Budapesti Műszaki és Gazdaságtudományi Egyetem

A vonatkozó Kari Tanács előterjesztés letöltése

Iránymutatás hallgatóknak és oktatóknak az MI alkalmazásáról

A Kar támogatja mind az oktatókat, mind a hallgatókat a generatív mesterséges intelligencia (MI) használatában. A generatív MI az utóbbi évtized legnagyobb hatású informatikai innovációja, mely hatékonyabbá teszi a mérnöki munkát. Fontos, hogy mind a hallgatók, mind az oktatók ennek a technológiának a szakértői legyenek: képesek legyenek készségszintű használatára, megismerkedjenek erősségeivel és a használatából fakadó problémákkal. A Kar minden polgárát arra biztatjuk, hogy minél jobban használják ki a generatív MI képességeit a tanulás és az oktatás hatékonyabbá tétele érdekében, az etikus alkalmazás keretein belül.

Ezen az oldalkon az MI felhasználásának megítélésében, az etikus alkalmazás kereteinek kijelölésében szándékozunk iránymutatást adni.

Tartalomjegyzék:

• Mi is az a generatív mesterséges intelligencia?
• Mi számít etikus és nem etikus felhasználásnak?
• Oktatóknak
• Hallgatóknak
• Generatív MI-vel készült tartalom idézése
• Generatív MI eszközök gyűjteménye

Generatív MI hallgatói nyilatkozat letöltése

Példa kitöltés a generatív MI halglató nyilatkozathoz

Mi is az a generatív mesterséges intelligencia?

A generatív MI olyan technológia, amely a gépi tanulás eszközei (tipikusan neurális hálózatok, nagy nyelvi modellek) segítségével képes új tartalom (szöveg, kép, hang) előállítására ill. feldolgozására. Ezeket a modelleket nagy mennyiségű, tipikusan az interneten bárki számára elérhető adaton tanítják, és az általuk generált tartalmak ennek a tanítóhalmaznak a struktúráját, szemantikáját követik.

Felhasználási módok

Az etikus felhasználás szempontjából kulcsfontosságú, hogy egy generatív MI modellt milyen módon használunk: egyfajta asszisztensként, mely nem irányítja, hanem segíti a felhasználó munkáját, vagy pedig a felhasználó szakértelmét igénylő feladatokban a szakértelem kiváltására, modellre delegálására. A két felhasználási módra az etikus felhasználás elvei különböznek. Felhasználási mód szerint a generatív MI eszközök az alábbiak szerint csoportosíthatók (bár ezek között nincs éles határvonal):

• Direktív felhasználás során a modell a felhasználó által természetes nyelven megfogalmazott kérdésre teljeskörű választ (paragrafusokat, akár teljes programkódot) generál. Ilyen pl. a ChatGPT is. Ebben az esetben a modellel történő interakciót közvetlenül a felhasználó kezdeményezi.
• Asszisztív felhasználás esetén a modell a felhasználó által elkezdett mondathoz vagy programkódhoz kínál fel rövidebb (esetleg hosszabb) folytatási lehetőségeket. Ez az alkalmazás nem igényli az explicit kérdésfeltevést. A modell bemenetét a rendszer automatikusan származtatja a felhasználó által korábban megírt dokumentum vagy programkód egy része alapján, így ezek a modellek a prediktív szövegbevitel egyfajta változatának tekinthetők. Ebben az esetben a dokumentum vagy programkód alakulása sokkal nagyobb mértékben áll a felhasználó irányítása alatt, a generatív MI egyfajta asszisztensként működik közre. Ide sorolhatjuk többek között pl. a Github Copilot-ot is.

