Generatywna sztuczna inteligencja a studiowanie teleinformatyki

• Autorzy: Janicki Artur

Identyfikatory

DOI

10.15199/59.2025.4.5

Warianty tytułu

EN

Generative artificial intelligence and studying information and communication technology

• Języki publikacji: PL

Abstrakty

PL

Niniejszy referat prezentuje wybrane korzyści i zagrożenia płynące z korzystania z metod generatywnej sztucznej inteligencji (GenAI) przez studentów na kierunkach teleinformatycznych i pokrewnych. Przedstawiono najczęstsze zastosowania metod GenAI przez studentów, a także zagrożenia płynące z nadużywania narzędzi GenAI podczas studiowania. Zaprezentowano także fragmenty wyników prac projektu ANANAS, którego celem jest ułatwienie analizy dokumentów pod kątem wykrywania tekstów generowanych przez GenAI.

EN

This paper presents selected benefits and risks of using generative artificial intelligence (GenAI) methods by students of information and communication technology and related fields. It presents the most common applications of GenAI methods by students, as well as the risks of overusing GenAI tools during studies. It also presents fragments of the results of the ANANAS project, which aims to facilitate document analysis in terms of detecting texts generated by GenAI.

Słowa kluczowe

PL

dydaktyka akademicka; generatywna sztuczna inteligencja; przetwarzanie języka naturalnego; stylometria; modele językowe

EN

academic teaching; generative artificial intelligence; language models; natural language processing; stylometry

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2025
• Tom: nr 4
• Strony: 37--41
• Opis fizyczny: Bibliogr. 13 poz., tab., wykr.

Twórcy

autor

Janicki Artur

• Zakład Cyberbezpieczeństwa, Instytut Telekomunikacji i Cyberbezpieczeństwa, Wydział Elektroniki i Technik Informacyjnych, Politechnika Warszawska

Bibliografia

• [1] Brown, Tom B. 2020. “Language models are few-shot learners.” arXiv preprint arXiv:2005.14165.
• [2] Chakraborty, Megha, S.M Towhidul Islam Tonmoy, S M Mehedi Zaman, Shreya Gautam, Tanay Kumar, Krish Sharma, Niyar Barman, et al. 2023. “Counter Turing Test (CT2): AI-Generated Text Detection is Not as Easy as You May Think - Introducing AI Detectability Index (ADI).” In Proc. Conference on Empirical Methods in Natural Language Processing, edited by Houda Bouamor, Juan Pino, and Kalika Bali, 2206–2239. Singapore: AACL. https://doi.org/10.18653/v1/2023.emnlp-main.136.
• [3] Dien, Joseph. 2023. “Editorial: Generative artificial intelligence as a plagiarism problem.” Biological Psychology 181: 108621. issn: 0301-0511. https://doi.org/https://doi.org/10.1016/j.biopsycho.2023.108621.
• [4] Europol. 2023. “ChatGPT: the impact of large language models on law enforcement” (Luxembourg). https://doi.org/10.2813/255453.
• [5] Gradoń, Kacper T. 2024. “Generative artificial intelligence and medical disinformation.” British Medical Journal, no. 384. https://doi.org/10.1136/bmj.q579.
• [6] Gryka, Paweł, Kacper Gradoń, Marek Kozłowski, Miłosz Kutyła, and Artur Janicki. 2024. “Detection of AI-Generated Emails – A Case Study.” In Proc. 19th International Conference on Availability, Reliability and Security (ARES 2024), 1–8. 19 141. Vienna, Austria.
• [7] Gryka, Paweł, Kacper Gradoń, Marek Kozłowski, Miłosz Kutyła, and Artur Janicki. 2024. “Impact of Spelling and Editing Correctness on Detection of LLM-Generated Emails.” In Proc. 19th Conference on Computer Science and Intelligence Systems (FedCSIS 2024), 603–608. Belgrade, Serbia: IEEE.
• [8] Holtzman, Ari, Jan Buys, Li Du, Maxwell Forbes, and Yejin Choi. 2020. “The Curious Case of Neural Text Degeneration.” In Proc. International Conference on Learning Representations (ICLR 2020).
• [9] Hugging Face. 2025. Perplexity of fixed-length models. https://huggingface.co/docs/transformers/perplexity, Accessed on March 12, 2025. https://huggingface.co/docs/transformers/perplexity.
• [10] Jiang, Shaojie, Thomas Wolf, Christof Monz, and Maarten de Rijke. 2020. “TLDR: token loss dynamic re-weighting for reducing repetitive utterance generation.” arXiv preprint arXiv:2003.11963.
• [11] Okulska, Inez, Daria Stetsenko, Anna Kołos, Agnieszka Karlińska, Kinga Głąbińska, and Adam Nowakowski. 2023. “StyloMetrix: An Open-Source Multilingual Tool for Representing Stylometric Vectors.” arXiv preprint arXiv:2309.12810.
• [12] Williams, HJ, and McCulloch, C. 2023. Truth Decay and National Security: Intersections, Insights, and Questions for Future Research. Santa Monica, CA, USA. https://www.rand.org/pubs/perspectives/PEA112-2.html.
• [13] Yang, Xianjun, Liangming Pan, Xuandong Zhao, Haifeng Chen, Linda Petzold, William Yang Wang, and Wei Cheng. 2023. “A survey on detection of LLMsgenerated content.” arXiv preprint arXiv:2310.15654.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).