Aquest article combina fonaments històrics, anàlisi tècnica i perspectives pedagògiques per abordar un debat candent en el sistema educatiu. L'ombra de Turing continua projectant-se a les nostres aules.
Alan Turing (1912-1954), matemàtic britànic i pioner de la informàtica, és una figura clau en la història de la tecnologia. El seu treball durant la Segona Guerra Mundial desxifrant el codi Enigma dels nazis va salvar milions de vides i va accelerar la fi del conflicte. Tanmateix, la seva contribució més rellevant per a l'era digital va ser la seva visió teòrica sobre la intel·ligència artificial (IA). El 1950, en el seu article «Computing Machinery and Intelligence» [1], Turing va proposar un experiment filosòfic i pràctic: el Test de Turing, dissenyat per avaluar si una màquina pot exhibir un comportament intel·ligent indistingible del d'un humà.
Enigma Machine at NSA Case Cover
El Test de Turing es basa en un joc d'imitació: un avaluador humà interactua mitjançant text amb un interlocutor desconegut, que pot ser una persona o una màquina. Si l'avaluador no aconsegueix distingir entre tots dos, la màquina es considera «intel·ligent». Aquest concepte va revolucionar la comprensió de la IA, però també va plantejar preguntes ètiques i pràctiques que avui ressonen a les aules d'arreu del món.
Turing va anticipar que, amb el temps, les màquines assolirien un nivell de sofisticació capaç d'enganyar els humans. La seva predicció s'ha materialitzat amb eines com Eugene Gootsman (2014) i més àmpliament amb ChatGPT (OpenAI, 2022) o Gemini (Google, 2023), sistemes de llenguatge extens capaços de generar assaigs, resoldre problemes matemàtics i fins i tot crear poesia.
El 2023, un estudi de la Universitat de Stanford va revelar que el 14% dels estudiants universitaris als EUA van admetre usar IA per completar treballs escrits [2]. Aquest fenomen ha deixat els docents en una cruïlla: com diferenciar entre un text original i un generat per IA?
1. Limitacions tècniques de les eines de detecció
Plataformes com Turnitin o GPTZero prometen identificar textos creats per IA analitzant patrons com l'aleatorietat en l'elecció de paraules o la manca d'«empremta humana» en la sintaxi. No obstant això, un informe de Nature (2023) adverteix que aquests sistemes tenen taxes d'error de fins al 20%, especialment quan el text ha estat editat o barrejat amb aportacions humanes [3]. A més, les IA evolucionen ràpidament: ChatGPT-4, per exemple, va ser entrenat per evitar les marques que delaten el seu origen artificial.
2. El Test de Turing en reversa: Pot un docent fer el paper d'avaluador?
El nucli del dilema recorda al Test de Turing. Si un alumne usa IA per generar un treball, el docent actua com l'avaluador que ha de discernir entre humà i màquina. Però aquí sorgeixen obstacles:
3. Adaptació dels estudiants: L'«enginy humà» per evadir controls
Els alumnes aprenen ràpidament a alterar textos generats per IA: modifiquen estructures, afegeixen errors intencionals o combinen paràgrafs creats per ells mateixos. Això crea un «híbrid» difícil de rastrejar, com assenyala un informe de la UNESCO (2023) sobre ètica digital en l'educació [4].