AI Flow Talks -podcast-sarjamme kertoo tositarinoita AI-maailmasta, jotta tekoälytransformaatio olisi organisaatioille helpompaa. Tässä jaksossa keskustelemme siitä, mitä tapahtuu ajattelulle, oppimiselle ja luovuudelle, kun tekoälystä tulee yhä kiinteämpi osa työtä ja arkea.
Jakson vieraana Fluentian toimitusjohtaja Sami Vaskurin kanssa keskustelemassa on Turun yliopiston psykologian professori Johanna Kaakinen. Kaakinen tutkii ihmisen tiedonkäsittelyä, tarkkaavaisuutta, muistia ja oppimista sekä johtaa eurooppalaista EYE-TEACH-hanketta, jossa tutkitaan tekoälyn ja silmänliikedatan hyödyntämistä oppimisen tukena.
Ihmisen ajattelulla on rajansa
Keskustelu lähtee liikkeelle ihmisen tiedonkäsittelyn perusteista. Tarkkaavaisuus ja työmuisti asettavat rajat sille, kuinka paljon pystymme käsittelemään kerralla. Käytännössä tarkkaavaisuutemme voi kohdistua kunnolla vain yhteen asiaan kerrallaan, ja myös työmuistin kapasiteetti on rajallinen.
Siksi multitasking on pitkälti nopeaa tarkkaavaisuuden siirtämistä tehtävästä toiseen. Mitä useampaan asiaan huomiota joudutaan jatkuvasti siirtämään, sitä enemmän työ kuormittaa. Samalla keskeytykset vaikeuttavat palaamista siihen, mitä olimme juuri tekemässä.
Tekoäly voi helpottaa tätä kuormitusta ottamalla hoitaakseen osan tehtävistä. Samalla syntyy kuitenkin riski niin sanotusta kognitiivisesta ulkoistamisesta: annamme vähitellen myös sellaista ajattelua tekoälyn tehtäväksi, jota meidän kannattaisi edelleen harjoittaa itse.
Tekoäly voi tukea oppimista, mutta ei korvata ajattelua
Oppimisessa tekoäly tarjoaa paljon mahdollisuuksia. Se voi esimerkiksi antaa henkilökohtaista palautetta tilanteissa, joissa opettajan aika ei siihen riitä, toimia opiskelua ohjaavana tuutorina tai auttaa opiskelijaa testaamaan omaa ymmärrystään keskustelun ja kysymysten avulla.
Kaakisen mukaan kiinnostavimpia mahdollisuuksia syntyy kuitenkin silloin, kun tekoäly ei vain jäljittele ihmisen tekemää työtä vaan mahdollistaa jotakin kokonaan uutta.
Tästä esimerkkinä on EYE-TEACH-tutkimushanke, jonka tavoitteena on ymmärtää paremmin yksilöllisiä oppimisprosesseja sekä tukea oppimista käyttämällä tuoreinta silmänliiketutkimusta ja tekoälyavusteisia teknologisia ratkaisuja. Hankkeessa tutkitaan ja hyödynnetään silmänliikemenetelmällä saatavaa tietoa siitä, mitä oppilaan mielessä tapahtuu lukemisen aikana. Tarkoituksena ei ole korvata opettajaa, vaan antaa hänelle uudenlaisia työkaluja oppilaiden tukemiseen.
Tekoälyn käytön kääntöpuoli: laiskistuminen ja vääränlainen varmuus
Jaksossa tarkastellaan myös tutkimuksia siitä, miten kielimallien käyttö vaikuttaa ihmisen omaan ajatteluun. Yksi esiin nouseva ilmiö on kognitiivinen laiskistuminen: kun työkalu tekee ajattelutyötä puolestamme, oma halukkuutemme ja tapamme ponnistella ongelman ratkaisemiseksi voivat vähentyä.
Toinen kiinnostava kysymys liittyy metakognitioon eli kykyymme arvioida omaa osaamistamme. Keskustelussa käsitellyn tutkimuksen perusteella ChatGPT:n käyttö paransi ihmisten suoriutumista loogista päättelyä vaativissa tehtävissä, mutta samalla käyttäjät arvioivat oman osaamisensa todellista paremmaksi. Tekoäly voi siis auttaa saamaan oikean vastauksen ilman, että käyttäjän oma ymmärrys kehittyy samassa suhteessa.
Siksi kriittinen ajattelu ja lähdekritiikki korostuvat tekoälyn aikakaudella entisestään. Tekoälyn tuottama vastaus voi vaikuttaa vakuuttavalta, vaikka se ohjaisi ajattelua huomaamatta väärään suuntaan tai vahvistaisi käyttäjän ennakkokäsityksiä.
Tehokkuuden rinnalle tarvitaan myös ajatuksen harhailua
Tekoälyn avulla työntekoa voidaan tehostaa, mutta jatkuva tehokkuus ei välttämättä ole ajattelun kannalta ihannetila.
