Näkymä tekoälystä oppimisen tukena kohdistuu liian ilmeiseen

Olen koodaillut ilta- ja viikonlopputöinäni erilaisia verkkopalveluita muutamille startupeille menneinä vuosina. Työnprosessini muuttui parisen vuotta sitten, jolloin otin käyttöön kielimalleilla tuettuja kehitysympäristöjä. Ne toimivat vähän kuin Word-tekstinkäsittelyohjelma, ehdottaen kielioppivirheiden korjaamista ja tietoturvallisempia rakenteita. Lopputuloksena oli nopeammin virheettömämpää koodia. Olin tyytyväinen.

Puoli vuotta sitten siirryin käyttämään Claude code -ympäristöä ja agenttiparvea. Olen tehnyt kaupallisia ohjelmia vuodesta 1986 saakka, ja tämä on ensimmäinen ohjelmistotuotannon prosessia peruuttamattomasti muuttanut murros. Nykyisin pyydän työkalujani tuottamaan jonkin toiminnallisuuden, juuri kuten pyytäisin tiimini kolleegaa tekemään sen. Jos aiemmin työ oli korttitalon rakentamista, nyt tunnen pelaavani pingistä – työ on nopeita reaktioita dynaamisesti vuorovaikutteisen kanssapelaajan liikkeisiin.  Samalla jälkeä, tosin hieman erilaista kuin ennen, syntyy nopeammin. Tämä murros näkyy selvästi USA:n työmarkkinoilla [1] ja se väreilee myös kokemukseni mukaan suomalaisten IT-toimijoiden puheissa ja tilauskannassa.

Onko oppiminen aivojen koodaamista?

Nykyinen työni liittyy korkeakoulutukseen ja sen järjestämiseen. Olen puhunut siitä, kuinka nykyinen käsitys koulutuksesta on syntynyt. Muinaisessa Kreikassa viisas mies (ja vain mies) kävi keskusteluja oppijan kanssa. Mestari hioi kisällistä seuraavan mestarin. Sitten luostarissa munkki koulutti joukkoa noviiseja ja lopulta teollinen vallankumous tuotti kateederit, luennoijan ja passiiviset opiskelijat kuuntelemaan. Korona ja etäopiskelu mahdollistivat opiskelijan niin halutessaan kadota pysyvästi Teamsin taakse – onneksi moni on hakeutunut takaisin ihmiskontaktiin oppimaan myös yhdessä tekemistä. Seuraava, usean tutkijan näkemä askel on tekoälyn avustama, henkilökohtainen keskustelukumppani [2]. Jokainen opiskelun ja oppimisen paradigma koodaa eli muuttaa tapaamme jäsentää ajatteluamme ja toimintaamme maailmassa. Tästä erittäin kiintoisa esimerkki on funktionaalisen aivokuvantamisen kautta tehdyt havainnot tehtävän suorittamisesta itsenäisesti, hakukoneavusteisesti tai käyttäen ChatGPT:n kaltaisia välineitä [3].

Olen toivonut, että kielimallit ja syväoppiminen toisivat mestari-kisällisuhteen parhaat puolet takaisin oppimiseen. Ne voisivat demokratisoida ja tuoda inklusiivisen oppimisen tarjolle asuinmaasta, sukupuolesta tai varallisuudesta riippumatta. Parhaimmillaan oppija voisi kirkastaa omaa käsitystään sparraamalla ja keskustelemalla ”Tekoäly-Sokrateksen” kanssa. Kielimallit täydennettynä kyvyllä hakea ajantasaista, luotettavaa tietoa ulkoisista lähteistä (Retrieval-Augmented Generation, RAG ja vastaavat uudemmat rakenteet) pystyvät sanoittamaan monimutkaiset konseptit tai relaatiot muotoon, josta oma oppiminen ja ymmärrys kasvavat. Tämä muuttaa tapaa, jolla ajattelemme ihmisopettajan roolista ja tehtävästä peruuttamattomasti ja lopullisesti.

Viimeaikainen kielimalleja hyödyntävä käyttöliittymäkehitys on kuitenkin muuttanut ajatteluani: Tekoäly-Sokrates jäi historiaan jo ennen kuin ehti kunnolla syntyä; en nimittäin enää usko, että oma tekoälyn tukema oppiminen riittää tulevaisuudessa.

