Kahdeksan asiaa, jotka tekoälystä on hyvä ymmärtää

Kokosin yhteen asioita, jotka on hyödyllistä tietää tai ymmärtää, kun käyttää generatiivista tekoälyä työssään. Näillä en tarkoita, ettei tekoälyä kannattaisi käyttää. Tehokas ja tarkoituksenmukainen käyttö kuitenkin edellyttää, että tiedämme, mitä tekoälyltä voi odottaa.

1. Tekoäly ei koskaan ole sataprosenttisen luotettava

Kielimalli on tilastomatemaattinen malli, joka toimii todennäköisyyksien varassa, ei ymmärryksen tai tiukan faktatiedon pohjalta.

Tekoälyltä ei yleensä saa tismalleen samaa vastausta kahteen kertaan. Se rakentaa vastauksensa valiten seuraavan sanansa muutaman todennäköisimmän sanan lyhyeltä listalta. Siksi vastauksissa on vaihtelua, jonka tarkoitus on lisätä luonnollisuutta. Toisinaan se kuitenkin tarkoittaa, että malli on faktojen suhteen yhdellä kerralla oikeassa ja seuraavalla väärässä.

 Tekoäly ei myöskään itse erota faktaa fiktiosta. Sen sisäinen laskenta ohjaa sen esittämään kaiken yhtä itsevarmasti, oli asia totta tai ei. Ilmiötä kutsutaan hallusinoinniksi.

Tämä ei tee tekoälystä hyödytöntä, mutta sen vastauksia kannattaa ajatella ehdotuksina ja hypoteeseina, jotka pitää itse tarkistaa. Tekoäly auttaa kirjoittamaan, mutta vastuu paikkansapitävyydestä pysyy käyttäjällä.

2. Enemmän taustatietoa, paremmat vastaukset

Yleisluontoisilla kehotteilla ei saa parhaita mahdollisia tuloksia. Tekoäly ei tiedä taustaasi, tavoitteitasi tai toiveitasi, ellet kerro niitä sille erikseen.

Hyvä lopputulos syntyy tarkasta pyynnöstä. Esimerkiksi “tee tästä tekstistä tiivistelmä” antaa huonomman tuloksen kuin  ”Tee tästä tekstistä viiden kohdan tiivistelmä PowerPointiin, jolla esittelen asian kohderyhmälle X”.

Taustatiedot ja esimerkit auttavat mallia pysymään oikeilla raiteilla. Mitä selkeämmin ohjeistat, sitä käyttökelpoisemman tuloksen saat.

3. Tekoäly voi unohtaa asioita kesken keskustelun

Vaikka aiemmat viestit näkyvät näytöllä, kielimalli ei välttämättä huomioi kaikkea, mitä keskustelun alussa olet ohjeistanut. Pitkissä tai monivaiheisissa tehtävissä tärkeimmät säännöt kannattaa tarvittaessa toistaa.

Tätä voi ajatella ikään kuin tekoälyn työmuistin rajallisuutena. Teknisemmin sanottuna kyse on konteksti-ikkunan koosta.

 Kun keskustelu pitenee, vanhimmat ohjeet ja keskellä esiin tulleet yksityiskohdat voivat pudota pois käsittelystä. Kun olennaiset ohjeet kerrataan aika ajoin, tekoäly pysyy paremmin ruodussa.

4. Laskeminen ei ole kielimallien vahvuus

Tuntuisi loogiselta, että laskennallisen luonteensa vuoksi tekoäly olisi hyvä matematiikassa. Niin ei kuitenkaan ole. Se toimii samoin kuin sanojenkin kanssa: ennustaa, mikä luku näyttäisi kielellisesti sopivalta annetussa yhteydessä.

Siksi tekoäly voi selittää laskukaavan periaatteet oikein, mutta antaa itse laskulle täysin väärän lopputuloksen. Tekoälyä kannattaakin käyttää apuna matemaattisten asioiden sanallistamisessa ja jäsentämisessä, ei itse laskemisessa.

Toisaalta tämä pätee vain kielimalliin sellaisenaan. Kun sillä on käytössään erillinen laskentatyökalu tai kyky suorittaa koodia, se teettää laskun ulkopuolisella järjestelmällä. Esimerkiksi Copilotilta voi pyytää, että ”laske tämä Pythonia käyttäen”.

5. Tekoälyn inhimillistäminen on haitallista

Tekoäly muotoilee vastauksensa kohteliaasti ja empaattisesti. Lisäksi kun sen kanssa juttelee pidempään, se usein analysoi saamaansa tietoa niin taitavasti, että voi syntyä illuusio ymmärtämisestä. 

