествен език, разпознаване на изображения и автоматизирано структуриране на данни, ИИ трансформира методите на изследване в литературознанието, историята, лингвистиката и философията. Един от най-значимите приноси на изкуствения интелект в хуманитаристиката е автоматизираният анализ на текстове. Съвременните алгоритми могат да обработват големи масиви от литературни произведения, откривайки модели, скрити зависимости и стилови особености. Сред примерите, които биха могли да се посочат, са:

• Стилистичен и семантичен анализ, който чрез алгоритми за обработка на естествен език (Natural Language Processing, NLP) изследователите могат да анализират авторския стил на писатели, да идентифицират риторични фигури и да просле­дяват тематични тенденции в литературата.
• Генериране на литературни текстове – невронните мрежи могат да създават художествени текстове, вдъхновени от кла­сически произведения, като в някои случаи дори имитират сти­ла на велики писатели.
• Автоматизирано разпознаване на авторство – ИИ се из­ползва за установяване на авторството на анонимни или спор­ни литературни произведения чрез анализ на честотата на ду­ми, граматични конструкции и синтактични особености.

В това поле се наблюдава развитието на проекта Google Books Ngram Viewer, който позволява на изследователите да анализират честотата на определени думи и фрази в огромен корпус от книги [8], разкривайки културни и езикови промени през вековете. Този инструмент предоставя възможност за визуализиране на тенденции в употребата на езикови единици, като показва как тяхната популярност се е променяла във времето. Например чрез Ngram Viewer може да се проследи еволюцията на определени термини в различни научни дисциплини или да се изследва въздействието на исторически събития върху езика. Въпреки това, при използването на този инструмент е важно да се имат предвид някои ограничения. Могат да се открият неточности, произтичащи от оптичното разпознаване на символи (OCR), също така и липсата на метаданни за контекста на текстовете. Поради тези причини резултатите от Ngram Viewer трябва да се интерпретират внимателно и да се използват като отправна точка за по-задълбочени изследвания, а не като окончателни доказателства.

Лингвистиката е друго поле, където изкуственият интелект оказва значително влияние: от автоматизирани преводи до анализ на синтактични и семантични структури. Улеснява се разбирането и обработката на езиковите данни. В автоматизирания превод помагат системи като Google Translate, DeepL и ChatGPT, които използват невронни мрежи, за да осигуряват по-прецизни и естествено звучащи преводи между различни езици. За Анализ на езиковата еволюция изкуственият интелект може да проследява промените в езиковите структури през времето, като анализира огромни корпуси от текстове. В проучване, публикувано в списание Plos one [9], използва данни от Twitter за картографиране на диалектни вариации в САЩ. В това изследване авторите Диего Санчес и Бруно Гонсалвес анализират геотагнати съобщения в Twitter, за да характеризират диалектните различия в испанския език на глобално ниво. Те идентифицират добре дефинирани макрорегиони с общи лексикални характеристики и откриват, че испанският език се разделя на два супердиалекта: градски говор, използван в големите градове в Америка и Испания, но и разнообразна форма, раз­пространена в селските райони и малките градове. Това изследване демонстрира как данните от социалните медии могат да бъдат използвани за анализ на географското разпределение на езиковите вариации, наречия и говори.

ИИ се използва за създаване на нови граматически модели и за анализ на редки или изчезващи езици, подпомагайки тяхното съхранение, като генерира синтетични езици.

