Teknologian alalla on eletty railakasta nousukiitoa, ja kriittiset tekoälytutkijat näyttäytyvät helposti ilonpilaajina innokkaiden teknoevankelistojen rinnalla. Senkin uhalla muistutamme, että erityisesti tiede- ja korkeakoulukentällä olisi paikallaan vetää käsijarrua. Yliopistoyhteisönä meidän tulee pystyä torppaamaan käärmeöljykauppiaat ja kehittämään yhdessä kestäviä tapoja hyödyntää uutta teknologiaa.
Teknologiauskovaisten tulevaisuuskuvissa tekoäly korvaa ihmistyön viimeistään siirryttäessä suurista kielimalleista (LLM) kohti seuraavaa vaihetta ja suurten toimintamallien (LAM) läpimurtoa.
Myös yliopistomaailmassa uudet sovellukset houkuttelevat helpottamaan tutkijoiden, opettajien ja opiskelijoiden kasvavaa työkuormaa, vaikka samalla huoli kielimallien eettisestä käytöstä ja jokaisen turhan kuvan hiilijalanjäljestä kolkuttaa tiedostavan promptaajan omaatuntoa.
Uutisvirtaa ja median asiantuntijoita seuratessa itse kunkin valtaa helposti tunne, että tekoälyhypeen on päästävä mukaan, ettei vain tipahda kehityksen kelkasta. Tekoälypuheen deterministisestä pohjavireestä huolimatta kyseessä ei ole luonnonilmiö. Päinvastoin teknologian kehitykseen – ja käyttöönottoon – voi ja tulee pyrkiä vaikuttamaan, ja tässä myös viestinnän taitajilla on keskeinen rooli.
Tässä blogissa tarkastelemme kriittisesti tekoälyn rantautumista yliopistomaailmaan ja koitamme paikantaa tekoälyhypen ja vauhtipuheen ajattelun, oppimisen, tehostamisen ja ympäristön kuormituksen ristipaineessa yliopistolaisen arjessa.
Tekoälypuhe johtaa harhaan
Vaikka tutkijat koittavat pitää yllä käsitekuria ja puhua tekoälyn sijaan laajoista kielimalleista ja kuvageneraattoreista, huomiotaloudessa otsikoihin ja LinkedIn-postauksiin nousee yleensä nimenomaan älykäs kone.
Moni meistä mieltää, kenties populaarikulttuurin ja scifin ansiosta, tekoälyn ihmisälyn kaltaiseksi, puntaroivaksi ja ajattelevaksi toimijaksi. Vaikka arkipuheessa tekoäly “ajattelee”, “osaa” ja “ymmärtää” ei koneella edelleenkään filosofisessa mielessä ole mieltä tai kokemuksia, eikä se kykene järkeilyyn.
Generatiivisen tekoälyn mallit tuottavat koulutusmateriaalinsa pohjalta todennäköisiä yhdistelmiä. Ne eivät luo uutta, eivätkä tuota tai yhdistele tietoa, vaan datamassaa, sanoja ja lauserakenteita.
Tampereen yliopiston professori Henri Pirkkalaisen kuvaus kielimallista näennäisen älykkäänä “hyvänä arvauskoneena” on oikein sopiva.
Kuvien kohdalla ymmärretään kenties paremmin välineiden luonne internetistä imuroimansa kuvaston uusintajina, jotka peilaavat yhteiskunnassa vallitsevia epäkohtia, tyypillisesti sukupuolittunutta ja pahimmillaan ihmisarvosta riisuttua (dehumanized) kuvastoa (Botha ym. 2024) eri ihmisryhmistä.
Avoimia kielimalleja käytetään paljon hakukoneen tavoin. Virheelliset hallusinoidut “tiedot” ja visualisoinnit jäävät mieleen kummittelemaan ja levitessään alkavat elää omaa elämäänsä.
