8月30日、Smarter Articlesが「Forty Perfect Scores: How AI Cheating Hollowed Out the Ivy League」と題した記事を公開した。この記事では、アイビーリーグの名門ブラウン大学で起きたAIを使った不正行為スキャンダルと、それが大学の学位認定システムそのものを揺るがしている実態について詳しく紹介されている。

※Smarter Articlesは英国発の教育・テクノロジー系オピニオンメディアで、日本国内での知名度は高くないが、本件はブラウン大学教授本人の発言や公開資料に基づいており、内容の裏付けは取れている。

「より難しい試験」で40人が満点を取った

2026年春、ブラウン大学の経済学教授Roberto Serranoは、学生への配慮から数学的経済学の上級講義（ECON 1170）の中間試験をテイクホーム形式に変更した。2025年12月、プロビデンスキャンパスで銃撃事件が発生し、学生2人が死亡・9人が負傷するという惨事があったためだ（犠牲となった学生・関係者に深く哀悼の意を表する）。自宅受験を許可する一方で、「意味のある試験にする」ため問題は例年より難しくした。

結果は統計的に説明のつかないものだった。

受験した86人のうち、40人が満点（100点）を獲得。クラス平均は96点。過去の（より易しい）試験でのクラス平均は65〜80点だった。難しくしたはずの試験で、成績が劇的に改善したのだ。

Serranoはその理由を調べるため、試験問題をChatGPTに入力してみた。返ってきたのは正解だけでなく、特定の「思考の癖」を持つ回答だった。本来は短くエレガントに証明できる問題に対し、ChatGPTは迂回路を通る冗長な論理展開を生成した。そして、その同じ「不自然な迂回」が、複数の学生の答案に横断的に現れていた。

これはフィンガープリント（指紋）だった。同じ難問を独立して解いた人間が、全員まったく同じ奇妙な回り道をすることはない。同じプロンプトを受けた言語モデルは、する。

「告白」より雄弁な集団離脱

Serranoが発見内容をクラスに告げ、全員が署名した誠実規定（honor code）を改めて示すと、反応は素早かった。

• 18人が即座に履修を取り下げ
• さらに9人が登録は維持したまま期末試験に現れなかった
• 合計27人が欠席——そのうち22人が問題の中間試験で満点を取った学生だった

残った59人が受験した期末試験の平均点は48点、この講義史上最低の数字だ。満点組の大半が受験を回避し、残った学生の成績は正規分布に戻った。

Serranoは率直にこう問うている。「ボタンを押すだけで機械に全部やらせるなら、そのためにブラウン大学の学位が必要だと思うのか？」

検知ツールは機能しない——そして差別的でもある

ここで重要なのは、この不正が「制度」によって発覚したのではないという点だ。Serranoは、ブラウン大学が導入した検知システムによって不正を発見したのではない。一人の教授が異常な点数分布に気づき、自分でChatGPTに問いかけるという手作業の探偵行為によって発見した。モデルが変わり、学生が出力を少し書き直していたら、詐欺は通り抜けていた。

市販のAI検知ツールはどうか。代表格のTurnitin（多くの大学に導入されている剽窃検知ソフト）は、自ら「人間が書いたテキストをAI生成と誤分類する」ことを認めている。ヴァンダービルト大学は2023年8月にTurnitnのAI検知機能を無効化した際、年間7万5000本の提出物に対して誤検知率わずか1%でも、年間750件の冤罪が生まれると説明した。

↑ここは元記事の誤字を修正。正しくは「Turnitin」。

さらに深刻なのが、検知ツールの偏りだ。複数の研究が、AIディテクターは非ネイティブ英語話者に対して著しく不正確であることを示している。ある広く引用された研究では、非ネイティブが書いたエッセイの60%以上をAI生成と誤判定し、ネイティブの書いたものはほぼ全部正しく判定した。シンプルな語彙・規則的な文構造をAIの特徴と学習したモデルが、語学習得途中の留学生を組織的に疑う構造になっているのだ。オーストラリアのAustralian Catholic Universityは、1年間で約6000件のAI関連不正申告を記録した後、Turnitnを「効果がない」として使用を断念している。

学位というシグナルが崩壊する

この問題の本質は、不正の横行そのものより、もっと根深いところにある。

経済学者のMichael Spenceは1973年の論文「Job Market Signalling」（後にノーベル賞受賞に貢献）で、学位の機能をこう説明した。雇用主は求職者の能力を直接観察できない。しかし、困難で高コストな資格を取得したという事実が、能力のシグナルとして機能する——能力の低い人にとって取得コストが高ければ高いほど、そのシグナルは信頼できる、と。

経済学者のBryan Caplanは2018年の著書『The Case Against Education』で、大卒プレミアムの最大80%はシグナリング効果によるものだと主張した。学んだスキルではなく、「その種の人間であること」を証明する証書としての機能だ。

ブラウン大学のスキャンダルは、この構造を直撃する。シグナルは偽造コストが高いから機能する。 生成AIは、そのコストを限りなくゼロに近づける技術だ。86人中40人がボタン一つで満点を取れるなら、その試験はもはや誰も何も選別していない。シグナルは消えた。

終わりなき軍拡競争

検知はそもそも勝てない戦いだ、という構造的な問題もある。不正学生は一度成功すればよく、検知システムは毎回成功しなければならない。言語モデルの世代が進むにつれ、出力はより流暢になり、人間の文章との区別は困難になる。Serranoの学生を捕まえた「迂回する証明スタイル」という特徴は、まさにモデル開発者が日々削ぎ落とそうとしている類のアーティファクトだ。

ウォーターマーキング（AI生成テキストへの電子透かし埋め込み）も解決策として提案されたが、単純な言い換えや別モデルへの通し直しで簡単に除去できることが示されている。

ブラウン大学の一件が示しているのは、エリート大学が何世紀もかけて構築してきた「信頼できる、偽造コストの高いシグナル」という通貨が、内側から静かに希薄化されているという現実だ。そして現時点で、それを止める確立された手段は存在しない。

詳細はForty Perfect Scores: How AI Cheating Hollowed Out the Ivy Leagueを参照していただきたい。