Пример за успешно приложение на ИИ в лингвистиката е BERT (Bidirectional Encoder Representations from Transformers), който подобрява разбирането на контекста в езиковите модели. BERT е сред значимите пробиви в областта на обработката на естествен език (Natural Language Processing, NLP). Това е езиков модел, разработен от Google AI и представен през 2018 г. Той е базиран на архитектурата на трансформърите (Transformers) и използва двупосочно (bidirectional) обучение, което му позволява да разбира контекста на думите в дадено изречение по-ефективно от предишните NLP модели. За разлика от по-ранните модели, които анализират думите в линейна последователност (ляво към дясно или дясно към ля­во), BERT обработва думите в двете посоки едновременно. Това позволява по-добро разбиране на контекста, особено в случаи, когато значение­то на дума зависи от заобикалящите я. BERT се счита за революционен модел в лингвистиката и NLP, защото значително подобрява представянето на ИИ в обработката на естествен език. След представянето му се появиха още по-усъвършенствани модели като RoBERTa, DistilBERT и GPT-3/4, които разширяват неговите възможности. Благодарение на двупосочното разбиране и дълбокото контекстуално представяне, BERT постави основата на модерните езикови модели, които днес се използват във всичко – от търсачки до чатботове и системи за автоматично резюмиране на текстове.

Философски и етически измерения на изкуствения интелект

Философията е една от областите, които активно се занимават с концептуалните и етически въпроси, свързани с ИИ. Дебатите в тази сфера обхващат определението за интелигентност и съзнание, моралните и етични дилеми, както и казуса за творчеството/авторството и изкуствения интелект. Въпросите дали алгоритмите могат да притежават субективно преживяване, или остават просто инструменти за обработка на информация? Доколко можем да разчитаме на ИИ при вземането на решения в области като правото, медицината и образованието? Как се гарантира, че тези системи няма да съдържат пристрастия или дискриминация? Къде е границата меж­ду човешкото и машинното творчество? Това са само една малка част от всички загадки, които остават неразкрити. Броят на въпросите нараства след досег до „свръхинтелекта“ и често не подлежи на конкретни отговори.

Философи като Ник Бострьом (1973) и Джон Роджърс Сърл (1932) подлагат на съмнения не само техническите, но и моралните аспекти на изкуствения интелект. Подчертават необходимостта от отговорно развитие на технологията и предлагат различни, но допълващи се гледни точки върху ИИ.

Шведският философ Ник Бострьом, професор в Оксфорд и автор на книгата Superintelligence: Paths, Dangers, Strategies (Свръхинтелект. Посоки, опасности, стратегии) [10], разглежда възможните сценарии, при които изкуственият интелект може да надмине човешкия интелект. Според него, ако ИИ достигне суперинтелигентност (т.е. интелект, значително надхвърлящ човешкия във всяка област), това може да представлява екзистенциален риск за човечеството.

Ник Бострьом предупреждава, че целите на един суперинтелигентен ИИ може да не съвпадат с човешките ценности. Той въвежда проблема с хартиените кламери (Paperclip Maximizer Thought Experiment). Представете си изкуствен интелект, чиято единствена задача е да произвеж­да колкото се може повече кламери. Ако този ИИ стане достатъчно мощен и не е правилно контролиран, той може да консумира всички ресурси на планетата (включително човечеството), за да изпълни целта си.

Основното предупреждение на Бострьом е, че развитието на изкуствен интелект трябва да бъде етично регулирано, преди да достигнем точката, в която машините могат да вземат самостоятелни решения с непредвидими последици. Той предлага стратегии като алианси за безопасност, прозрачност при разработването на ИИ и създаването на човекоцентричен ИИ, който да бъде програмиран така, че да отчита човешките интереси.

Докато Бострьом се фокусира върху бъдещите рискове от свръхинтелигентен ИИ, Джон Сърл, философ от Калифорнийския университет в Бъркли, се занимава с фундаменталния въпрос: Може ли изкуственият инте­лект наистина да „разбира“, или просто манипулира символи? През 1980 г. той представя мисловния експеримент „китайската стая“ (The Chinese Room Argument) [11], който има за цел да оспори твърдението, че машините могат да притежават истинско разбиране (съзнание), а не просто обработка на информация.

В експеримента си Сърл си представя следния сценарий:

В една затворена стая има човек, който не разбира китайски. Той получава листове хартия с въпроси, написани на китайски, заедно с набор от инструкции на английски език, които му казват как да състави отговори, използвайки китайски йероглифи. Външните наблюдатели (които знаят китайски) смятат, че човекът в стаята разбира езика, защото отговорите му са смислени.