Veszélyek és felelősség

Számos informatikai nagyvállalat nyújt ingyenes vagy fizetős szolgáltatásként hozzáférést generatív MI modellekhez. A technológia minden előnyének elismerése mellett, a felhasználónak az alábbi veszélyeket figyelembe kell vennie:

• Hallucináció: a modell válaszai akkor is meggyőzőek, ha tényszerűen tévesek. A válaszok igazságtartalmának ellenőrzése ezért minden esetben elengedhetetlen.
• Elfogultság: a modell válaszai a tanításához felhasznált adatokon múlnak. Ha a tanítóadatok valamely szempontból kiegyensúlyozatlanok vagy hiányosak voltak, a rendszer válasza is az lesz.

Jelenleg egyetlen generatív MI szolgáltatás sem vállal felelősséget a generált tartalom igazságtartalmára vonatkozóan, jellemzően tiltják a modell  kimenetére igazságként való hivatkozást. A modell válaszát a felhasználónak kell ellenőriznie, annak igazságtartalmáért minden esetben a felhasználó felel.

A generatív mesterséges intelligencia etikus használata

Alapelvek

A generatív MI mindenki számára nagy segítséget jelent a szakmai ismeretek elsajátításában, bővítésében, bizonyos területek, témakörök  összefoglalásában, az ismeretekre vonatkozó hiányosságok kitöltésében. Ezek mind a generatív MI etikus felhasználásának minősülnek. Azt azonban figyelembe kell venni, hogy a modell válaszai sosem jelenthetnek hivatkozási alapot (pl. hallgatói reklamáció során), a válaszok igazságtartalmának ellenőrzése természetesen a felhasználó (a hallgató vagy az oktató) felelőssége.

Az asszisztív eszközök használata (pl. GitHub Copilot, programkód esetében is) alapesetben (hacsak nincs explicit módon tiltva) etikus  felhasználásnak minősül, külön jelölést, hivatkozást nem igényel, de a generált tartalom helyességéért továbbra is a szerző felel.

Ugyancsak etikus felhasználásnak minősül a felhasználó által előállított (saját) tartalom transzformációja, minőségének javítása generatív MI eszközökkel: helyesírás-ellenőrzés, fordítás, átfogalmazás, kivonatolás, de akár paragrafusok szövegének generálása is, ha minden szakmai tartalmat, tény adatot ehhez a felhasználó biztosított és az a prompt részét képezte. Nagyon fontos, hogy az MI felhasználása csak akkor tekinthető etikusnak, ha minden szakmai tartalom a felhasználótól származik, az MI használata kizárólag formai és prezentációs célokra korlátozódik. Ilyen esetben a generált szövegben az MI használatát jelezni sem kell.

Nem etikus olyan generált tartalom hivatkozás ill. jelölés nélküli átvétele, mely a felhasználó szakmai kompetenciáját igényli, vagy olyan új információt tartalmaz, mely nem képezte a prompt részét. Azaz nem etikus, ha egy felhasználót olyan feladattal bíznak meg, melyben a szaktudására számítanak, és ő ezt minden jelzés nélkül teljes egészében egy generatív MI modellre hárítja.

A hallgatók részéről pl. beadandó feladatok, elemzések, megoldások generálása esetén nyilatkozatban és/vagy hivatkozás formájában kell jelezni az MI használatot (a részleteket lásd később). Ennek hiányában az MI használat etikátlannak minősül.

Oktatók részéről pl. bírálatok, értékelések, szakvélemény generálása etikátlannak minősül, ha a szakmai tartalommal kapcsolatos részek, az állítások, a vélemény az MI-től származik. Ha mindezek a prompt-ban szerepeltek (pl. felsorolásszerűen) és a modell feladata kimerült ezek folyószöveggé alakításában, az etikus használatnak mondható.

