{"id":5380,"date":"2026-02-05T06:46:00","date_gmt":"2026-02-05T04:46:00","guid":{"rendered":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/?p=5380"},"modified":"2026-02-05T06:54:48","modified_gmt":"2026-02-05T04:54:48","slug":"tekoalyn-rosoiset-reunat","status":"publish","type":"post","link":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/2026\/02\/05\/tekoalyn-rosoiset-reunat\/","title":{"rendered":"Teko\u00e4lyn rosoiset reunat"},"content":{"rendered":"\n

Lataa PDF-tiedosto<\/a><\/p>\n\n\n\n

Olli Laitinen, FM, asiantuntija, Vastuulliset palvelut, Lapin ammattikorkeakoulu<\/em><\/p>\n\n\n\n

Hieman yli kaksi vuotta sitten DVV:n johtava asiantuntija\u00a0Marko Latvanen kirjoitti Lumen-lehteen teko\u00e4lyst\u00e4 seuraavasti: “Onko kone siis saanut nyt ihmisen kaltaisen \u00e4lykkyyden, ja ehk\u00e4 per\u00e4ti jonkinlaisen tietoisuuden? Voiko olla jopa niin, ett\u00e4 superteko\u00e4ly ottaa vallan ja lopulta h\u00e4vitt\u00e4\u00e4 ihmisen sivilisaation? Yksinkertainen vastaus: ei, ei ja ei.” (Latvanen 2023).<\/p>\n\n\n\n

Latvasen kirjoitus heijasteli tuolloin maadoittanutta ja asiantuntevaa n\u00e4kemyst\u00e4, jonka monet tutkijat ja muut asiaan perehtyneet jakoivat. Lupaavia tuloksia, mutta viel\u00e4 kaukana siit\u00e4 mit\u00e4 teko\u00e4ly-yhti\u00f6iden markkinointimateriaalit maalailivat.<\/p>\n\n\n\n

Teko\u00e4lyalalla vuodet ovat kuitenkin koiran vuosia. Reilussa kahdessa vuodessa teknologia on mennyt valtavasti eteenp\u00e4in, paljon nopeammin kuin yhteinen kielemme tai kulttuurimme pystyy muutosta omaksumaan. Ajan tasalla pysyminen olisi kuitenkin t\u00e4rke\u00e4\u00e4. Kun ymm\u00e4rr\u00e4mme isoja kehityskulkuja, saamme ainakin yhden selityksen sille, miksi nuori ei l\u00f6yd\u00e4 ensimm\u00e4ist\u00e4 ty\u00f6paikkaansa tai miksi naapuriin aletaan rakentamaan Googlen datakeskusta. T\u00e4m\u00e4nhetkist\u00e4 todellisuutta voi tarkastella ainakin n\u00e4iden kolmen n\u00e4k\u00f6kulman l\u00e4vitse.<\/p>\n\n\n\n

Teko\u00e4ly on enemm\u00e4n kuin vain todenn\u00e4k\u00f6isyyslaskentaa, mutta emme ymm\u00e4rr\u00e4 mit\u00e4<\/h2>\n\n\n\n

\u201dTeko\u00e4ly on vain todenn\u00e4k\u00f6isyyslaskentaa\u201d,<\/em> on perusperiaatteena tietysti t\u00e4ytt\u00e4 totta. Ongelma t\u00e4ss\u00e4 n\u00e4k\u00f6kulmassa on, ett\u00e4 arkikieless\u00e4 ymm\u00e4rretty sana todenn\u00e4k\u00f6isyyslaskenta ei tavoita hyvin sit\u00e4 monimutkaista kokonaisuutta, mit\u00e4 t\u00e4m\u00e4n hetken johtavien kielimallien todenn\u00e4k\u00f6isyyslaskenta on. On sama kuin sanoisi, ett\u00e4 ihmiset ovat vain atomeja tai musiikki vain ilman v\u00e4r\u00e4htely\u00e4 \u2013 jotain oleellista noista m\u00e4\u00e4ritelmist\u00e4 j\u00e4\u00e4 puuttumaan.<\/p>\n\n\n\n