Според Сърл по същия начин ИИ може да обработва информация и да дава правилни отговори, без реално да „разбира“ какво прави. Това означава, че дори най-модерните езикови модели като GPT-4 и BERT не притежават съзнание или истинско разбиране, т.е. те просто манипулират символи въз основа на статистически модели. [12] От философска гледна точка този аргумент поставя под съмнение същността на изкуствения интелект и дали някога може да развие истинско съзнание или просто ще бъде „интелигентен симулатор“ на човешкото мислене.

Изкуственият интелект вече е неразделна част от ежедневния и академичния живот, като подпомага изследователите в анализирането на текстове, документи и културни артефакти. Благодарение на неговите способ­ности, учените могат да обработват огромни количества информация, от­кривайки нови взаимовръзки и закономерности. Въпреки предимствата си, ИИ също така поставя важни философски и етически въпроси, които трябва да бъдат внимателно разгледани.

Следващият раздел ще се фокусира върху конкретните приложения на изкуствения интелект в академичната комуникация – от автоматизирани рецензии до използването на интелигентни системи за подпомагане на научните изследвания.

Изкуственият интелект в академичната комуникация

Академичната комуникация играе ключова роля в разпространението на научното знание и сътрудничеството между изследователи, преподаватели и студенти. В съвременната дигитална епоха изкуственият интелект (ИИ) става неразделна част от този процес, като предлага инструменти за автоматизиране на рецензии, улесняване на научните изследвания, анализиране на академични публикации и персонализиране на обучението. Тази секция разглежда основните приложения на ИИ в академичната комуникация и техния ефект върху научната дейност.

Чатботовете, базирани на изкуствен интелект, се използват все по-често в университетите и научните институти за подпомагане на студенти, преподаватели и административен персонал. Университетски чатботове като Ivy.ai, Pounce (Georgia State University) и Jill Watson (Georgia Tech) отговарят на въпроси, свързани с учебния процес, графици, записвания за курсове и административни процедури. Така осъществяват автоматизирана поддръжка за студентите. ИИ може да автоматизира отговарянето на често задавани въпроси в онлайн курсове, като предоставя на преподавателите повече време за индивидуална работа със студентите и улеснява комуникацията на самия учещ.

Чатботове като Elicit помагат на изследователите, като автоматично анализират и обобщават академични публикации, предоставяйки релевантна информация за техните проучвания и се превръщат в „научни наставници” в разработването на казуси, изследвания и др.

Изкуственият интелект в академична среда е ценен помощник и в автоматизираното рецензиране и анализа на научни текстове. Публикациите преминават през строг процес на рецензиране преди издаването си, като именно в този момент  изкуственият интелект би могъл значително да ускори този процес чрез оценка на качеството

• Обработка на научни рецензии – Платформи като ScholarOne Manuscripts и Scite използват ИИ, за да оценяват научни статии, откривайки несъответствия, плагиатство и проблеми с цитирането.
• Откриване на плагиатство и академична почтеност – Ин­струменти като Turnitin и iThenticate прилагат алгоритми за сравнение на текстове с милиони други публикации, за да гарантират оригиналността на научните трудове.
• Генериране на академични обобщения – ИИ може да из­влича ключовите идеи от статии и да създава кратки и ясни обоб­щения, улеснявайки достъпа до информация за из­сле­до­вателите.

Тези технологии не само ускоряват публикуването на научни трудове, но и повишават качеството на рецензиите, като помагат на редакторите да идентифицират потенциални проблеми още в началния етап на обработка на статиите.

