Luovuus ja tekoäly
0:00 / 0:00
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 juuri tämä on tekoälyn keskeinen käyttötarkoitus. Suurten datamassojen läpikäyminen ja monenlainen automatisointi olivat pitkään keskeisiä tekoälyn hyödyntämisen ulottuvuuksia. Puheet itsestään ajavista autoista tai sairauksia tunnistavista tekoälyistä kuulostivat toki vaikuttavilta, mutta eivät siltä, että ne olisivat ainakaan kovin lähellä luovaa työtä tekevien kenttää.
Viime vuodet ovat kuitenkin osoittaneet muuta. Tekoäly on uskomattomalla nopeudella ottanut haltuun myös sellaisia tehtäviä, joita pidettiin aiemmin luovan alan tekijöiden yksinoikeutena. Tekoäly tuottaa valokuvamaisen tarkkoja kuvia, vaikuttavia kuvituksia, radiosoittoon kelpaavia musiikkikappaleita ja yllättävän laadukkaita suunnitelmatekstejä. Tekoäly ei ole vielä korvannut ihmistä, mutta kuukausi toisensa jälkeen tekoälytyökalujen jälki paranee. Vielä vuosi sitten oli vaikeaa saada tuotettua kuviin hahmoja, jotka pysyvät samanlaisina kuvasta toiseen, mutta nykyiset ratkaisut tekevät sen jo varsin laadukkaasti.
Muutos luovan työn kentällä
Muutos haastaa luovan alan kenttää monin tavoin, eikä sen merkitys ole kaikille sama. Osalle tekoäly tarkoittaa töiden vähenemistä, kun taas toisille se on toistaiseksi näyttäytynyt vasta kaukaisena teknisenä kehityksenä, joka ei vielä kosketa omaa työtä.
Tekoäly voi näyttäytyä voimavarana, jonka avulla yksi ihminen voi tehdä pelituotannon kaikki vaiheet tai pyörittää mainostoimistoa entistä paremmin jopa yksin. Toisaalta se voi viedä luovan alan tekijältä juuri sen mukavimman työn osan. 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 – sekä siksi, että muutokseen voi varautua, että siksi, että sen tarjoamia mahdollisuuksia voi hyödyntää tietoisesti.
Mitä generatiivinen tekoäly on?
Tällä kurssilla keskitymme generatiiviseen tekoälyyn, joka 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? Näitä kysymyksiä käsittelemme tarkemmin tämän luvun myöhemmissä osioissa.
Yleinen harhaluulo: tekoäly datamassojen käsittelijänä
Tekoälyyn liitetään usein 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 kuitenkin ohjata harhaan.
Usein toistuva oletus on, että generatiivisilla tekoälytyökaluilla, kuten laajoilla kielimalleilla tai kuvamalleilla, pystyttäisiin käsittelemään laajoja datamassoja ja etsimään niistä yhteyksiä. 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 käsittelemme käytännön esimerkkien kautta tarkemmin, miten tämä tapahtuu.
Generatiivisen tekoälyn työkalut
Laajat kielimallit
Yleisimpiä generatiivisen tekoälyn työkaluja ovat laajat kielimallit (Large Language Models, LLM), kuten ChatGPT, Claude, Gemini, Copilot, Mistral, Grok sekä muut eri yhteyksissä vastaan tulevat kielimallipalvelut. Niitä käytetään usein chat-pohjaisen käyttöliittymän avulla.
Vaikka kielimallien toimintaperiaate perustuu todennäköisesti sopivan sisällön matemaattiseen ennustamiseen, ne kykenevät 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 3.
Kuvia luovat mallit, video- ja musiikkimallit
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 tarkemmin luvussa 4.
Nopeus ja laatu
Generatiiviset 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.
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 sisältöä tuotetaan yhä enemmän tekoälyllä generoimalla, voiko mihinkään enää luottaa?
Näitä kysymyksiä tarkastelemme luvussa 5.
Kurssin lähestymistapa
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 sisällyttäneet kurssille erilaisia ajattelutapoja, joita hyödyntämällä luovan työn tekijä voi hahmottaa myös tulevia generatiiviseen tekoälyyn pohjautuvia työkaluja.
Aloitetaan kuitenkin tarkastelemalla tarkemmin sitä, mitä luovuus oikeastaan on ja mitä on tekoäly.
Ensimmäinen osa: Mitä on luovuus ja tekoäly
Tässä osiossa syvennytään kahteen keskeiseen kysymykseen: mitä luovuus todella on ja miten se suhteutuu tekoälyyn. Luovuuden osalta tarkastellaan sen moniulotteista luonnetta – se on kykyä nähdä uusia yhteyksiä, kyseenalaistaa olemassa olevia malleja ja tuottaa jotain ennakoimatonta. Käsittelemme luovuuden eri tasoja ja tarkastelemme sitä, missä luovuus syntyy.
Tekoälyn osalta luennossa kuljetaan tekoälyn alkuhämäristä, Dartmouthin konferenssista 1956 nykypäivän generatiivisiin malleihin, ja pohditaan kysymystä tekoälyn mahdollisesta tietoisuudesta ja luovuudesta. Erityisesti keskitytään siihen, miten tekoälyn luovuus eroaa inhimillisestä luovuudesta – kokemuksen ja opetusdatan, tunteiden ja representaatioiden sekä sosiaalisen vuorovaikutuksen näkökulmista.
Luennon lopussa tarkastellaan tekoälyn ja luovan tekijän välistä dialogista yhteistyötä, jossa tekoäly ei toimi passiivisena työkaluna vaan aktiivisena kumppanina luovassa prosessissa. Osio luo perustan ymmärtää, miten generatiivinen tekoäly täydentää luovaa työskentelyä. Se toimii myös lukuohjeena kurssin muille osioille.