Ilkka Pölönen, professori, Jyväskylän yliopisto
Generatiivinen tekoäly tuntuu lupaavan rajattomasti. Se laatii esseitä, matkasuunnitelmia ja ohjelmakoodia hetkessä. Moni ajattelee, että olemme uuden aikakauden kynnyksellä. Kun hehku kuitenkin haihtuu, jäljelle jää arkisempi totuus: generatiivinen tekoäly on voimakas, mutta se ei ole kaikkivoipa.
Ensikosketus ihmeeseen
Kuvittele, että istut koneen ääressä ja kirjoitat ChatGPT:lle pyynnön matkasuunnitelmasta Italiaan. Sekunneissa ruudulle piirtyy reitti, hotellit ja ravintolat. Tuntuu kuin tulevaisuus olisi jo täällä. Ensikosketus on usein hätkähdyttävä: kone keskustelee kuin ihminen ja näyttää osaavan mitä tahansa. Silloin syntyy helposti harha, että kaikki on mahdollista ja mullistus tapahtuu hetkessä.
Kun arki alkaa painaa
Todellisuus paljastuu kuitenkin nopeasti. Käyttö ei ole ilmaista – jokainen kysymys ja jokainen dokumentti maksaa. Iso kielimalli on kuin taksi: joka kerta kun nouset kyytiin, maksat matkasta. Jos haluat, että botti lukee sinulle satojen sivujen dokumentaation ja muistaa sen, maksat siitä aina uudestaan. Tämä tekee erityisesti räätälöidyistä sovelluksista kalliita.
Generatiivinen tekoäly ei oikeasti ymmärrä. Se ennustaa seuraavia sanoja tilastollisesti. Jos yksi sana menee väärin, virheet ketjuuntuvat ja lopputulos voi olla täysin hallusinoitu – asiat keksittyjä, numerot pielessä.
Pilottiprojekti voi vaikuttaa hienolta, mutta kun ratkaisu siirretään tuotantoon, riskit kasvavat: väärä neuvo vaikka sähkösopimuksen irtisanomisessa voi johtaa kalliisiin seurauksiin.
Mallit oppivat vain siitä datasta, jonka varassa ne on koulutettu, ne kompastuvat poikkeuksissa. Jos pyytää laskemaan kissan jalat kuvasta, jossa kissalla on viisi jalkaa, vastaus menee pieleen, sillä mallin maailmassa kissalla on aina neljä jalkaa.
Todellinen voima erikoistumisessa
Tekoälyn suurimmat hyödyt löytyvät tällä hetkellä rajatuista ja tarkasti määritellyistä tehtävistä. Teollisuudessa kamerat ja algoritmit seulovat viallisia tuotteita liukuhihnalta. Sairaalassa syöpäkuvia läpikäyvä kone ei väsy, vaan jaksaa nähdä jokaisen yksityiskohdan. Kotona pieni optimointimalli voi laskea, milloin sähköauto kannattaa ladata halvimmalla hinnalla. Näissä tapauksissa tekoäly ei yritä olla yleisnero, vaan tekee yhtä asiaa hyvin ja luotettavasti.
Mahdollisuuksia valmistavassa teollisuudessa
Sama pätee myös valmistavan teollisuuden yrityksiin. Kuvitellaan saha, jossa kamerat ja tekoäly havaitsevat puun pinnasta huonot kohdat, jotka paljain silmin jäisivät huomaamatta. Tai konepaja, jossa järjestelmä ennustaa, milloin sorvi tarvitsee huollon, ennen kuin se pysähtyy kesken kiireisen toimituksen. Tai asiakas, joka tiedustelee varaosaa tai toimitusaikaa, saa vastauksen nopeasti tekoälyltä, jolloin työntekijöiden aika vapautuu varsinaiseen tekemiseen.
Kun arkisia prosesseja helpotetaan, työn arvo muuttuu. Ihmiselle jää enemmän tilaa luovuuteen, ongelmien ratkaisuun ja asiakassuhteiden hoitamiseen – niihin asioihin, jotka rakentavat kilpailuetua.
Lopuksi
Generatiivinen tekoäly voi toimia kasvona, käyttöliittymänä, jonka kautta ihminen kommunikoi teknologian kanssa. Mutta todellinen hyöty on muualla: pienissä ja erikoistuneissa koneoppimismalleissa, jotka tekevät raskaan työn luotettavasti taustalla. Ne ratkovat niitä ongelmia, joita yrityksellä on käsissään.
Perinteisten toimialojen, kuten puu- ja metallialan, yrityksille tämä tarkoittaa, ettei tarvita taikatemppuja tai jättisijoituksia. Riittää, että arjen prosesseja parannetaan askel kerrallaan. Näin syntyy todellisia digiloikkia – vähitellen, mutta pysyvästi.
Post scriptum: Miten tämä teksti syntyi
Tämä teksti ei syntynyt yksin. Kirjoitin ensimmäisen luonnoksen DigiHub-hankkeen vetäjien kanssa käydyn keskustelun pohjalta ja sen jälkeen otin avuksi ChatGPT:n. Pyysin sitä lukemaan tekstini kriittisesti, vähän kuin kustannustoimittaja tekisi, ja ehdottamaan muutoksia.
Palautteen mukana tuli monenlaisia ehdotuksia. Osa tuntui heti toimivilta ja teki tekstistä selkeämmän. Toiset taas eivät sopineet tyyliini, joten jätin ne syrjään. Lopputulos on yhdistelmä: minun ajatuksiani ja tekoälyn tarjoamia pieniä viilauksia.
Tässä näkyy yksi generatiivisen tekoälyn vahvuuksista. Kun mallit on koulutettu valtavilla määrillä kirjallisuutta ja internetin sisältöä, ne osaavat tuottaa tekstiä sujuvasti ja auttaa kirjoittajaa eteenpäin. Mutta täydellisiä ne eivät ole – varsinkaan pienillä kielillä, kuten suomella. Siksi tekoälyn kanssa kirjoittaminen on aina myös yhteistyötä ja valintojen tekemistä.
Ilkka Pölönen on Jyväskylän yliopiston laskennallisen data-analyysin professori ja hyperspektrikuvantamisen asiantuntija.
Hän johtaa spektrikuvantamisen laboratoriota ja tutkii tekoälyn ja laskennallisten menetelmien soveltamista muun muassa kaukokartoituksessa, teollisuudessa ja avaruusmissioissa.
Pölönen on myös kokenut opettaja ja kouluttaja, joka kehittää datatieteen ja koneoppimisen opetusta yliopistolla.
