Jos et opi ohjaamaan LLM:ää, jäät muiden ohjattavaksi
Helsingin Sanomat kirjoittaa 7.7.2025 artikkelissaan: “Aalto-yliopisto kannustaa opiskelijoitaan tekoälyn käyttöön, koska sitä nykymaailma edellyttää. Samaan aikaan se asettaa käytölle rajoja.”
Helsingin sanomien artikkelissa kerrotaan, kuinka Aalto-yliopisto suhtautuu generatiivisen tekoälyn käyttöön opetuksessa myönteisesti, ja kannustaa opiskelijoita harjoittelemaan sen käyttöä osana opintoja. Yliopisto on kehittänyt oman ChatGPT-teknologiaa hyödyntävän Aalto AI Assistantin ja kouluttanut opettajia tekoälylukutaitoon. Opetuksessa painotetaan kriittistä suhtautumista tekoälyn tuottamaan sisältöön, erityisesti sen vinoumiin ja virheellisiin lähteisiin.
Artikkelin mukaan opiskelijat hyödyntävät tekoälyä vaihtelevasti, esimerkiksi teknisen työn tukena tai ideoinnin apuna, mutta monet suhtautuvat varauksella sen käyttöön kirjoittamisessa. Rehtori Ilkka Niemelä korostaa artikkelissa tekoälylukutaidon tärkeyttä koko väestölle ja näkee vaarana osaamiskuilun syntymisen. Aalto ei ole lähtenyt mukaan tekoälyjättien yhteistyöhön, koska se haluaa säilyttää akateemisen autonomiansa ja datan hallinnan suomalaisessa yhteiskunnassa.
Helsingin Sanomien artikkelissa kerrotaan: “Kaikki opiskelijat olisi saatava sisäistämään, että Chat GPT ja kielimallit eivät tuota neutraalia tekstiä tyhjiöstä, vaan niiden tekstissä on esimerkiksi oikean maailman sukupuolivinoumia.”
Mikäli oma tietotaito ei kata tämän asian sisäistämistä, ei ole mielestäni pelkästään opiskelijoiden ongelma, että tietotaito LLM:n suhteen on hyvin puutteellista. Mitä enemmän LLM-maailmassa koulutusdata mielletään liikesalaisuudeksi, sitä isompia ongelmia koko käyttäjäkunta kohtaa, kun pohditaan generoidun sisällön relevanttiutta ja paikkansa pitämistä.
Tämä korostaa tarvetta laajalle tekoälylukutaidolle, joka ei rajoitu vain tekniseen käyttöön vaan ulottuu myös kriittiseen ymmärrykseen siitä, miten kielimallit toimivat, millaisia vinoumia niissä voi esiintyä ja millaisia rajoitteita niiden tuottamassa tiedossa on. Kun koulutusdatan alkuperä pidetään suljettuna, käyttäjiltä evätään mahdollisuus arvioida tiedon luotettavuutta tai sen näkökulmien edustavuutta. Tällöin syntyy helposti tilanne, jossa koneen tuottamaa tekstiä kohdellaan totuutena, vaikka sen perustana olisi suppea tai vinoutunut aineisto.
Erityisesti tämä vaikuttaa päätöksenteossa, opetuksessa ja mediassa, joissa tekoälyä aletaan yhä enemmän hyödyntää tiedon tuottamisessa ja tiivistämisessä. Jos käyttäjät eivät ymmärrä, että LLM ei ole tietosanakirja vaan todennäköisyyslaskentaan perustuva kielijärjestelmä, syntyy helposti ylivarmaa luottamusta sen tuottamaan sisältöön. Tämä altistaa yhteiskuntaa väärinymmärryksille, harhaanjohtaville tulkinnoille ja epätarkalle tiedolle. Ilmiö, jota voi perustellusti pitää uudenlaisena tiedon lukutaidon kriisinä.
Tenttikirjan lukeminen saattaa tuntua opiskelijalle nykyään raskaalta, kun tekoäly osaa tiivistää kirjan nopeasti fiksun oloiseen muotoon.
”Kyllä se kehitys sulle itsellesi on huikean iso sen kirjan lukemisen kautta ja huikean pieni, kun saat yhden sivun abstraktin”, Ilkka Niemelä sanoo.
Vaikka rehtori Ilkka Niemelä nostaa esiin huolen siitä, että tenttikirjan lukeminen voi tuntua opiskelijasta raskaalta verrattuna siihen, että saa nopeasti tekoälyn tekemän yhden sivun tiivistelmän, tämä ei tarkoita, että vaihtoehdot rajoittuisivat joko täydelliseen omatoimiseen lukemiseen tai äärimmäisen suppeaan tiivistelmään.
