Tekoäly (AI, artificial intelligence) tarkoittaa järjestelmiä, jotka pystyvät käsittelemään tietoa ja tuottamaan esimerkiksi ennusteita, suosituksia, päätelmiä tai sisältöä tavalla, joka tavallisesti edellyttäisi ihmiseltä älyllisiä kykyjä. Tekoälyn avulla koneet voivat analysoida tietoa, tehdä päätelmiä, ehdottaa ratkaisuja ja jopa tuottaa kokonaan uutta sisältöä, kuten tekstiä, kuvia tai musiikkia.
Tekoäly tarkoittaa kokoelmaa erilaisia sovelluksia
Tekoälysovelluksia on mm.
- Tekoälypalvelut kuten ChatGPT, Gemini, Claude, Copilot ovat palveluita, jotka tuottavat ja ymmärtävät luonnollista kieltä. Niiden takana on yksi tai useampi kielimalli.
- Kuvamallit ja niitä hyödyntäviä palveluita ovat esimerkiksi OpenAI Images, Google Gemini Image (Nano Banana), Midjourney, Adobe Firefly, FLUX, Stable Diffusion ja Ideogram. Niillä voidaan luoda uusia kuvia tekstiohjeesta, muokata olemassa olevia kuvia, vaihtaa tyyliä, poistaa tai lisätä elementtejä sekä tehdä erilaisia kuvan variaatioita.
- Ennustavat ja luokittelevat mallit, koneoppimismallit, tekevät luokituksia ja ennusteita, esim. roskapostisuodattimet tai riskianalyysit
- Robotiikka ja automaatio käyttävät tekoälyä liikkeen, havainnoinnin ja päätöksenteon yhdistämiseen.
Tekoäly on laskentaa ja todennäköisyyttä
Jos luulemme, että tekoäly ymmärtää asioita samalla tavalla kuin ihminen, olemme väärässä. Generatiivinen tekoäly perustuu matemaattisiin malleihin, jotka ovat koulutuksessa oppineet valtavista aineistoista erilaisia yhteyksiä ja säännönmukaisuuksia. Kielimalli muodostaa vastauksensa ennustamalla, mikä token sopisi seuraavaksi aiemman tekstin ja muun käytettävissä olevan kontekstin perusteella. Token voi olla sana, sanan osa, merkki tai välimerkki. Kielimalli ei siis “tiedä” asioita samalla tavalla kuin ihminen, vaan muodostaa vastauksensa oppimiensa yhteyksien ja todennäköisyyksien perusteella. Jos kirjoitat esimerkiksi “Pihalla juoksi iso…”, malli arvioi, millaiset jatkot sopivat annettuun yhteyteen. Se voisi jatkaa esimerkiksi sanoilla koira tai jänis.
Miten tekoäly tuottaa uutta sisältöä?
Generatiivinen tekoäly tuottaa sisältöä hieman eri tavalla riippuen siitä, onko kyse tekstistä, kuvasta, videosta vai äänestä. Yhteinen perusidea on kuitenkin sama: malli on oppinut koulutusaineistosta rakenteita ja säännönmukaisuuksia ja muodostaa niiden perusteella uuden tuotoksen käyttäjän antaman ohjeen pohjalta.
Tekstissä kielimalli muodostaa vastauksen tokeni kerrallaan. Se arvioi aina, mikä token sopisi seuraavaksi parhaiten aiempaan kontekstiin. Näin syntyy vähitellen kokonaisia lauseita ja tekstejä.
Kuvissa malli ei yleensä “piirrä” kuvaa samalla tavalla kuin ihminen. Monet nykyiset kuvamallit aloittavat kohinamaisesta lähtötilanteesta ja muokkaavat sitä vaihe vaiheelta kohti kuvaa, joka vastaa käyttäjän tekstiohjetta tai lähtökuvaa. Prosessissa malli hyödyntää oppimaansa siitä, miltä esimerkiksi ihmiset, esineet, materiaalit, valaistus ja tyylit yleensä näyttävät.
