Beszéljünk a lehetőségekről és korlátok tudatos kezeléséről a felelős kutatói gyakorlat érdekében.
Az MI szerepe az egyetemi életben
A mesterséges intelligencia (MI) rohamos terjedése alapjaiban formálja át az egyetemi oktatást és kutatást. A hallgatók számára új tanulási eszközt, az oktatók számára új ismeretátadási módszereket, a kutatók számára pedig hatékonyabb adatfeldolgozási és szövegalkotási megoldásokat kínál. Ugyanakkor az MI nem pusztán technológiai kérdés; etikai, jogi és környezeti szempontból is kihívások elé állítja a felsőoktatási közösséget.
Az etikus használat alapelvei
Az etikus MI-használat az egyetemi környezetben nem kizárólag a csalás elkerülését jelenti, hanem a felelősségteljes, átlátható és tudatos alkalmazást. Mindig egyértelművé kell tenni, ha MI-t használtunk egy feladat vagy publikáció elkészítéséhez, hiszen az MI által generált tartalomért mindig kizárólag a felhasználó felel. Az MI használatának célja a tanulás, kutatás vagy oktatás támogatása, kiegészítése, nem helyettesítése.
Mire használhatja az MI-t egy hallgató vagy kutató?
Hallgatók esetében az MI kiválóan alkalmas vázlatkészítésre, ötletgenerálásra, jegyzetek rendszerezésére, összefoglalók, definíciók vagy példák megértésének segítésére, idegen nyelvű források értelmezésére, valamint prezentációk és kutatási kérdések strukturálására. Kutatók számára az MI segíthet az irodalomkutatás támogatásában, előkészítésében; kulcsszavak és hipotézisek megfogalmazásában, valamint támogathatja az adatelemzést, a szövegek szerkesztését, finomítását. Emellett az adatelemzéshez használt kódok esetleges hibáinak javításában, illetve ábrák, illusztrációk elkészítésében is nagy segítség lehet. Oktatók esetében oktatási anyagok tervezésében, feladatok megalkotásában, segédanyagok tervezésében is segíthetnek a generatív MI-n alapuló modellek. Az MI-re tehát olyan hasznos segédeszközként tekinthetünk, amely körültekintő, kritikus szemléletű felhasználás mellett jelentősen növelheti a kutatómunka, oktatási tevékenység vagy a tanulási folyamatok hatékonyságát.
Az MI használatának etikai határai
A legfontosabb etikai határvonal az önálló (emberi) döntéshozatal és szellemi teljesítmény helyettesítésének kérdése. Hallgatók számára nem etikus MI-vel íratni beadandót, szakdolgozatot vagy ezek bármely részét úgy, hogy az saját munkaként kerül beadásra. Ugyanígy nem etikus az MI válaszát forrásmegjelölés nélkül beépíteni egy tanulmányba és természetesen nem szabad az MI-vel generált tartalmat tudományos forrásként kezelni. Kutatók számára fontos szem előtt tartani, hogy nem etikus az MI által írt szöveget publikációban sajátként feltüntetni és nem szabad az MI-t adatmanipulációra vagy eredmények megváltoztatására használni. Arról, hogy milyen mértékű MI-felhasználás megengedett a publikáció szövegének készítésekor, mindig az egyes kiadók honlapján érdemes tájékozódni. Adatvédelmi szempontokat is szem előtt kell tartani MI modellek használatánál: nem szabad szenzitív kutatási adatokat vagy személyes információkat feltölteni az MI-rendszerbe, hiszen nem tudhatjuk, mi lesz adataink sorsa. (Az adott modell adatvédelmi beállításait érdemes végignézni az első használat előtt.)