Jaksossa nostetaan esiin ajatuksen harhailun merkitys. Vaikka keskittymisen herpaantuminen nähdään usein negatiivisena asiana, tutkimuksessa ajatusten vapaa vaeltelu on yhdistetty myös luovuuteen, asioiden yhdistelyyn ja palautumiseen. Pitkäkestoinen tarkkaavaisuuden ylläpitäminen puolestaan kuormittaa.
Tämä voi korostua esimerkiksi AI-natiivissa ohjelmistokehityksessä, jossa kehittäjä saattaa ohjata samanaikaisesti useita tekoälyagentteja ja siirtää jatkuvasti tarkkaavaisuuttaan tehtävästä toiseen. Vaikka tuottavuus kasvaa, myös kognitiivinen kuormitus voi lisääntyä. Siksi tehokkuuden rinnalle tarvitaan edelleen hetkiä, jolloin ajattelulle annetaan tilaa vaeltaa.
Lisääkö tekoäly luovuutta vai yhdenmukaistaako se ajattelua?
Kielimallit voivat auttaa yksittäistä ihmistä tuottamaan uusia ideoita ja löytämään ratkaisuja, joita hän ei välttämättä olisi itse keksinyt. Samalla tutkimuksissa on havaittu kiinnostava kääntöpuoli: kun useat ihmiset käyttävät tekoälyä ideoinnin tukena, heidän tuotoksensa voivat alkaa muistuttaa enemmän toisiaan.
Yksilön näkökulmasta tekoäly voi siis lisätä luovuutta, mutta kollektiivisella tasolla se saattaa vähentää kaikkein poikkeavimpia ja yllättävimpiä ideoita. Juuri ajattelun yhdenmukaistuminen nouseekin keskustelun lopussa yhdeksi tekoälyn merkittävistä pitkän aikavälin riskeistä.
Tekoälyn käytön eettiset kysymykset
Tekoälyn vaikutuksia ajatteluun ja oppimiseen ei voi tarkastella irrallaan sen käytön eettisistä kysymyksistä. Jaksossa korostuu erityisesti vastuu siitä, miten tekoälyä hyödynnetään ja millaisia seurauksia sen käytöllä voi olla ihmisille.
Yksi keskeinen kysymys liittyy yksityisyyteen ja datan käyttöön. Esimerkiksi oppimisen tukena hyödynnettävä silmänliikedata voi tarjota arvokasta tietoa oppimisprosessista, mutta samalla on tärkeää huolehtia siitä, mitä tietoa kerätään, miten sitä käsitellään ja kuka siihen pääsee käsiksi. Tekoälyn käytön tulee olla läpinäkyvää, ja ihmisten on ymmärrettävä, mihin heidän tietojaan käytetään. Näihin kysymyksiin pureutuu myös Euroopan unionin tekoälysäädös AI Act.
Toinen eettinen kysymys liittyy vastuuseen ja päätöksentekoon. Tekoäly voi tuottaa vakuuttavia mutta virheellisiä vastauksia, eikä vastuuta tiedon oikeellisuudesta voi siirtää järjestelmälle. Ihmisen on edelleen arvioitava tekoälyn tuottamaa tietoa, tunnistettava sen rajoitukset ja kannettava vastuu lopputuloksesta.
Jaksossa nousee esiin myös yhdenvertaisuus. Jos tekoäly alkaa ohjata oppimista tai arvioida ihmisten osaamista, on tärkeää varmistaa, ettei se vahvista olemassa olevia eroja tai kohtele eri taustoista tulevia ihmisiä epäoikeudenmukaisesti. Tekoälyn pitäisi tukea ihmisiä, ei kaventaa heidän mahdollisuuksiaan tai korvata inhimillistä harkintaa tilanteissa, joissa sitä tarvitaan.
Hyöty syntyy tavasta käyttää tekoälyä
Jakson keskeisenä teemana on, että tekoäly ei ole ajattelulle yksiselitteisesti hyvä tai huono asia. Vaikutus riippuu siitä, mitä työkalua käytetään, mihin sitä käytetään ja millä tavalla käyttäjä itse suhtautuu sen tuottamiin vastauksiin.
Tekoäly soveltuu hyvin esimerkiksi rutiininomaisen työn automatisointiin ja oman ajattelun sparraamiseen. Samalla ihmisen täytyy säilyttää kyky arvioida tietoa kriittisesti, tunnistaa oman osaamisensa rajat ja ajatella myös ilman tekoälyn tarjoamaa valmista vastausta.
Tämä korostuu myös tulevaisuuden koulutuksessa. AI-lukutaitoon kuuluu tekoälytyökalujen käytön lisäksi ymmärrys niiden rajoituksista sekä kyky arvioida niiden tuottamaa sisältöä. Sen perustana ovat kuitenkin edelleen perinteiset perustaidot, kuten lukutaito ja lähdekritiikki.