С нарастването на броя научни публикации, академичните среди се сблъскват с предизвикателството на информацията – как да се филтрират и анализират големи масиви от данни ефективно? Решенията, които могат да се открият чрез изкуствения интелект в управлението на научната информация, са:

• Автоматизирани системи за намиране на релевантни статии – Платформи като Semantic Scholar, Google Scholar и Elicit използват ИИ за персонализирани препоръки на научни статии, базирани на интересите на изследователите.
• Анализ на цитатни зависимости – Инструменти като Scite и Connected Papers позволяват на учените да проследят как една идея се е развивала през времето, като анализират връзките между различни публикации.
• Генериране на нови хипотези – Някои усъвършенствани ИИ модели, като DeepMind’s AlphaFold, дори предлагат нови научни хипотези, особено в биологията и химията, като анализират огромни количества данни.

Тези приложения значително улесняват изследователите в процеса на намиране на релевантни източници и генериране на нови научни идеи.

Организирането на академични конференции изисква обработка на голям брой заявки, координация на лектори и управление на участници. Изкуственият интелект оптимизира този процес чрез:

• Автоматизирано рецензиране на доклади – Софтуерът за управление на конференции използва ИИ, за да анализира подадените доклади и да предложи рецензенти на база тяхна­та експертиза.
• Интелигентни програми за конференции – ИИ може да съз­­дава персонализирани препоръки за сесии и панели, ба­зирани на интересите на участниците.
• Автоматично генериране на обобщения на дискусии – Чрез обработка на естествен език (NLP), ИИ може да ана­ли­зира записите от дискусии и да създава обобщения, които да бъдат публикувани след конференцията.

Тези технологии правят научните форуми по-достъпни и ефективни, като подобряват взаимодействието между участниците.

Изкуственият интелект вече оказва значително влияние върху академичната комуникация, като автоматизира процеси, които преди са били изключително дълги и изискващи време. От интелигентни чатботове до анализ на научни публикации и управление на конференции, ИИ предлага ефективни решения, които улесняват работата на изследователите и преподавателите.

Въпреки предимствата обаче, внедряването на ИИ в академичната среда повдига и етични въпроси – как се гарантира прозрачността на алгоритмите? До каква степен може да се разчита на автоматизираното рецензиране? В следващата секция ще погледна и към предизвикателствата, като анализирам етичните аспекти на използването на изкуствен интелект в академичната дейност.

Етични аспекти на използването на ИИ в образованието

С навлизането на изкуствения интелект (ИИ) в образованието възникват редица въпроси, свързани с етиката, академичната почтеност, равнопоставеността и ролята на човешкия фактор в учебния процес. Въпреки че ИИ предлага множество предимства – от персонализирано обучение до автоматизация на административни задачи – неговото използване изисква внимателен анализ на моралните и философските предизвикателства, които могат да възникнат.

Един от основните етични проблеми, свързани с използването на ИИ в образованието, е въпросът за академичната почтеност. Системите за генериране на текстове като ChatGPT, GPT-4 и Claude могат да създават есета, доклади и дори научни статии, което поражда опасения за честността в академичната работа. Плагиатството и академичните измами са едни от най-често срещаните казуси, при които се генерира съдържание, без реално да се подхожда с разбиране и да се вниква в материала, което намалява стойността на учебния процес. Автоматизираното генериране на отговори създава опасността при онлайн оценяване те да не бъдат реални и да не ценят истинските знания и умения на студентите. Необходими са нови политики в университетите, които да включат ясни насоки относно допустимата употреба на ИИ в учебния процес. Решения като използването на софтуер за разпознаване на машинно генерирани текстове (например Turnitin AI Detection) и комбинирането на устни изпити с писмени работи могат да спомогнат за запазването на академичната честност.

Ролята на преподавателя може да бъде обезценена, като самият човешки фактор бива изместен и оставен на заден план. Изкуственият интелект може да улесни преподавателите чрез автоматизация на административни задачи, но поражда и опасения за възможното изместване на човешкото присъствие в образователния процес.