Teoriasta käytäntöön

Kielimallien teknologinen perusta julkaistiin vuonna 2017 [3] ja GPT-1:n perusteet vuotta myöhemmin [4]. Käyttämämme kielimallin käyttöliittymä aukesi marraskuun lopussa 2022, jonka jälkeen ChatGPT löi itsensä läpi. Juuri näin murrosteknologia syntyy. Ensiksi teknologia-alustat kehittyvät, ja vasta sitten niihin integroidaan käytettävyys. Keksimme siis ensin ilmiön ja sitten sen, kuinka sitä on helppo käyttää. Samalla pitää kuitenkin huomata, että alla olevan ilmiön ymmärtäminen kehittyy jatkuvasti. 

Nyt olisi ilmeistä keskittää katse tekoälyn sovelluksiin, kuten Sokratekseen. Tätäkin täytyy tehdä, mutta aidosti mielenkiintoista on kuitenkin kohdistaa katsetta Tekoäly-Sokrateksen asemasta sinne, minne hän on matkalla.

Esimerkiksi väitöskirjassa Yang [6] esitetään tilannekuvaa itseään parantavista kielimalleista ja siitä, kuinka malli voi parantaa itseään, vaikka kaikki ihmisen kuratoima materiaali olisi jo käytetty. Nykyiset kielimallit voivat käytännössä käyttää kaikkea julkisen Internetin sisältämää aineistoa. Sen koko ja kompleksisuus ovat ylittäneet ihmisen käsityskyvyn, joten syy- ja seuraussuhteiden hahmottaminen ja niiden kautta uusien ilmiöiden löytäminen onnistuvat koneoppivalta järjestelmältä paljon ihmistä paremmin. Samoin se on kykenevä luomaan perusteen itseään kyvykkäämmälle koneoppivalle järjestelmälle.

En viittaa edellisessä tekoälyn singulariteettiin tai nk. vahvaan tekoälyyn, vaan markkinalogiikkaan. Tekoälyn kouluttaminen on kallista ja vie ihmisen työaikaa. Siksi on olemassa insentiivi antaa tekoälyn kehittää itseään entistä kyvykkäämpää tekoälyä.

On selvää, että Tekoäly-Sokrates ei kykene nostamaan ihmisopiskelijansa kognitiivista kapasiteettia havaitsemaan kausaalisia suhteita verkostoissa, jotka koostuvat sadoilla eri kielillä kirjoitetuista miljoonista tieteellisistä artikkeleista. Siksi ihmisen ja koneen keskinäinen vuorovaikutus, eli käyttöliittymä, tulee muotoutumaan toisenlaiseksi kuin pelkäksi oppimista tukevaksi tuutoriksi.

Korvaako kone ajattelun?

Kun aloitin opintoni teoreettisessa fysiikassa, laskettiin kynällä ja paperilla differentiaaliyhtälöitä, sarjahajoitelmia ja elektronin tunneloitumista Schrödingerin yhtälöiden avulla. Kun näiden konseptien ymmärrettyä vaihdettiin tietokoneisiin ja suurteholaskentaan, jonka kautta fysiikan rakenteisiin tuli mieli, merkitys ja mahdollisuus löytää uutta tietoa. Lasku- ja tietokoneet eivät turmelleet fysiikan tai matematiikan ideaalia, mutta ilman koneita uuden tiedon tuottaminen omassa väitöstyössäni olisi ollut mahdotonta.

Kuulen tämän ja koen tämän saman nykyisessä työssäni sidosryhmiltä. Perusmekaniikkasuunnittelu, ohjelmistotyö, taloushallinnon rutiinit, graafinen konseptointi tai pelisuunnittelu hyödyntää koneita siinä määrin, että ne ovat ihmistä ylivoimaisen paljon parempia. Tämä näkyy työmarkkinoilla junioritason työn siirtymisenä senioreiden ohjaamille AI-agenttiparville. Työmarkkinat tulevat rikkoutumaan entistä pahemmin, sillä työn oppiminen ihmiseltä mestari-kisällisuhteessa on entistä harvemmalle tarjolla.

Haaste korkeakouluille tuleekin olemaan se, kuinka koulunpenkiltä pullahtaa ulos senioritasoinen tekijä, joka on sinut uusimman AI-teknologian hyödyntämisen kanssa. Tekoälyn kehitys haastaa ensiksi valkokaulusammatit. Samaan hetkeen näemme valtavan kehitysloikan robotiikassa, joka puolestaan tulee mullistamaan teollisen, tuotannollisen ja mekaanisen työn alentamalla henkilöstökustannuksia ja siirtämällä tuotannon 24/7/365 tuotannoksi.