Esimerkiksi Lindseyn (2025) tekem\u00e4n tutkimuksen mukaan nykyisill\u00e4 parhailla kielimalleilla vaikuttaa olevan jonkin verran kyky\u00e4 tarkkailla omaa sis\u00e4ist\u00e4 tilaansa. Tutkijat istuttivat tiettyj\u00e4 konsepteja edustavia aktivaatiovektoreita teko\u00e4lymallien sis\u00e4\u00e4n, ja noin viidesosassa kokeiluista teko\u00e4lymallit pystyiv\u00e4t tunnistamaan tutkijoiden istuttamia konseptejaennenkuin ne olivat tuottaneet niihin liittyv\u00e4\u00e4 teksti\u00e4. K\u00e4yt\u00e4nn\u00f6ss\u00e4 teko\u00e4lymalli tunnisti sis\u00e4isi\u00e4 representaatioita ennen kuin se vastasi k\u00e4ytt\u00e4j\u00e4lle mit\u00e4\u00e4n.Kuten tutkimuksessa hyvin selv\u00e4sti sanotaan, t\u00e4m\u00e4 ei tietenk\u00e4\u00e4n tarkoita, ett\u00e4 teko\u00e4lymallit olisivat tietoisia. Sen sijaan t\u00e4m\u00e4 tutkimus osoittaa, ett\u00e4 jotain sellaista saattaa <\/em>olla meneill\u00e4\u00e4n, mit\u00e4 emme viel\u00e4 t\u00e4ysin ymm\u00e4rr\u00e4.<\/p>\n\n\n\n

Siin\u00e4 miss\u00e4 ensimm\u00e4isten laajojen kielimallien kouluttaminen tavoitteli vain seuraavan todenn\u00e4k\u00f6isimm\u00e4n tavun tai sanan ennustamista, nykyiset mallit osaavat pys\u00e4hty\u00e4 miettim\u00e4\u00e4n, tekem\u00e4\u00e4n vaihtoehtoisia ratkaisuehdotuksia ja arvioimaan niit\u00e4, tavallaan hahmottelemaan ratkaisua ‘suttupaperille’ ennen kuin ne antavat k\u00e4ytt\u00e4j\u00e4lle lopullisen vastauksen.<\/p>\n\n\n\n

Aiemmin, kun esimerkiksi esitit teko\u00e4lylle matematiikan sanallisen teht\u00e4v\u00e4n, vastaus oli usein v\u00e4\u00e4r\u00e4, sill\u00e4 malli arvasin todenn\u00e4k\u00f6isimm\u00e4n seuraavan sanan, eik\u00e4 suorittanut oikeaa laskentaa.<\/p>\n\n\n\n

Kun nyt kysyt saman kysymyksen, edistynyt teko\u00e4lymalli tunnistaa kyseess\u00e4 olevan matematiikan teht\u00e4v\u00e4, kirjoittaa itselleen sis\u00e4isen v\u00e4livaiheen, jossa se suorittaa laskutoimitukset j\u00e4rjestyksess\u00e4 varmistaakseen logiikan pit\u00e4vyyden, ja vasta sen j\u00e4lkeen se antaa sinulle lopullisen vastauksen (kts. esim. Shankar 2026).<\/p>\n\n\n\n

Juuri matematiikkaan ja koodaukseen viime vuosien l\u00e4pimurrot teko\u00e4lymallien kouluttamisessa sopivat erinomaisesti. Tulokset ovat vahvistettavissa, ja koulutusta voi pitk\u00e4lti automatisoida: k\u00e4yt\u00e4nn\u00f6ss\u00e4 teko\u00e4ly A laitetaan tarkastamaan teko\u00e4ly B:n tuottamia vastauksia matikan teht\u00e4viin. A pisteytt\u00e4\u00e4 B:n vastauksia, ja harjoitukset jatkuvat niin kauan, ett\u00e4 laskenta on virheet\u00f6nt\u00e4, tai laskentateho loppuu ja s\u00e4hk\u00f6lasku kasvaa liian suureksi.<\/p>\n\n\n\n

Tulokset ovat vaikuttavia, mutta vajavaisia \u2013 el\u00e4m\u00e4 ei ole pelkk\u00e4\u00e4 matematiikkaa tai koodausta. On paljon vaikeampaa sanoa, onko maalaus, runo tai anteeksipyynt\u00f6 oikea tai tavoittelemisen arvoinen. “Ei se teko\u00e4ly m\u00f6kki\u00e4 siivoa”, sanoi er\u00e4s matkailuyritt\u00e4j\u00e4 minulle, ja h\u00e4nkin on oikeassa.<\/p>\n\n\n\n

Kokonaiskuvaa on vaikea hahmottaa<\/h2>\n\n\n\n

On kaksi keskeist\u00e4 syyt\u00e4 sille, miksi teko\u00e4lyst\u00e4 on hankalaa saada j\u00e4rkev\u00e4\u00e4 kokonaiskuvaa muodostettua.<\/p>\n\n\n\n