• Дигитализация срещу личен контакт – Дали използването на ИИ в обучението може да доведе до намаляване на вза­имодействието между студентите и преподавателите?
• Автоматизирани системи за оценяване – Алгоритмите за автоматично проверяване на есета и тестове могат да бъдат ефективни, но рискуват да не отчитат нюансите на човешкото мислене и творчеството.
• Обучение на преподавателите – Учителите и университет­ските преподаватели трябва да бъдат обучени как да интег­рират ИИ като помощно средство, а не като заместител на традиционните методи на преподаване.

Вместо да замени преподавателите, ИИ може да бъде използван като инструмент за подпомагане на образователния процес, като осигурява допълнителни ресурси и индивидуализирана обратна връзка за студентите.

Съществена част от тази дискусия е ролята на алгоритмите на ИИ, кои­то стоят в основата на много от тези иновации. Алгоритмите не са неутрални – те отразяват пристрастията на данните, с които са обучени, както и на хората, които ги създават. Моделите на машинно обучение, особено дълбоките невронни мрежи, позволяват на ИИ системите да класифицират, прогнозират и генерират информация с нарастваща точност. Въпреки това възникват опасения относно прозрачността на тези алгоритми, тъй като много от тях функционират като „черни кутии“, което затруднява разбирането на процеса и вземане на решения. Следва да се подчертае необходимостта от етично и отговорно използване на ИИ, така че той да допълва, а не да замества традиционните методи на обучение и научни изследвания.

Това може да доведе до различни проблеми в образователния процес:

• Пристрастия в оценяването – Ако автоматизираните сис­теми за оценяване на есета или тестове са обучени върху определен набор от данни, те могат да проявяват несъзна­тел­на дискриминация спрямо определени студентски групи.
• Неравен достъп до ИИ технологии – В някои части на света студентите нямат достъп до модерни ИИ инструменти, което води до цифрово разделение и задълбочаване на социалното неравенство.
• Липса на прозрачност в алгоритмите – Повечето ИИ сис­теми са „черни кутии“, което означава, че не винаги е ясно как вземат решения и дали тези решения са справедливи.

Решението на тези проблеми изисква повече прозрачност в разработването на ИИ алгоритмите и осигуряване на равен достъп до технологиите за всички студенти, независимо от тяхното социално-икономическо положение.

Използването на ИИ в образованието не бива да води до пълна автоматизация на обучителния процес. Важно е да се намери баланс между технологиите и традиционните методи на преподаване:

• Хибриден модел на обучение – Комбинирането на ИИ-бази­рани инструменти с класически методи на обучение може да повиши ефективността на учебния процес.
• Развитие на критично мислене – Вместо да разчитат сляпо на ИИ, студентите трябва да бъдат обучавани как да го из­ползват като помощен инструмент, който допълва техните знания.
• Запазване на творчеството и иновациите – Въпреки че ИИ може да генерира текстове и анализи, човешкото творчество и интуиция остават незаменими в академичния свят.

Пример за успешна интеграция на ИИ в образованието е адаптивното обучение, при което алгоритми анализират напредъка на студентите и предлагат персонализирани учебни материали, без да елиминират ролята на преподавателя.

Въпреки безспорните предимства, които изкуственият интелект предлага в образованието, неговото използване поражда важни етични и философски въпроси. Предизвикателствата, свързани с академичната почтеност, прозрачността на алгоритмите и баланса между ИИ и човешкия фактор, изискват внимателен анализ и отговорни политики.

Вместо да замени преподавателите и традиционните методи на обучение, изкуственият интелект трябва да бъде разглеждан като мощен инструмент, който подпомага обучението, улеснява академичната комуникация и предоставя нови възможности за научни изследвания. Въпросът не е дали да използваме ИИ в образованието, а как да го направим по начин, който запазва ценностите на академичния свят и гарантира равнопоставеност, етика и качество на обучението.

Заключение

Изкуственият интелект (ИИ) в момента се утвърждава като ключов фактор в развитието на хуманитарните науки и академичната комуникация, предлагайки нови възможности за анализ, създаване и разпространение на научното знание. От автоматизирани системи за обработка на текстове до интелигентни чатботове и адаптивно обучение, ИИ значително трансформира начина, по който преподавателите и студентите взаимодействат с академичното съдържание.

