Tekoäly on jo pitkään ollut osa arkeamme ja yhteiskuntaamme. Se suosittelee sisältöjä suoratoistopalveluissa, auttaa meitä navigoimaan liikenteessä, ohjaa verkkokauppojen hakutuloksia ja ennustaa esimerkiksi sään muutoksia. Nämä sovellukset hyödyntävät tekoälyn kykyä tunnistaa rakenteita ja säännönmukaisuuksia olemassa olevasta tiedosta sekä tehdä niiden perusteella päätöksiä ja ennusteita. Pitkään ajateltiin, että tämä on tekoälyn keskeinen käyttötarkoitus. Suurien datamassojen läpikäyminen ja monenlainen automatisointi olivat pitkään keskeiset tekoälyn hyödyntämisen ulottuvuudet. Puheet itsestään ajavista autoista tai sairauksia etsivistä tekoälyistä kuulostivat toki hurjilta, mutta eivät siltä, että ne olisivat ainakaan kovin lähellä luovaa työtä tekevän kenttää. Viimeiset vuodet ovat kuitenkin näyttäneet, että tekoäly on uskomattomalla nopeudella ottanut haltuun myös sellaisia tehtäviä, joita pidettiin aiemmin luovan alan tekijöiden yksinoikeutena.
Tekoäly tuottaa valokuvamaisen tarkkoja kuvia, uskomattoman vaikuttavia kuvituksia, radiosoittoon kelpaavia musiikkikappaleita ja yllättävän laadukkaita suunnitelmatekstejä. Tekoäly ei ole vielä korvannut ihmistä, mutta kuukausi toisensa jälkeen tekoälytyökalujen jälki paranee. Esimerkiksi vielä vuosi sitten oli hankala saada tuotettua kuviin hahmoja, jotka pysyvät samanlaisina, mutta nykyiset ratkaisut tekevät sen jo varsin laadukkaasti.Muutos haastaa luovan alan kenttää. Osalle se voi tarkoittaa töiden vähenemistä, kun taas osalle tekoäly on näyttäytynyt vasta kaukaisena teknisenä kehityksenä. Tekoäly voi näyttäytyä voimavaralta, jonka avulla yksi ihminen voi tehdä pelituotannon kaikki vaiheet tai pyörittää mainostoimistoa entistä paremmin vaikka yksin. Toisaalta se voi viedä luovan alan tekijältä juuri sen mukavimman työn. Piirtäminen, käsikirjoittaminen tai säveltäminen ovat monelle keskeinen syy hakeutua luovan alan töihin. Kuka haluaisi automatisoida intohimonsa kohteita? Yhtä kaikki luovan alan tekijöiden on syytä ymmärtää, millaisesta muutoksesta on kyse. Tämän verkkokurssin tarkoituksena on lisätä ymmärrystä siitä, mikä on generatiivisen tekoälyn vaikutus luovaan työhön ja yleisemminkin luoville aloille.
Kurssin sisältö
Generatiivinen tekoäly, johon tällä kurssilla keskitymme, on tekoälyn sovellusalue, jonka keskeinen piirre on kyky luoda uutta sisältöä. Generatiiviset mallit voivat esimerkiksi tuottaa realistisia kuvia, kirjoittaa sujuvaa tekstiä tai säveltää musiikkia, joka ei esiinny opetusaineistossa sellaisenaan. Generatiivinen tekoäly on siis automatisoinut sellaisia asioita, joita on aikaisemmin pidetty luovan työn keskiössä. Nopea kehitys haastaa myös perinteiset käsityksemme luovuudesta ja tekijyydestä: voiko tekoäly todella olla ”luova”, ja mitä se tarkoittaa inhimillisen luovuuden näkökulmasta? Käsittelemme luovuuden ja tekoälyn välistä suhdetta tässä luvussa (Luku 1).