Onkin paikallaan pysähtyä miettimään, mihin suuntaan pelkoa lietsovalla, intoa puhkuvalla ja tehostamista huutavalla tekoälypuheella meitä oikeastaan viedään. Kaikessa hälinässä kiireen tunnusta ja tehostamisesta tulee helposti itseään ruokkiva ja hätiköityjä päätöksiä oikeuttava kehä.
Tekoäly ei tehosta ajattelua
Tiede- ja korkeakoulukentällä koitetaan pysyä mukana ajan koetuissa vaatimuksissa. Kiireessä ja paineessa opiskelijoiden houkutus kirjoitusprosessin ulkoistamiseen kasvaa, ja tutkijat ja opettajat koittavat ottaa haltuun uusia työkaluja niin oman työn tehostamiseen kuin luvattoman käytön paljastamiseen.
Avoimista lähteistä kerättyä aineistoa hyödyntävissä malleissa on heikosti edustettuna maksumuurien takana julkaistu tuorein akateeminen tutkimus. Lisäksi hallusinointi, tuttavallisemmin itsevarmasti puuta heinää sepittäminen, tekee tällaisten työkalujen käytöstä toistettavuuteen ja tutkittuihin faktoihin perustuvassa työssä käyttökelvotonta taikka vähintäänkin kyseenalaista.
Huolta herättää myös tekoälykoulutuksen ja työkalujen hankinta. Osaavatko yliopistot erottaa pätevät konsultit hypen aallonharjalla ratsastavista käärmeöljykauppiaista?
Toistaiseksi yllättävän vähän on keskusteltu siitä, miksi tutkija haluaisi ulkoistaa ajattelun koneelle.
Syynä voi olla kiire, joka määrittää tehokkuuteen puskevaa ja toisaalta hidastamisesta ja monipolkuisuudesta rankaisevaa aikaamme. Kun on tehtävä vähemmällä enemmän, laskee kynnys ajattelun ulkoistamiselle – oli kyseessä sitten tutkijatohtori tai kandiopiskelija. Inhorealisti voisikin kysyä, miten tulevaisuuden professori eroaa pätevyydeltään fuksista, jos molemmat ulkoistavat ajattelunsa samalle palvelulle.
Opettajan korvaaminen tekoälyllä säästöjen saamiseksi kuulosta hölmöläisen peiton jatkamiselta, kun parempi ratkaisu olisi palkata riittävä määrä henkilöstöä.
Tutkimuksen ja asiantuntijatyön ja niihin valmistavan koulutuksen ytimessä on ajattelu ja uuden oppiminen. Oppimiseen, tiedon omaksumiseen ja kriittisen ajattelun kehittymiseen tarvitaan aikaa. Nykytutkimuksen valossa näitä prosesseja ei ymmärtääksemme voida parhaallakaan teknologialla erityisesti nopeuttaa. Huonolla niitä voidaan varmasti hidastaa.
Tekoälyjärjestelmien käytössä, kehittämisessä ja vaikutusten tarkastelussa ihmistieteiden tarjoama kriittinen näkökulma ei saa jäädä syrjään (Rajapinta, 2024).
Ajaako maapallon rajallinen kantokyky tekoälyhypen nousukiidosta pakkolaskuun?
Näennäisen tehostamisen ohella kenties massiivisin elefantti huoneessa on kuitenkin tekoälyn suhde ympäristöön.
Ajassa, jossa planetaaristen rajojen vartijat suorastaan huutavat hidastamista (mm. Ripple et al. 2024), alati kasvavat tekoälyteollisuuden päästöt tuntuvat vahvasti virheinvestoinneilta saavutettuun hyötyyn nähden. Metsäteollisuuteen taikka lentoliikenteeseen verrattuna internetin ilmastopäästöjä harvemmin mielletään aineellisina – puhutaan jopa “aineettomasta kasvusta”, vaikka internetin päästöt ylittävät jo lentoliikenteen päästöt.
Vuonna 2024 tekoälyteollisuuden hiilijalanjälki oli jo kasvanut niin suureksi, että jopa aikoinaan itsensä kestäviksi viherpesseet Google, Microsoft ja muut teknojätit hylkäsivät ilmastopositiivisuutensa, hiilineutraalisuustavoitteensa ja suunnanneet katseensa ydinvoimaan tyydyttääkseen tekoälytuotteidensa vaatiman valtavan energiatarpeen.
