W epoce sztucznej inteligencji poprawność językowa może stać się obciążeniem. Już dziś studenci zaczynają zastanawiać się, czy nie napisać czegoś gorzej, żeby udowodnić, że są ludźmi.
Wyobraźmy sobie studenta, którego przez lata uczono, w szkołach podstawowych, średnich i wyższych, pisać poprawną polszczyzną. Zna zasady interpunkcji, potrafi budować złożone zdania, unika powtórzeń, jest też oczytany, więc stosuje bogate słownictwo. Dodatkowo swoje prace starannie redaguje i dopiero wtedy oddaje do oceny wykładowcy. Tymczasem ten, zamiast dobrej noty, wstrzymuje ocenę: istnieje bowiem podejrzenie, że tekst napisała sztuczna inteligencja. Student, choć niewinny, zostaje nie tylko bez promocji, ale z podejrzeniem, że oszukuje.
Gdy zbyt dobre pisanie wzbudza podejrzenia
To nie jest hipotetyczny scenariusz. W maju 2025 roku Paul Showemimo opublikował na platformie SSRN tekst zatytułowany „The AI Paradox in Academia: When Writing Too Well Raises Red Flags” („Paradoks AI w środowisku akademickim: gdy zbyt dobre pisanie wzbudza podejrzenia”). Opisał w nim zjawisko, w którym wysoka jakość wypowiedzi, poprawność językowa i uporządkowana argumentacja mogą stać się przesłankami podejrzenia o korzystanie z AI.
Co więc robią studenci? Zubożają teksty i dodają do nich błędy, by uniknąć podejrzeń.
To problem, który zaczął pojawiać się po upowszechnieniu modeli językowych oraz (w latach 2023-24) gdy zaczęto wdrażać na uczelniach narzędzia do wykrywania tekstów generowanych przez AI. Dziś okazuje się, że narzędzia te nie potrafią wiarygodnie rozstrzygać o autorstwie tekstu, za to potrafią rzucić na niego cień podejrzenia.
Jak działają Detektory AI na uczelniach?
Nie szukają one plagiatów (jak programy antyplagiatowe) w bazach danych, dokonują zaawansowanej analizy statystycznej i obliczają prawdopodobieństwo wygenerowania tekstu przez maszynę. Ich mechanizm opiera się na dwóch kluczowych miarach: perpleksji (przewidywalności kolejnych słów) oraz burstiness (zmienności długości i rytmu zdań). Dlaczego? Bo modele językowe dobierają najbardziej prawdopodobne słowa i piszą teksty w jednorodnym, czasem arcypoprawnym stylu. Algorytm detektora ocenia wówczas nienaturalnie powtarzalne fragmenty tekstu jako dzieło sztucznej inteligencji. Przyjmuje, że ludzkie pisanie jest bardziej chaotyczne i zaskakujące.
Osobnym, drugim narzędziem, są wytrenowane sieci neuronowe (tzw. klasyfikatory), które rozpoznają tzw. cyfrowy odcisk palca modeli językowych. Systemy takie, jak Turnitin, GPTZero, Copyleaks, Originality.ai czy Compilatio uczą się na milionach tekstów ludzkich i maszynowych, dzięki czemu potrafią wyłapać subtelne nawyki AI, takie jak schematyczne zwroty przejściowe, nadmierna neutralność czy powtarzalna budowa akapitów.
Czy to jest skuteczne?
Nie. Te detektory nigdy nie dają stuprocentowej pewności, że tekst został napisany przez AI. Do tego formalny styl prac naukowych bywa dla nich trudny do odróżnienia od tekstu maszynowego. Dlatego, jeśli pojawi się negatywny dla studenta wynik, powinien służyć promotorom jedynie jako sygnał ostrzegawczy. Nie jako ostateczny dowód.
Pierwszy na świecie wyrok zapadł w USA
Niestety, oskarżenia o użycie AI się pojawiały i wciąż pojawiają. A problem narósł do tego stopnia, że doczekał się nawet kilku precedensowych wyroków. Pierwszy na świecie wyrok sądowy dotyczący błędnego działania detektora AI na uczelni zapadł w USA na przełomie stycznia i lutego tego roku. Orion Newby, student pierwszego roku na Adelphi University w Nowym Jorku (osoba w spektrum autyzmu), otrzymał za swoją pracę nie tylko ocenę niedostateczną, ale i karny wpis o naruszeniu uczciwości akademickiej. Powód: detektor AI Turnitin oznaczył jego esej z historii jako wygenerowany w 100 proc. przez AI. Student odwołał się, jednak uczelnia, po przeanalizowaniu sprawy, odrzuciła jego wniosek, choć Newby w odwołaniu przedstawił m.in. wyniki z innych detektorów, które uznały tekst za napisany przez człowieka. Autor zwrócił się więc do wyższej instancji, a Sąd Najwyższy stanu Nowy Jork uchylił mu karę. Uznał też decyzję uczelni za „arbitralną i kapryśną” i orzekł dodatkowo, że wynik detektora AI nie może stanowić samodzielnego dowodu winy.