Разгледаните аспекти на приложението на ИИ в хуманитаристиката показват, че той има потенциал да улесни обработката на текстове (исторически, литературни и др.), да подпомогне дигитализацията на културното наследство и да подобри езиковите анализи. В академичната комуникация ИИ оптимизира процеса на публикуване, рецензиране и търсене на релевантни научни източници, като улеснява работата на изследователите и разширява достъпа до знание. Въпреки множеството предимства, които дава използването на ИИ в образованието, се появяват множество предизвикателства, свързани с академичната почтеност, прозрачността на алгоритмите и възможното обезценяване на човешкия фактор в преподаването. Важните етични въпроси, които изискват внимателно регулиране и балансиран подход при интегрирането на ИИ в академичната среда, все още не могат да бъдат решени напълно. За да се гарантира ефективното и етично използване на изкуствения интелект в образованието и науката, е необходимо да има ясни регулации и насоки за използването на ИИ в академичната дейност, а също така да се работи върху разработването на прозрачни алгоритми, кои­то минимизират пристрастията в автоматизираните системи. Университетите и научните институции е необходимо да обучават преподаватели и студен­ти в критичното използване на ИИ-базирани технологии, но и да бъдат стимулирани балансирано да съчетават ИИ с традиционните методи на обучение, като така могат да  защитят ролята на преподавателите и развитието на критично мислене у студентите.

Изкуственият интелект може да бъде мощен инструмент в ръцете на преподаватели, изследователи и студенти, ако се използва разумно и отговорно. Настоящата статия подчертава както потенциала на ИИ в хуманитаристиката и академичната комуникация, така и необходимостта от внимателен и етичен подход към неговото прилагане. А с правилните стратегии и отговорно отношение ИИ може да не бъде заплаха за традиционното образование, а ценен съюзник в развитието на науката и човешкото познание.

Цитати и бележки

[1] Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 49: 433–460. 

[2] Berry, D. M. (2018). Weizenbaum, ELIZA and the End of Human Reason. In Baranovska, Marianna; Höltgen, Stefan (eds.). Hello, I’m Eliza: Fünfzig Jahre Gespräche mit Computern [Hello, I’m Eliza: Fifty Years of Conversations with Computers] (in German) (1st ed.). Berlin: Projekt Verlag, 53–70. 

[3] Güzeldere, G., & Franchi, S. (20209). Dialogues with colorful personalities of early AI. Stanford Humanities Review, SEHR, volume 4, issue 2: Constructions of the Mind. Stanford University.  http://www.stanford.edu/group/SHR/4-2/text/dialogues. html. Retrieved on 06.03.2025.

[4] Frana, P. L., Klein, M. J. (Eds). (2021). Encyclopedia of Artificial Intelligence: The Past, Present, and Future of AI. Santa Barbara, California: ABC-CLIO, an imprint of ABC-CLIO, LLC, 105.

[5] McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the dartmouth summer research project on artificial intelligence, August 31, 1955, https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html. Re­trieved on 07.03.2025.

[6] Toosi, A., Bottino, A. G., Saboury, B., Siegel, E., & Rahmim, A. A. (2021). Brief History of AI: How to Prevent Another Winter (A Critical Review). PET Clin. 16(4):449–469. doi: 10.1016/j.cpet.2021.07.001. PMID: 34537126.

[7] Mavrodieva, I. (2023). Linguistic and Rhetorical Features of Dialogue on Rhetorical Topics between a Human and Chatbot GPT, Rhetorics and Communications, issue 53, DOI: 10.55206/CIKP7841. https://rhetoric.bg/. Retrieved on 07.03.2025.

[8] Zieba, A. (2018). Google books Ngram viewer in socio-cultural research, Research in Language, vol. 16:3, DOI: 10.2478/rela-2018-0015.