Kyse on kuitenkin vain simuloinnista. Tekoäly tuottaa tekstiä ilman kykyä ymmärtää, tuntea tai harkita. Tekstin takana ei ole tahtoa eikä tietoisuutta.

Tekoälyn alitajuinenkin inhimillistäminen voi olla haitallista. Käyttäjä saattaa huomaamattaan antaa liikaa painoarvoa tekoälyn esittämille arvioille ja jättää kyseenalaistamatta sen kertomia asioita. Tekoälyä kannattaa hyödyntää monipuolisesti, mutta aina muistaen, että kyseessä on kone.

6. Tekoälyllä on taipumuksia ja vinoumia

Tekoälyn voisi kuvitella olevan neutraali ja objektiivinen, koska se on kone. Se on kuitenkin kielen mukana perinyt myös tekstimateriaaleissa esiintyvät oletukset ja stereotypiat.

Tämän vuoksi tekoälyn vastauksissa voi näkyä oletuksia siitä, millainen esimerkiksi tietyn ammatin edustaja on. Tällaiset oletukset eivät yleensä ole toivottavia.

Kielimalli hakeutuu luonnostaan kohti alkuperäisen opetusaineistonsa todennäköisintä vaihtoehtoa eli tilastollista keskiarvoa, jos sitä ei ohjeisteta toisin. Ohjeistaminenkaan ei välttämättä poista taipumusta kokonaan – mutta aina kannattaa yrittää.

7. Tekoäly ei itsessään opi, mutta se voi muistaa

Olisi kätevää, että kun korjaa tekoälyn virheen tai kertoo sille uuden asian, se muistaisi opitun jatkossa kaikkialla. Käytännössä näin ei tapahdu, sillä kielimallit eivät päivitä varsinaista tietopohjaansa reaaliajassa.

Lähtökohtaisesti jokainen keskustelu kielimallin kanssa alkaa puhtaalta pöydältä. Nykyään monissa palveluissa on kylläkin erillinen muistiminaisuus. Sen avulla tekoäly voi tallentaa käyttäjän profiiliin erillisiä ”muistijälkiä” esim. työtavoista tai toivotusta vastaustyylistä.

Kuitenkaan tekoäly ei näitä oikeasti opi, vaan se hakee vastauksiinsa taustatietoa näistä tallennetuista muistiinpanoista. Muistitoiminto on kätevä yleisten mieltymysten tallentamiseen. Jos tekee säännöllisesti jotain tiettyä tehtävää, jossa on hyötyä tarkoista määrittelyistä, säännöistä ja laajoista taustatiedoista, paras ratkaisu on rakentaa työtä varten oma agentti.

8. Agentti on tiettyyn käyttöön valjastettu kielimalli

Tekoälyagentit (assistentit, apurit, botit) ovat erikseen ohjeistettuja versioita ”yleisestä” tekoälystä. Ne rakentuvat niin, että pohjalla on tuo yleiskäyttöinen kielimalli. Sen päälle rakentaja lisää omat ohjeensa, rajauksensa ja mahdolliset tiedostot tai tietolähteet, joita agentti saa käyttää.

Tämän vuoksi agentti on yleensä perustekoälyä parempi juuri siihen tehtävään, johon se on suunniteltu. Se pysyy kapeammassa aiheessa ja tuntee sille annetut ohjeet ilman, että käyttäjän tarvitsee selittää kaikkea joka kerta uudelleen.

Yhteinen perusta tarkoittaa kuitenkin myös yhteisiä rajoitteita. Agenttikin voi hallusinoida, tehdä virheitä ja kuulostaa varmalta silloinkin, kun se on väärässä.

Esimerkiksi Microsoftin Copilotilla – joka monella on työkäytössä – on helppo tehdä oma agentti Agent Builder -toiminnolla. Liikkeelle pääsee jo väljälläkin ohjeistuksella, ja kevyestikin määritelty agentti on usein arjessa varsin hyödyllinen. Kun aletaan hakea tiukempaa ohjeiden noudattamista, vain taivas on rajana.

Ohjeiden viilailulla ja tarkalla muotoilulla maksimoidaan todennäköisyys sille, että agentti tekee juuri mitä pyydetään. Viime kädessä on kuitenkin hyvä muistaa listauksen ensimmäinen oppi: tekoäly on loistava työkalu, mutta sadan prosentin varmuutta sen kanssa ei koskaan saavuteta.