Raport o serii skarg studentów na Wyspach
Podobnie było na Wyspach. Brytyjski odpowiednik rzecznika praw studentów – Office of the Independent Adjudicator (OIA) – opublikował niedawno raport dotyczący serii skarg studentów niesłusznie ukaranych za rzekome korzystanie z AI. W jednych z opisanych spraw student z zagranicy został ukarany obniżeniem oceny końcowej o 10 proc. i nakazem powtarzania kursu oraz oflagowaniem jego pracy przez detektor (również model Turnitin).
Podczas przesłuchania student przyznał, że szukał synonimów w wyszukiwarce, ponieważ angielski nie jest jego językiem ojczystym. Komisja zinterpretowała to jako przyznanie się winy, czyli uzupełnianie tekstu przez AI. Uczeń zwrócił się ze skargą do rzecznika, który przyznał mu rację i zlecił uczelni ponowne rozpatrzenie sprawy. W jej toku wykazano, że uczelnia w ogóle nie wzięła pod uwagę badań dowodzących, iż detektory AI masowo generują fałszywe alarmy u osób piszących w języku obcym.
W Polsce detektory AI na cenzurowanym
Także w Polsce doszło do wstrzymywania dopuszczenia do obrony prac dyplomowych z powodu wysokich wskazań nowego modułu AI w Jednolitym Systemie Antyplagiatowym (JSA). Portale (m.in. Forsal oraz Forum Akademickie) opisały sytuacje, w których prace pisane samodzielnie przez studentów, szczególnie na kierunkach prawniczych, medycznych czy ścisłych, gdzie język jest mocno sformalizowany, były oznaczane przez algorytm jako „prawdopodobne AI”. Część promotorów traktowała raport z JSA jak wyrocznię, żądając przepisywania gotowych rozdziałów mimo braku jakichkolwiek dowodów na oszustwo. Ostatecznie kilka uczelni i wydziałów zaczęło wprowadzać wewnętrzne uchwały zakazujące odrzucania prac wyłącznie na podstawie wskaźnika AI.
W Australii detekcja wyłączona za dyskryminację
Po drugiej stronie globu posunięto się jeszcze dalej: po fali niesłusznych oskarżeń na Curtin University w 2026 roku całkowicie wyłączyło moduły detekcji AI w swoich systemach. Dziś nie mają ich już uczelnie takie jak Australian National University (ANU), University of Queensland (UQ), Australian Catholic University (ACU), University of South Australia, Macquarie University oraz University of Canberra. Powód wyłączeń: wysoka liczba fałszywych alarmów, dyskryminację studentów nieanglojęzycznych oraz brak wiarygodności tych narzędzi.
A polowanie na autorów trwa
I co z tego? Mimo rosnącej świadomości błędów i wyłączania detektorów przez uczelnie, niesłuszne oskarżenia wciąż są rzucane. To z kolei prowadzi do paradoksu „odwrotnej cenzury”, w której studenci celowo psują styl swoich prac, aby brzmieć mniej dobrze niż maszyna. Powstała także atmosfera wzajemnej nieufności: autor nie musi korzystać z AI, żeby zostać o to podejrzanym.
Tam, gdzie jest oskarżenie, musi pojawić się i sposób obrony. Tylko jak bronić się przed oskarżeniem o czary? Paula Showemimo w „The AI Paradox in Academia: When Writing Too Well Raises Red Flags” wskazuje również, że narzędzia wykrywające teksty AI są zawodne i częściej niż zasadnie podejrzewają o oszustwo uczniów piszących poprawnie, zwłaszcza obcokrajowców i najlepszych studentów. Tekst, który jest zbyt poprawny stylistycznie, zbyt uporządkowany albo wykracza poza oczekiwania wykładowcy względem danego studenta, może wzbudzać podejrzenia, nawet jeśli został napisany samodzielnie.
Tragikomiczna zachęta
Jednak autor pokazuje też negatywne skutki tej kontroli: studenci celowo pogarszają jakość własnych tekstów, dodają błędy lub unikają zaawansowanego słownictwa, aby nie zostać posądzonymi o użycie sztucznej inteligencji. To tworzy wręcz tragikomiczną zachętę. By – zamiast rozwijać umiejętność pisania – pisać „gorzej, ale bezpieczniej”. Jednocześnie Paul Showemimo wskazuje, że zaufanie takich studentów do uczelni i własnej pracy maleje.