MI és plágium
A plágium lényege más szellemi termékének sajátként való feltüntetése. Ha valaki az MI által írt szöveget úgy mutatja be, mintha saját maga készítette volna, az plágiumnak minősül. Erre a problémára a megoldás egyszerű: az MI-használatot mindig fel kell tüntetni. Általában úgy hivatkozunk MI-modellekre, mint bármilyen más szoftver esetében. Egy lehetséges forma például:
„A szöveg megfogalmazásának támogatásához a ChatGPT (OpenAI, 2025) mesterséges intelligencia eszközt használtam, kizárólag a nyelvi szerkesztés és szerkezeti javaslatok céljából.”
Ezzel nemcsak etikai, hanem a tudományos hitelesség követelményének is megfelelünk.
Környezeti szempontok
Az MI etikai kérdései nem érnek véget a plágium határánál. Az MI-modellek működtetése hatalmas energiaigénnyel jár: egyetlen nagy MI-modell működtetése évente több tízmillió liter vizet igényel a hűtéshez és több ezer háztartás éves energiafogyasztásának megfelelő áramot használ el. A környezeti szempontból etikus használat magában foglalja a szükségtelen MI-interakciók csökkentését, a helyi számítási kapacitások, például kisebb, nyílt forráskódú modellek előnyben részesítését, valamint a fenntarthatósági szempontok figyelembevételét az oktatásban és a kutatási projektekben is.
Kulcsfontosságú szempontok a gyakorlatban
Az MI-használat során mindig fontos tudni, mit kérünk az algoritmustól és azt is, milyen választ várunk, hiszen pontatlan prompt esetén pontatlan eredmény születik. Fontos, hogy nem szabad feltétel nélkül elfogadni az MI válaszát. Minden információt ellenőrizni kell, különösen a forrásokat, hiszen a modellek gyakran „hallucinálnak”, vagyis olyan információt közölnek, ami nem felel meg a valóságnak.
Az MI nem váltja ki az önálló munkát semmilyen területen sem, csupán kiegészíti azt. A jövő egyetemein az etikus mesterséges intelligencia-használat nem tiltásokról, hanem a tudatos, átlátható használatról szól majd. A tudományos integritás és az MI-vel támogatott munka összehangolása újfajta szakmai készséget jelent: az MI-vel dolgozó hallgató és kutató nemcsak technológiai, hanem etikai kompetenciáit is fejleszti, és ezzel a tudományos munka hitelességét erősíti.
Szerinted mik a legfontosabb etikai kihívások az MI használatának terén?
Források:
Andersen, J. P., Degn, L., Fishberg, R., Graversen, E. K., Horbach, S. P. J. M., Kalpazidou Schmidt, E., Schneider, J. W., & Sørensen, M. P. (2025). Generative artificial intelligence (GenAI) in the research process: A survey of researchers’ practices and perceptions. Technology in Society, 81, 102813. https://doi.org/10.1016/j.techsoc.2025.102813
Bolte, L., & van Wynsberghe, A. (2025). Sustainable AI and the third wave of AI ethics: A structural turn. AI Ethics, 5, 1733–1742. https://doi.org/10.1007/s43681
Chiu, T. K. F. (2025). AI literacy and competency: Definitions, frameworks, development and future research directions. Interactive Learning Environments, 33(5), 3225–3229. https://doi.org/10.1080/10494820.2025.2
Dien, J. (2023). Editorial: Generative artificial intelligence as a plagiarism problem. Biological Psychology, 181, 108621. https://doi.org/10.1016/j.biopsycho.2023.108621
Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348. https://doi.org/10.1016/j.caeai.2024.100348
Quintais, J. P. (2025). Generative AI, copyright and the AI Act. Computer Law & Security Review, 56, 106107. https://doi.org/10.1016/j.clsr.2025.106107
Resnik, D. B., & Hosseini, M. (2025). The ethics of using artificial intelligence in scientific research: New guidance needed for a new tool. AI Ethics, 5, 1499–1521. https://doi.org/10.1007/s43681-024-00493-8
Zewe, A. (2025, January 17). Explained: Generative AI’s environmental impact. MIT News.