Monesti tekoälyyn liitetään ajatus siitä, että se pystyisi käsittelemään hyvin laajoja datamassoja ja erilaisia opetusaineistoja etsien niistä säännönmukaisuuksia. Generatiivisen tekoälyn kohdalla tämä sinänsä oikea ajatus tekoälyn toimintaperiaatteesta saattaa ohjata harhaan. Usein toistuva ajatus on, että generatiivisen tekoälyn työkaluilla kuten laajoilla kielimalleilla tai kuvamalleilla pystyttäisiin käsittelemään laajoja datamassoja. Ne eivät kuitenkaan pääsääntöisesti tarjoa kovin hyviä työkaluja systemaattiseen sisällön käsittelyyn ja yhteyksien etsimiseen. Vaikka generatiiviset tekoälymallit on alun perin koulutettu hyvin suurilla datamäärillä, ne eivät varsinaisesti käsittele tai analysoi laajoja datamassoja enää siinä vaiheessa, kun ne ovat loppukäyttäjän käytössä. Mallien koulutuksen aikana tekoälylle opetetaan tilastollisia säännönmukaisuuksia ja rakenteita datasta, mutta kun malli on valmis ja käytössä, se ei enää opi lisää käyttäjän antamasta aineistosta eikä jatkuvasti päivitä omaa tietämystään. Generatiivisen tekoälyn perusperiaatteiden ymmärtäminen auttaa luovan työn ammattilaista hyödyntämään sitä tietoisesti ja tarkoituksenmukaisesti, ja seuraavassa luvussa (luku 2) käsittelemme käytännön esimerkkien kautta tarkemmin, miten tämä tapahtuu.
Yleisiä generatiivisen tekoälyn työkaluja ovat esimerkiksi laajat kielimallit (Large Language Models, LLMs), kuten ChatGPT, Claude, Gemini, Copilot, Mistral, Grok sekä muut eri yhteyksissä vastaan tulevat kielimallipalvelut, joita käytetään usein chat-pohjaisen käyttöliittymän avulla. Vaikka niiden toimintaperiaate perustuu todennäköisesti sopivan sisällön matemaattiseen ennustamiseen, kykenevät ne keskustelemaan hyvin ihmismäisesti ja suorittamaan monimutkaisia luovan ajattelun kentälle kuuluvia tehtäviä. Ne pystyvät luomaan ideoita, vitsailemaan, kirjoittamaan fiktiivistä tekstiä tai esittämään erilaisia rooleja. Kielimallien mahdollisuuksia luovassa työssä tarkastelemme tarkemmin luvussa kolme.
Myös kuvia luovat mallit, kuten DALL-E, Midjourney, Firefly, Stable Diffusion ja Flux ovat hyvin yleisiä luovassa työssä. Ne voivat tuottaa tekstikuvauksen perusteella erilaisia kuvia. Kuvat voivat olla valokuvamaisia tai muistuttaa esimerkiksi lyijykynäpiirrosta, yritysgrafiikkaa, sarjakuvaa tai maalausta. Samalla tavalla videoita luovat mallit kykenevät tuottamaan aivan uutta materiaalia tekstikuvauksen tai ensimmäisen ruudun perusteella. Musiikkimallit taas kykenevät tekemään uusia kappaleita pelkän genrekuvauksen tai kappaleen sanojen pohjalta. Käsittelemme näitä erilaisia sisältöjä tuottavia generatiivisia malleja luvussa neljä.
Mallit ovat erittäin nopeita ihmistyöhön verrattuna. Ne kykenevät tuottamaan uusia kuvia tai musiikkikappaleita kymmenissä sekunneissa tai muutamissa minuuteissa. Niiden laatu vastaa ainakin ulkoisesti monelta osin ihmisten tuottamia lopputuloksia, eikä niiden erottaminen ihmisten tuottamista kuvista, musiikkikappaleista tai teksteistä ole aina kovinkaan helppoa. Luvussa viisi tarkastelemme sitä, kuinka generatiivinen tekoäly muuttaa luovan työn kenttää ja millä tavalla luovan alan tekijä voi sopeutua muutokseen.Tekoälykehitys herättää paljon erilaisia kysymyksiä, siitä mikä on oikein ja kuinka tekoälyn kanssa tulisi toimia. Jos tekoäly tekee kuvan tai kirjoittaa tekstin, kenelle tekijänoikeudet silloin kuuluvat? Millaisia ympäristövaikutuksia laskentatehoa paljon vaativat tekoälymallit aiheuttavat? Kun sisällöstä enemmän ja enemmän tuotetaan tekoälyllä generoimalla, voiko mihinkään enää luottaa? Luvussa viisi tarkastellaan myös generatiivisen tekoälyn eettisiä kysymyksiä.
Generatiivinen tekoäly kehittyy huimaa vauhtia. Osa tämän kurssin esimerkeistä on jo julkaisuhetkellä vanhentuneita. Kurssi on kuitenkin pyritty rakentamaan siten, että sen opit eivät vanhenisi heti teknologian kehittyessä. Olemme pyrkineet sisällyttämään kurssille erilaisia ajattelutapoja, joita hyödyntämällä luovan työn tekijä voi hahmottaa myös tulevia generatiiviseen tekoälyyn pohjautuvia työkaluja.
Aloitetaan kuitenkin ensimmäinen kurssin osio tarkastelemalla sitä, mitä on luovuus ja mitä on tekoäly.