Tipikus alkalmazások

Irodalomkutatás

A generatív MI irodalomkutatás céljára is kiválóan alkalmas, egy szakterület tipikus megoldásait, kurrens eredményeit le lehet a segítségével kérdezni. Azonban a válaszok értelmezése óvatosságot igényel: a kimenet arra az adatbázisra korlátozódhat, amelyen a modell tanult (amellett, ami a prompt részét képezte). A találatokat minden esetben ellenőrizni kell, fel kell kutatni a mögöttes tudományos forrásokat. Ez a lépés nem kihagyható, hiszen egyes eszközök (például a ChatGPT) kifejezetten gyakran adnak rossz (nem létező vagy nem releváns) hivatkozásokat. Ha valaki az MI-vel támogatott irodalomkutatás alapján (megfelelő ellenőrzést követően) saját szöveget ír, az MI használatára vonatkozóan a szövegben nem kell hivatkozást elhelyezni, de a nyilatkozatban (ha a tárgy a nyilatkozat használatát előírja) a megfelelő sorban jelezni kell.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Programkód generálás

Több, MI-re támaszkodó eszköz is létezik programkód generálására.

• Direktív úton (pl. ChatGPT) teljes forráskódokat, algoritmusokat is lehet generálni. Ezek használatát a tantárgy oktatójának kifejezetten engedélyeznie kell, a generált kódokat meg kell jelölni és a nyilatkozaton is szükséges tételesen szerepeltetni.
• Az asszisztív, kód-predikció alapú, programozást támogató (asszisztensként működő) modellek hivatkozás és jelölés nélkül, szabadon felhasználhatók.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Új ötletek, megoldási javaslatok létrehozása

A generatív MI modelleket inspirációs céllal, ötletek, megoldási javaslatok gyűjtésére is alkalmazhatjuk. Minden esetben ellenőrizni kell, hogy a generált ötlet tényleg új-e, vagy sem. Sajnos valószínű, hogy meglévő munkához kapcsolódik, amelyre megfelelő formában hivatkozni kell. Fontos észben tartani, hogy a modell kimenete nem tekinthető 100%-ban megbízható információforrásnak. Előfordulhat, hogy a kimenet nem helyes, vagy nem teljes, hiszen a modell tudása a tanításánál és lekérdezésnél használt adatbázisok által korlátozott. A kimenet nem biztos, hogy naprakész, hiszen a modell tanítása óta új, releváns tartalmak jelenhettek meg. Az MI használatára vonatkozóan a szövegben nem kell hivatkozást elhelyezni, de a nyilatkozatban (ha a tárgy a nyilatkozat használatát előírja) a megfelelő sorban jelezni kell.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Vázlat létrehozása (szövegstruktúra, vázlatpontok)

A generatív MI eszközök felhasználásának gyakori módja a dokumentációk, előadások struktúrájának kialakítása, vázlatpontok, főbb gondolatok meghatározása. A dokumentum megírásához mindez jelentős segítséget jelenthet, azonban a helyesség mellett a részletezettségi szint is ellenőrzésre szorul. A modellek által tipikusan generált 5-7-10 vázlatpont lehet éppen jó, de az is lehet, hogy sok vagy kevés. Meg kell vizsgálni, hogy mely vázlatpontok lényegesek a feladat szempontjából, nem kell feltétlenül a rendszer kimenetéhez ragaszkodni. Az MI használatára vonatkozóan a szövegben nem kell hivatkozást elhelyezni, de a nyilatkozatban (ha a tárgy a nyilatkozat használatát előírja) a megfelelő sorban jelezni kell.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Szövegblokkok létrehozása

A szövegblokkok létrehozásával kapcsolatban a fenti, alapelveknél leírtak érvényesek: ha a válaszban a prompt-ban megadotthoz képest új információ jelenik meg, akkor annak átvétele hivatkozást igényel. Ellenkező esetben hivatkozás nem szükséges, de a szövegblokk generálására irányuló használatot a nyilatkozatban (ha a tárgy a nyilatkozat használatát előírja) mindenképpen jelölni kell.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Képek generálása illusztrációs célból

MI által generált képeknél mindig fel kell tüntetni a kép generált mivoltát és az azt generáló alkalmazást (a hivatkozás alább részletezett szabályai betartásával). Ha egy létező fotó, felvétel vagy műalkotás a képgenerálás alapja, akkor arra is külön hivatkozást kell adni.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Adatvizualizáció, grafikonok generálása adatpontok alapján

A generatív MI által generált grafikonoknál nem maradhat el a hivatkozás, és ezt a használatot a nyilatkozatban is fel kell tüntetni a dokumentum érintett részeinek beazonosításával.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Prezentáció készítése

Az MI által generált prezentációk esetén az egyes komponensek (szöveg, ábra, vizualizáció) generálásánál leírtak érvényesek. A tartalom helyességének ellenőrzése a felhasználó felelőssége.