Nie przeprowadzono jeszcze dużego badania eksperymentalnego, które precyzyjnie zmierzyłoby skalę tego zjawiska. Część eksperymentów sugeruje jednak, iż polityka oparta na wykrywaniu może motywować studentów do upraszczania stylu lub obniżania jakości tekstów, by wyglądały „mniej jak AI”. Ich autorzy oceniają to jako potencjalną barierę w rozwoju zaawansowanej kompetencji akademickiej.
„Dumbing down”
W opublikowanym w listopadzie tego roku raporcie brytyjskiego Office for Students i Advance HE opisano m.in., jak niektórzy studenci zaczęli świadomie zmieniać sposób pisania: skracają zdania, rezygnują z rozbudowanej interpunkcji, usuwają charakterystyczne konstrukcje, dodają literówki i błędy gramatyczne. Wyniki te przedstawiono po zrealizowaniu badań obejmujących ponad 300 studentów i pracowników z ponad 120 instytucji. Wśród wymienionych strategii znalazły się także: usuwanie charakterystycznych dla tekstów AI pauz oraz celowe dodawanie błędów ortograficznych i gramatycznych.
Raport opisuje też inny mechanizm.
Tworzenie tekstów przez AI, a potem przepuszczanie go przez detektor AI i poprawki: by zmniejszyć ryzyko wykrycia. To najgorszy, możliwy scenariusz: że bezpieczniej będzie sięgnąć po tę metodę, niż napisać autorski tekst. To także potwierdzenie, że detektory kształtują zachowania studentów, choć w żaden sposób nie dowodzi, że studenci piszący samodzielnie systematycznie psują własne teksty.
Ale zjawisko istnieje. NBC News opublikował niedawno reportaż opisujący przypadki studentów, którzy po fałszywym oskarżeniu zaczynali stosować metodę „dumbing down” na własnych pracach. Jeden ze studentów powiedział wprost, że po doświadczeniu fałszywego oskarżenia zostawia błędy i sprawdza każdą pracę własnym detektorem, jeszcze przed oddaniem.
Dodatkowo studenci deklarowali m.in., że „intencjonalnie używają prostszego słownictwa, aby nie zostać oflagowani” oraz że „celowo wprowadzają błędy gramatyczne lub nieformalne sformułowania, aby obniżyć wynik detektora AI”. Autorzy opisują też, że większość badanych zmieniała sposób pisania, gdy wiedziała, że tekst będzie oceniany przez maszynę. To oczywiście nie dowodzi, że jakaś duża grupa lub większość studentów psuje własne teksty lub że takie zachowania są powszechne wśród studentów. Są to głównie pojedyncze relacje, ale pokazujące, że zjawisko istnieje oraz że rośnie.
Czym to grozi?
Największe niebezpieczeństwo dotyczy tego, że ludzie zaczynają pisać „pod algorytm”, a nie dla czytelnika czy recenzenta pracy. Zamiast rozwijać własny styl, precyzję i zakres słownictwa, uczą się unikać cech, które detektor może błędnie uznać za „aI-owe”, nawet jeśli są naturalne dla dobrego pisania.
Dodatkowo rezygnacja z precyzyjnych, rzadszych lub bardziej abstrakcyjnych słów na rzecz prostych, bezpiecznych zamienników ogranicza możliwość dokładnego nazywania złożonych zjawisk. Z kolei unikanie bardziej złożonych konstrukcji może prowadzić do płaskiego stylu, w którym trudniej wyrazić zależności przyczynowe, niuanse i kontrasty międzyludzkie. Zamiast pisać o „systemowej marginalizacji”, student napisze o „złym traktowaniu”. Zamiast o „korelacji”, że „jedno łączy się z drugim”. Zniknie „uczucie melancholijnego wyobcowania” na rzecz banalnego „smutku i samotności”. Pisanie przestanie być osobiste, odważne i mniej zróżnicowane retorycznie.
Zjawisko może też sprawić, że stracimy poczucie, iż formułowanie myśli ma jakąś wartość, bo zamiast rozmowy o napisanej pracy i procesie jej powstawania pojawi się logika „wynik maszyny jako dowód”, co tylko pogłębi istniejącą już nieufność między studentem a wykładowcą używającym detektora.
W ten sposób doszliśmy do kolejnych paradoksów związanych z AI.
Narzędzie mające ograniczać nieuczciwe użycie sztucznej inteligencji skłania uczciwych studentów do defensywnego korzystania z AI, by uniknąć oskarżeń. Po drugie, w strachu przed oskarżeniem o sztuczną inteligencję zaczynamy tworzyć sztuczną przeciętność. Dlaczego? Bo jeśli chcemy przejść test na człowieczeństwo, musimy najpierw zrezygnować z tego, co w naszym języku najbardziej ludzkie.