Miltä asiantuntijatyö tulevaisuudessa tuntuu?

Näyttää siltä, että jatkossa asiantuntijan työ on dialogia ratkaisujen löytämiseksi. Sokrates muuttuu Sabine Baring-Gouldiksi, joka elämänsä aikana julkaisi yli 200 kirjaa ja lukemattoman määrän tutkimuksia. Tämä toki sillä erolla, että digitaalinen työkaverisi tunteen tarinaperinteen, uskonnon ja lyriikan lisäksi käytännössä kaiken kirjoitetun, puhutun, lauletun tai videoidun aineiston. Se kykenee yleistämään ja löytämään rinnakkaisuuksia ja riippuvuuksia ja syntetisoimaan niistä uutta tekstiä, puhetta, kuvia tai videota.

Hakiessasi työpaikkaa kilpailet kyvylläsi tuottaa lisäarvoa työnantajalle. Tehdään ajatusleikki. Jos kyky tuottaa lisäarvoa pelkistettäisiin älykkyysosamääräksi, 68% meistä ihmisistä sijoittuisi 85-115 pisteen välille. Entä jos tuot mukanasi kouluttamasi AI-työläisten ryhmän, joka nostaa yhteistä suorituskykyänne tehtävissä joita älykkyysosamäärä mittaa, vaikka vain 15 pisteellä? Toisit tällöin työnantajalle kyvykkyyden, joka on parempi kuin 84% väestöstä. Tuo 15 lisäpistettä ei ole itseään jatkuvasti, kaiken muistavalle, kaikesta oppivalle tekoälylle ole kenties kovin suuri haaste. Lisäksi haaste pienenee jatkuvasti. Kysymys onkin, kuinka oma työprosessisi ja kyvykkyytesi käyttää hyväksi tekoälyjä luo edellä kuvattua kilpailuetua.

Miten koulujen pitäisi siis suhtautua muutokseen?

Jos ajattelemme muutosta vain työelämän, olipa se tutkijan, insinöörin tai vaikka hoitoavustajan ura, tulee perinteinen opetus haastetuksi. Koulujärjestelmän tehtävissä vahvistuu oppimisen oppimisen tärkeys, sivistyksen ja yhteiskunnan periaatteiden tukeminen ja kehittäminen, esimerkkinä eettiset periaatteet ja moraali, ja yksilön rohkaiseminen olemaan vastuullinen, nopea ja ketterä rooli osana yhteiskunnan muutoksissa. Tämän lisäksi koulujärjestelmän tulisi toimia alustana uuden tiedon tuottamiseen sekä perustutkimuksesta, että työelämästä. 

Samoin kuin puuseppäkisällin piti tehdä omat työkalunsa osana mestarin koulua, samoin opiskelijoidemme pitää tehdä oma AI-työläistensä joukko, jonka käyttöä pitäisi harjoitella ja hioa jo oman oppimisprosessin aikana. Tässä onkin koululaitoksemme merkittävä uusi haaste; enää ei riitä, että tutkinnon saamiseksi oma ajatusprosessi on kirkas ja osaaminen on osoitettu. Pitäisi pystyä kouluttamaan omat työkalut, sellaisin välinein, jotka voi viedä mukanaan työelämän seuraaviin vaiheisiin, joko mukanaan seuraavaan yliopistoon tai työpaikalleen.

Seuraavassa osissa tulen käsittelemään viimeisen haasteen merkitystä opetukseen ja laajemmin yhteiskunnan rakenteisiin.

[1] ”Developer Hiring Crisis 2026: 40% Worse, Junior Drops 73%”, Byteiota.com, 2.3.2026

[2] “The rise of answer machine”, Brendan McCord 24.1.2026, Financial Times

[3] “Your Barin on ChatGPT: Accumulation of Cognitive Debpt when Using an AI Assistant for Essay Writing Task”, Kosmyna et al., 2025, https://arxiv.org/abs/2506.08872

[4] “Attention is all you need”, Vaswani et al. 2017, https://arxiv.org/abs/1706.03762

[5] “Improving Language Understanding by Generative Pre-Training (GPT-1)”, Redford et al. 2018, https://openai.com/research/language-unsupervised

[6] “Continually self-improving AI”, Zitong Yang, PhD Thesis 18.3.2026, Stanford U., https://arxiv.org/abs/2603.18073

Kiitos Antti Mäki mainioista kommenteista!