Erre az alkalmazásra ide kattintva mutatunk be példát.

Oktatóknak

A generatív MI irányított használata az oktatók segítségére lehet oktatási segédanyagok készítésében (információgyűjtés, kivonatolás, fóliavázlat készítés, feladatok és példák generálása stb.). Amennyiben a generatív MI használat asszisztencia jelleggel történt, és az oktatási anyagok egésze az oktató elképzeléseit, céljait tükrözi, akkor ez etikus MI felhasználásának minősül akkor is, ha az előállított tartalmakban a modell használatát az oktató nem jelezte. Az oktatási segédanyagok tényszerűségének, szakmai helyességének biztosítása természetesen az oktató felelőssége.

Ugyancsak etikus felhasználásnak minősül a generatív MI használata hallgatói beadandók és egyéb számonkérések értékelésére (a későbbiekben részletezett módon), de ezt a hallgatók felé meg kell hirdetni.

Tárgy céljának újragondolása

A lexikai tudás értéke az internet elterjedése óta csökken, a generatív MI megjelenésével pedig gyakorlatilag megszűnt. A számonkérések során célszerű a lexikai ismeretek helyett/mellett a tárgy összefüggéseinek ismeretére, a mérnöki problémamegoldásra fókuszálni. Eddig is ez volt a vezérelv, de a jövőben még inkább erre kell törekedni.

Tárgy számonkéréseinek újragondolása

• Átgondolást igényel egy számonkérés, melyet a generatív MI teljes egészében meg tud oldani.
• A végeredménycentrikus értékelés felől el kell mozdulni a megoldási folyamat értékelése felé. Ha a hallgatók létszáma/a tárgy jellege ezt lehetővé teszi, javasolt a hallgatóktól a pillanatnyi előrehaladást hétről-hétre összegyűjteni (akár git verziókezelő használatát bevezetni), és az értékelés során ezt áttekinteni. A lineáris, elakadásmentes előrehaladás a mérnöki területeken nem életszerű, arra utalhat, hogy a megoldás nem a hallgató sajátja.
• Ahol a hallgatók létszáma és az oktatói kapacitás lehetővé teszi, célszerű kiegészítő kérdéseket feltenni a megoldási folyamattal kapcsolatban (a hallgató számára melyik rész volt a legnehezebb, melyik részhez melyik előadás anyagát használta fel, mit tanult belőle stb.)
• Ha a tárgy lehetővé teszi, lehet kiadni olyan feladatot is, mely kifejezetten a generatív MI alkalmazását kéri (egy adott téma kidolgozása generatív MI segítségével, a modell válaszainak hallgató általi kritikus értékelése stb.)

Számonkérések kiértékelése

Vannak tárgyak, melyeknél a generatív MI segítségére lehet támaszkodni a számonkérések értékelésében. Ez a felhasználás etikusnak minősül az alábbi alapelveket betartása esetén:

• Egy hallgató beadandójának MI általi kiértékelése esetén személyes adatok (név, Neptun-kód stb.) csak akkor lehetnek a promptban, ha a modell lokálisan működik, vagy az egyetem által adatvédelmi szempontból elfogadhatónak tekintett szolgáltató üzemelteti. (Hiszen az online felületen elért szolgáltatások esetében nincs rá garancia, hogy ezeket a vállalat a modellek finomítása érdekében nem használja fel.)
• A modell eredményének humán áttekintése és az alapján az esetleges korrekciója sosem maradhat el.
• Hallgatói reklamáció esetén nem lehet hivatkozási alap a generatív MI modell válasza.
• A számonkérések MI általi értékelése esetén a felelősség továbbra is az oktatóé. Ezt különösen fontos figyelembe venni, amikor egy esetlegesen MI által generált szakdolgozat/diplomamunka bírálat nem mutat rá az alapvető szakmai hibákra és hiányosságokra. 