Tekoälyä voidaan käyttää huomattavasti tarkoituksenmukaisemmin. Kirjan käsittely esimerkiksi kappale tai luku kerrallaan mahdollistaa, että saadaan aikaan laajempi ja jäsennellympi, vaikkapa 25 sivun mittainen tiivistelmä. Näin opiskelija voi tarkastella kokonaisuuksia, pitää kiinni rakenteesta ja pyytää yksityiskohtaisempia selvennyksiä tarvittaessa, jopa rautalangasta väännettyinä.
Tällainen iteratiivinen ja vuorovaikutteinen käyttö vapauttaa opiskelijan keskittymään ydinsisältöihin ja kysymään oikeita kysymyksiä, sen sijaan että kaikki energia kuluu sivujen läpikahlaamiseen. Samalla vältytään myös toisesta ääripäästä, jossa tekoälyä käytetään korvikkeena ymmärtämiselle. Kyse ei ole siitä, että tekoälyllä pitäisi korvata ajattelu, vaan siitä, että se voi toimia välineenä ajattelun tueksi, erityisesti silloin, kun sen käyttö perustuu tietoiseen ja jäsenneltyyn strategiaan.
”Se todella auttaa Excelin kanssa. Mutta en käytä sitä kirjoittamiseen. Olen ylpeä omasta kirjoituksestani.”
Eräs opiskelija kertoo jutussa ylpeänä, ettei käytä tekoälyä kirjoittamiseen, vaikka hyödyntää sitä teknisissä tehtävissä, kuten Excelissä. Tämä näkökulma on ymmärrettävä, mutta samalla se paljastaa eräänlaisen kehityksen vastustamisen riskin.
Tekoälyn hyödyntäminen tekstintuotannossa ei tarkoita oman äänen menettämistä, vaan pikemminkin uuden taidon opettelua: kykyä ohjata ja muotoilla sisältöä omiin tarpeisiin sopivaksi. Tulevaisuuden työelämässä yhä useampi käyttää generatiivista tekoälyä kirjoittamisen apuna, ja ne, jotka eivät sopeudu tähän muutokseen, saattavat jäädä jälkeen. Aivan kuten aikoinaan siirryttiin käsinkirjoittamisesta tietokoneen näppäimistön ja tekstinkäsittelyn pariin.
Tekoälyn käyttö ei tee kenestäkään tyhmää. Tästä keskustellaan laajasti ja aihe on hyvin ajankohtainen. Uhka syntyy vasta silloin, jos ajattelu ulkoistetaan kokonaan. Pitää ymmärtää mitä on tekemässä ja mihin sisältö perustuu. Kun tekoälyä käytetään tietoisesti, reflektoiden ja kriittisesti, se voi vahvistaa omaa ajattelua ja laajentaa ilmaisukykyä. Tässäkin tarvitaan kultainen keskitie: ei pidä torjua työkalua pelosta tai ylpeydestä, mutta ei myöskään pidä luottaa siihen sokeasti. Oppiminen tapahtuu juuri siinä välissä, missä ihminen ohjaa tekoälyä. Ei toisinpäin.
”Kyllähän tässä isoja haasteita on, että ei tulisi eriarvoistavaa tai kansaa jakavaa kehitystä, jossa toiset ovat isoja voittajia ja toiset jäävät vahvasti jälkeen.”
Maailma on nopeasti jakautumassa kahteen leiriin: niihin, jotka osaavat ohjata tekoälyä, ja niihin, jotka käyttävät sen tuottamaa sisältöä ymmärtämättä, miten se syntyy tai mihin se perustuu. LLM-teknologia antaa valtaa niille, jotka hallitsevat mallien toimintaa, datan lähteitä ja kielen rakenteita.
Kehittyneet maat ja teknologiayhtiöt etenevät nopeasti LLM-teknologian kehityksessä ja rakentavat omia mallejaan, ohjaavat sitä, mihin tarkoituksiin tekoälyä käytetään ja millaisiin arvoihin se pohjautuu. Samaan aikaan monet kehittyvät alueet jäävät tilanteeseen, jossa ne voivat ainoastaan käyttää valmiita järjestelmiä sellaisinaan. Niillä ei ole resursseja kehittää omia malleja, muokata tekoälyä paikallisiin tarpeisiin tai edes varmistaa, että heidän oma kielensä ja kulttuurinsa ovat mukana mallien opetuksessa. Toisin sanoen, ne joutuvat käyttämään tekoälyä, joka ei tunne heidän todellisuuttaan, eikä siksi toimi heitä varten.
Ilman tietoisia toimia tämä kehitys syventää globaalia eriarvoisuutta. Tekoälyä hallitsevat yksilöt ja yhteisöt pystyvät moninkertaistamaan tuottavuutensa, kun taas ne, joilta puuttuu taito käyttää sitä mielekkäästi, jäävät rutiiniluonteisiin tehtäviin. Samalla informaatiovalta keskittyy yhä harvemmille: niille, joilla on pääsy koulutukseen, infrastruktuuriin ja kielimallien käyttöön. Kehitysmaiden haavoittuva asema korostuu, jos niiden kielet ja kulttuurit eivät näy globaaleissa malleissa.