Suomella viileänä ja avarana maana on toki oma taloudellinen intressinsä toimia tällaisessa tilanteessa tekoälytuotannon datajätteen loppusijoituspaikkana, sillä onhan kestävästi käytetty tekoäly parempaa kuin kestämättömästi.
Kriittistä keskustelua tulisi viimeistään nyt käydä siitä, missä määrin työskentelyä kannattaa ulkoistaa tekoälylle, ainakaan silloin kun se olisi tehokkaampaa ja kestävämpää orgaanisen älyn voimin. Tässä yliopistot voivat reaktiivisuuden sijaan toimia suunnannäyttäjinä.
Nuppu Pelevina
Projektitutkija, Vaasan yliopisto, Suomen Akatemian rahoittama SYNTHETICA-hanke. Väitöskirjatutkija, Helsingin yliopisto
Erkki Mervaala
Tutkija, Suomen ympäristökeskus
Kirjallisuus
Ball, P. (2024). AI Is the Black Mirror. Nautilus, 11.12.2024 https://nautil.us/ai-is-the-black-mirror-1169121/?utm_source=bluesky&utm_medium=organic-social
Bjork, C. (2024). Clones in the classroom: why universities must be wary of embracing AI-driven teaching tools. The Conversation, 19.9.2024. https://theconversation.com/clones-in-the-classroom-why-universities-must-be-wary-of-embracing-ai-driven-teaching-tools-238977
Botha, M., Love, J., Galbraith, H., & Pearson, A. (2024). Beyond White, Boy, and Blue: Exploring Prejudice and Dehumanization of Autistic People through Artificial Intelligence Generated Images. Preprint. Saatavilla: https://doi.org/10.31219/osf.io/cxktf
Freeman, J. (2024). New HEPI Policy Note finds more than half of students have used generative AI for help on assessments – but only 5% likely to be using AI to cheat. Higher Education Policy Institute (HEPI), 1.2.2024. https://www.hepi.ac.uk/2024/02/01/new-hepi-policy-note-finds-more-than-half-of-students-have-used-generative-ai-for-help-on-assessments-but-only-5-likely-to-be-using-ai-to-cheat/
Lawford, M (2024). The industry more damaging to the environment than airlines. The Telegraph, 30.5.2023 https://www.telegraph.co.uk/business/2023/05/30/silicon-valley-data-giants-net-zero-sustainability-risk/
Mazhar, M. (2024) Microsoft, Google and Amazon turn to nuclear energy to fuel the AI boom. CBC, 29.10.2024. https://www.cbc.ca/radio/thecurrent/generative-ai-and-nuclear-energy-1.7362127
Rajapinta (2024). Lausunto: Tekoälylainsäädännössä on varmistettava järjestelmien avoimuus. Rajapinta ry. https://rajapinta.co/2024/12/05/lausunto-tekoalylainsaadannossa-on-varmistettava-jarjestelmien-avoimuus/
Ripple, W. J., Wolf, C., Gregg, J. W., Rockström, J., Mann, M. E., Oreskes, N., Lenton, T. M., Rahmstorf, S., Newsome, T. M., Xu, C., Svenning, J.-C., Pereira, C. C., Law, B. E., & Crowther, T. W. (2024). The 2024 state of the climate report: Perilous times on planet Earth. BioScience, 74(12), 812–824. https://doi.org/10.1093/biosci/biae087
St. John, A. (2024). Google falling short of important climate target, cites electricity needs of AI. AP News, 2.7.2024. https://apnews.com/article/climate-google-environmental-report-greenhouse-gases-emissions-3ccf95b9125831d66e676e811ece8a18
YLE (2024). Kielimallimullistus koskee monen ihmisen arkea ja työelämää – voiko tekoälyyn luottaa? Puoli seitsemän, 11.12.2024.