A beadandó feladatot nem csak szakmailag kell ellenőrizni, arról is meg kell győződni, hogy a hallgató nem használt-e fel generatív MI-t a megoldására (amennyiben az adott tárgyban MI használatát nem engedélyezték):

• Számos olyan eszköz érhető el az interneten annak megállapítására, hogy egy dokumentum generatív MI-vel készült-e. Mivel megbízhatósági szintjük alacsony, nem lehet a beadandó feladat visszautasításában ezekre hivatkozni.
• Ha az oktató részéről kétség merül fel, a beadandó eredete szóbeli úton ellenőrizhető. Ez a lehetőség eddig is rendelkezésre állt, de a tárgyfelelősnek vagy a témavezetőnek a hallgatókat erről érdemes tájékoztatni.

Szakdolgozat és diplomaterv beadhatósága

Szakdolgozat/diplomaterv esetén a témavezető feladata a beadott munka eredetének ellenőrzése. Ennek részeként ellenőrizni kell 1) az esetleges plagizálást és 2) az MI használat mértékét. Utóbbihoz a hallgató által kitöltött nyilatkozat ad támpontot. A témavezetőnek meg kell ítélnie, hogy a beadott munka tartalmaz-e annyi, egyértelműen a hallgatónak tulajdonítható eredményt, ami a diploma kiállítását lehetővé teszi. Erre egyértelmű iránymutatást nem lehet adni, mivel ugyanaz az MI használat a téma függvényében lehet elfogadható és nem elfogadható is:

• Ha a témakiírás szerint a feladat egy szoftver elkészítése volt, és az túlnyomórészt generatív MI segítségével történt, az nem elfogadható.
• Ha a témakiírás szerint a feladat egy algoritmus/eljárás/összehasonlító elemzés kidolgozása volt, és ennek támogatására a szoftver generatív MI segítségével készült, az elfogadható MI használatnak minősül. Az MI-t éppen erre a célra találták ki: hatékonyabbá teszi a mérnöki munkát, komplexebb feladatok megoldását teszi lehetővé a mechanikus, nem nagy kihívást jelentő, de időigényes részek gépi generálásával.

Ha a témavezető véleménye szerint a generatív MI használat aránytalanul nagy mértékű, vagy a témakiírás lényeges pontjait érinti, a beadott munkát nem hagyja jóvá.

A bírálónak a dolgozat értékelése során nem szükséges az MI használatot értékelnie.

Hallgatóknak

A hallgatók számára a generatív MI nagy segítséget jelent a szakmai ismeretek elsajátításában, a tanultak összefoglalásában, az ismeretekre vonatkozó hiányosságok kitöltésében. Ezek mind a generatív MI etikus felhasználásának minősülnek. A modell válaszai sosem jelenthetnek hivatkozási alapot (pl. hallgatói reklamáció során), a válaszok igazságtartalmának ellenőrzése természetesen a hallgató felelőssége.

Ha a hallgatóban kétség merül fel azzal kapcsolatban, hogy megengedett-e a generatív MI adott célú alkalmazása egy beadandóval kapcsoltban, minden esetben kérje ki a tárgyfelelős vagy a témavezető véleményét.

Ha a tantárgyi adatlap előírja, a generatív MI felhasználásáról a beadandóval összefüggésben nyilatkozni kell, és a nyilatkozatnak minden felhasználásra ki kell terjednie, legyen az akármilyen kis jelentőségű. Szakdolgozat és diplomamunka esetében a nyilatkozat minden esetben szükséges, ez alól a témavezető nem adhat felmentést. (Példa a nyilatkozat kitöltésére itt érhető el.)