[9] Gonçalves, B., & David Sánchez, D. (2014). Crowdsourcing Dialect Characterization through Twitter, Plos one, 9(11), e112074 – November 2014, https://doi.org/10.1371/ journal.pone.0112074.

[10] Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford: Oxford University Press.

[11] Searle, J. (1980). ‘Minds, Brains and Programs’, Behavioral and Brain Sciences, 3: 417–457.

[12] Searle, J. (1980). ‘Minds, Brains and Programs’, Behavioral and Brain Sciences, 3: 417–457.

Библиография

Berry, D. M. (2018). Weizenbaum, ELIZA and the End of Human Reason. In Ba­ranovska, Marianna; Höltgen, Stefan (eds.). Hello, I’m Eliza: Fünfzig Jahre Gespräche mit Computern [Hello, I’m Eliza: Fifty Years of Conversations with Computers] (in German) (1st ed.). Berlin: Projekt Verlag, 53–70. 

Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford: Oxford University Press.

Frana, P. L., Klein, M. J. (Eds). (2021). Encyclopedia of Artificial Intelligence: The Past, Present, and Future of AI. Santa Barbara, California: ABC-CLIO, an imprint of ABC-CLIO, LLC, 105.

Gonçalves, B., & David Sánchez, D. (2014). Crowdsourcing Dialect Characterization through Twitter, Plos one, 9(11), e112074 – November 2014. https://doi.org/ 10.1371/journal.pone.0112074.

Güzeldere, G., & Franchi, S. (20209). Dialogues with colorful personalities of early AI. Stanford Humanities Review, SEHR, volume 4, issue 2: Constructions of the Mind. Stanford University.  http://www.stanford.edu/group/SHR/4-2/text/ dialogues.html. Retrieved on 06.03.2025.

Mavrodieva, I. (2023). Linguistic and Rhetorical Features of Dialogue on Rhetorical Topics between a Human and Chatbot GPT, Rhetorics and Communications, issue 53, DOI: 10.55206/CIKP7841. https://rhetoric.bg/. Retrieved on 07.03.2025.

Searle, J. (1980). ‘Minds, Brains and Programs’, Behavioral and Brain Sciences, 3: 417–457.

Toosi, A., Bottino, A. G., Saboury, B., Siegel, E., & Rahmim, A. A. (2021). Brief History of AI: How to Prevent Another Winter (A Critical Review). PET Clin. 16(4):449–469. doi: 10.1016/j.cpet.2021.07.001. PMID: 34537126.

Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 49: 433–460. 

Zieba, A. (2018). Google books ngram viewer in socio-cultural research, Research in Language, vol. 16:3, DOI: 10.2478/rela-2018-0015.

Гл. ас. д-р Тиха Бончева е преподавател по история на чешката и словашката литература в Катедрата по славянски литератури на СУ „Св. Климент Охридски“. През годините е специализирала в Прага, Бърно и Оломоуц. Дипломиран специалист по дигитален маркетинг с редица успешни проекти зад гърба си. Автор на дисертация на тема „Прага като литературен топос“. Научните ѝ интереси са в областта на литературната семиотика, развитието на новата и съвременна литература, както и в рекламата, масова комуникация и приложение на новите технологии в хуманитаристиката.

 

Ръкописът е изпратен на 03.03.2025 г.

Рецензиране от двама независими рецензенти: от 03.03.2025 до 03.04.2025 г.

Приемане за публикуване: 04.04.2025 г.

Manuscript was submitted: 03.03.2025.

Double Blind Peer Reviews: from 03.03.2025 till 03.04.2025.

Accepted: 04.04.2025.

Брой 63 на сп. „Реторика и комуникации“ (април 2025 г.) се издава с финансовата помощ на Фонд научни изследвания, договор № КП-06-НП6/48 от 04 декември 2024 г.

Issue 63 of the Rhetoric and Communications Journal (April 2025) is published with the financial support of the Scientific Research Fund, Contract No. KP-06-NP6/48 of December 04, 2024.