Videossa periaate on samankaltainen kuin kuvissa, mutta mallin täytyy tuottaa myös ajallinen jatkuvuus. Sen on siis pääteltävä paitsi miltä yksittäisen kuvan pitäisi näyttää, myös miten kohteet liikkuvat ja muuttuvat ruudusta toiseen.
Äänessä ja puheessa malli tuottaa äänen rakennetta vaiheittain. Tekstistä puheeksi -malli muodostaa annetun tekstin perusteella esimerkiksi ääntämisen, rytmin, intonaation ja äänen sävyn. Musiikkimallit puolestaan oppivat musiikin rakenteita, kuten rytmejä, harmonioita ja sointivärejä, ja muodostavat niiden perusteella uutta ääntä.
Uutta sisältöä syntyy kolmen keskeisen ominaisuuden johdosta. Nämä ovat
- Data, kaikki artikkelit, verkkosivut, kuvat, keskustelut, videot, raportit, mitä tekoäly näkee, lukee ja käsittelee.
- Algoritmit, matemaattiset ohjeet ja kaavat, joiden avulla tekoäly oppii löytämään yhteyksiä ja tekemään ennusteita.
- Laskentateho, tekoäly tarvitsee suuren määrän laskentaa ja muistia pystyäkseen käsittelemään tietoa nopeasti.
Tekoäly koulutetaan ja se oppii datalla
Kielimallin tehtävä on löytää sille tarjotusta valtavasta määrästä dataa säännönmukaisuuksia. Mitä parempi koulutusdata on, sen paremmat vastaukset. Mitä monipuolisempaa ja laadukkaampaa koulutusdata on, sitä paremmin tekoäly pystyy antamaan osuvia, tarkkoja ja monipuolisia vastauksia. Jos koulutusdata sisältää virheitä tai vinoumia, ne heijastuvat myös tekoälyn vastauksiin. Silloin tekoäly voi vahvistaa ennakkoluuloja tai antaa virheellistä tietoa. Onkin tärkeää, että tekoälyn vastauksia vahvistetaan organisaation omalla datalla kuten ohjeilla, tutkimuksilla, prosessi- ja tuotekuvauksilla.
Tekoäly ei ole virheetön. Se voi
- hallusinoida eli keksiä tietoa
- toistaa vinoumia koulutusdatasta
- vaikuttaa huomaamattomasti valintoihimme (esim. suosittelualgoritmit)
Jos tekoäly on opetettu vain tietyllä kielellä tai tietyn kulttuurin aineistolla, se voi olla huono vastaamaan toisen kielen tai kulttuurin kysymyksiin oikein. Vastaavasti, jos datassa on liikaa vanhentunutta tai epätarkkaa tietoa, tekoäly luultavasti toistaa näitä virheitä. Siksi on tärkeää, että tekoälyn käyttäjänä arvioit aina kriittisesti, mitä tekoäly sanoo.
Miksi tekoälyn ymmärtäminen on tärkeää?
Tekoäly vaikuttaa jo nyt vahvasti arjessamme, vaikkemme sitä aina huomaisikaan. Sitä käytetään muun muassa sisältösuosituksissa, asiakaspalvelussa, rekrytoinnin tukena, analysoinnin apuna, hakukoneissa, käännöksissä, petosten tunnistamisessa, liikenteen ja reittien optimoinnissa, terveydenhuollon päätöksenteon tukena, opetuksessa ja oppimisen tukena, työtehtävien automatisoinnissa, ohjelmistokehityksessä sekä tekstin, kuvien, videoiden ja äänen tuottamisessa. Siksi meidän jokaisen on tärkeää ymmärtää tekoälyn toimintaa, mahdollisuuksia ja rajoituksia.
Tekoälyn lukutaito on uusi kansalais- ja työelämätaito. Se auttaa meitä
- kysymään tekoälyltä parempia kysymyksiä
- arvioimaan tekoälyn vastauksia kriittisesti
- toimimaan tekoälyn kanssa eettisesti ja vastuullisesti
Lue lisää tekoälyn lukutaidosta!