A generatív MI (szakmai) válasza a beadandóban is megjelenhet, azt azonban megfelelően idézni, vagy a nyilatkozatban jelezni kell. Ha bizonyossá válik a generatív MI nem megengedett használata, az plágiumnak minősül, és azzal egyező következményeket von maga után.

Generatív MI-vel készült tartalom idézése

Generatív MI által generált tartalom elhelyezése a beadandó feladatok megoldásában megengedett, ha ezt a tárgyfelelős explicit módon nem tiltja. Ezen tartalmakat azonban minden esetben jelezni kell.

Generatív MI válaszából átvett információk, következtetések hivatkozása

Ha a generatív MI által előállított szöveg olyan tényinformációt vagy következtetést tartalmaz, mely nem képezte a prompt részét, akkor azt az irodalmi forrásmegjelölésekhez hasonló módon hivatkozni kell. Ennek formájára számos ajánlás létezik, melyek közül a karon az “MLA” ajánlás követése az előírás. Ez az ajánlás a generált tartalmat szerző nélküli forrásnak tekinti. Az MI-től származó információ vagy következtetés mellett az irodalomjegyzék hozzá tartozó bejegyzését kell hivatkozni. Az irodalomjegyzékben ezen bejegyzések tartalmazzák

• A prompt rövid, egy mondatba sűrített tartalmát
• A modell nevét, verziószámmal
• A modellt előállító vállalat nevét
• A lekérdezés dátumát
• Ha a rendszer lehetővé teszi, opcionálisan megadható a csevegés osztott linkje

Példa:

 [1] „Példák ártalomcsökkentő kezdeményezésekre” prompt. ChatGPT-4o, OpenAI, 2025. február 10.

Generatív MI használat dokumentálása

Ha a tantárgyi adatlap előírja, a beadandó feladatokat MI használatra vonatkozó melléklettel kell ellátni. Ez a nyilakozat táblázatos formában tartalmazza, hogy milyen MI eszközök milyen céllal kerültek alkalmazásra, és az a dokumentum melyik részét mekkora arányban érinti. A nyilatkozatot a hallgató aláírásával látja el. (Példa a nyilatkozat kitöltésére itt érhető el.)

A generatív MI használatot nemcsak a hallgatóknak, hanem az oktatóknak is jelezniük kell, amennyiben a generált tartalom olyan információt, állítást, véleményt tartalmaz, melyet a modell állított elő, azaz nem képezte a prompt részét. Ilyen esetre nincs sablon nyilatkozat, az oktatónak kell módot találnia az MI használat jelzésére (pl. lábjegyzetben, a szövegbe beágyazva stb.).

Generatív MI eszközök gyűjteménye

Általános célú generatív AI eszközök

Az alábbi táblázat természetesen nem teljes lista, csak a legfontosabbakat tartalmazza:

Kiválóak tartalomkészítésre, kódgenerálásra, tanulásra, szöveges tartalmak összefoglalására. Néha helytelen vagy elavult információkat szolgáltatnak, és túlságosan hosszadalmas válaszokat generálhatnak. Egyes eszközök multimodálisak, azaz kép és szöveg információ egyidejű feldolgozására is alkalmasak.

Az M365 Copilot szolgáltatásaihoz minden BME-s oktatónak és hallgatónak van hozzáférése a BME Microsoft Campus Licensz keretében. Ennek igénybevételéhez a vik.bme.hu ill. edu.bme.hu végű email címekkel kell bejelentkezni.

Eszközök képek generálására

(többnyire regisztrációt és/vagy előfizetést igényelnek)

Eszközök kódgenerálásra

Az általános célú LLM-ek többsége jól teljesít kódolási feladatokban. Az alábbi (közel sem teljes) lista elemei kifejezetten kódoló asszisztensek, mely a fejlesztőkörnyezetbe épülve segítik a kódolást:

Fontos tudni, hogy a GitHub Copilot előfizetéses, Pro változata az egyetem hallgatói és oktatói számára ingyenes. A hozzáférés részleteit a szolgáltatás weblapján lehet megtalálni.