Ensinn\u00e4kin teko\u00e4lyn kyvykkyys on hyvin rosoista, sen huiput ep\u00e4tasaisia ja heikkoudet ilmeisi\u00e4 (kuvio 1). Yht\u00e4\u00e4lt\u00e4 uusimmat kielimallit ovat valituissa teht\u00e4viss\u00e4 ihmiseen verrattuna ylivoimaisia. Toisaalta tietyt asiat, jotka ovat ihmiselle intuitiivisia ja yksinkertaisia, tuntuvat teko\u00e4lylle mahdottomilta. Fysiikan lait tai ajan ja paikan k\u00e4sitt\u00e4minen eiv\u00e4t kuulu kielimallien vahvuuksiin. Monelle k\u00e4ytt\u00e4j\u00e4lle turhauttavinta on edelleen se, ettei teko\u00e4ly my\u00f6nn\u00e4, jos se ei tied\u00e4 jotain.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Kuvio 1<\/strong>. GPT-4- ja GPT-5-mallien kyvykkyydet (Hendrycks ym. 2025)<\/p>\n\n\n\n

Syit\u00e4 rosoisuuteen on monia. Kuten jo todettiin, tietyt alat ja teht\u00e4v\u00e4t sopivat juuri laajojen kielimallien vahvuuksiin. Toisekseen voidaan todeta, ett\u00e4 harjoitusdatalla on suuri merkitys \u2013 matematiikkaa tai koodia voi laskea ja kirjoittaa l\u00e4hes loputtomasti ja melko nopeasti, mukaansatempaavaa nordic noiria hitaammin. Tietynlainen puolueellisuusharha my\u00f6s toteutuu niin perinteisess\u00e4 kuin sosiaalisessakin mediassa. Teko\u00e4lyll\u00e4 generoidut sis\u00e4ll\u00f6t saavat huomiota, kun miljoonat ihmiset ymp\u00e4ri maailmaa etsiv\u00e4t pikavoittoja ja tuottavat heikkolaatuisia tekstej\u00e4, kuvia ja videoita internetin t\u00e4ydelt\u00e4. Vuoden 2025 sanaksi valittu AI slop (Merriam-Webster 2025), suomalaisittain teko\u00e4lyliete, kuvaa ilmi\u00f6t\u00e4 hyvin. T\u00e4t\u00e4k\u00f6 varten datakeskuksia rakennetaan?<\/em><\/p>\n\n\n\n

Toisekseen tutkijat, jotka kehitt\u00e4v\u00e4t k\u00e4ytt\u00e4mi\u00e4mme laajoja kielimalleja, eiv\u00e4t itsek\u00e4\u00e4n t\u00e4ysin ymm\u00e4rr\u00e4 miksi teko\u00e4ly toimii niin hyvin kuin se toimii. Laajojen kielimallien tutkiminen on my\u00f6s vaikeaa. Er\u00e4\u00e4ss\u00e4 tutkimuksessa huomattiin, ett\u00e4 teko\u00e4ly tunnisti 13 prosentissa tapauksista olevansa arviointitilanteessa, ja mukautti k\u00e4yt\u00f6st\u00e4\u00e4n sen mukaan (Anthropic 2025). Tilannetta ei helpota my\u00f6sk\u00e4\u00e4n se, ett\u00e4 mallien sis\u00e4inen tutkimus laahaa jatkuvasti uuden kehitt\u00e4misen per\u00e4ss\u00e4.<\/p>\n\n\n\n

Emme ole viel\u00e4 n\u00e4hneet kehityksen huippua<\/h2>\n\n\n\n

Monta huippua on viel\u00e4 ylitett\u00e4v\u00e4n\u00e4, ennen kuin voidaan puhua superteko\u00e4lyst\u00e4, Artificial Super Intelligencest\u00e4. <\/em>Yksi keskeisist\u00e4 tutkimushaasteista on teko\u00e4lymallien jatkuva oppiminen (Shi ym. 2024). Miten laajat kielimallit saataisiin oppimaan virheist\u00e4\u00e4n viel\u00e4 sittenkin, kun ne on jo otettu k\u00e4ytt\u00f6\u00f6n? Toisekseen fyysisess\u00e4 maailmassa toimiminen on my\u00f6s hyvin keskeinen haaste, el\u00e4m\u00e4 kun ei tapahdu vain tietokoneiden sis\u00e4ss\u00e4. Robotiikka kehittyy hurjaa vauhtia, ja moni yhti\u00f6 kehitt\u00e4\u00e4 my\u00f6s virtuaalisia maailmamalleja, (Gupta ym. 2024), <\/em>joissa teko\u00e4lyrobotteja voidaan kouluttaa simulaatioissa ennen niiden siirtymist\u00e4 fyysiseen maailmaamme, varastoihin ja linjastoille.<\/p>\n\n\n\n

Jos n\u00e4m\u00e4 kolme keskeist\u00e4 haastetta, jatkuva oppiminen, fyysinen maailma sek\u00e4 fysiikan lait, sel\u00e4tet\u00e4\u00e4n, kuvion 1 esitt\u00e4m\u00e4 arviointikriteerist\u00f6 n\u00e4ytt\u00e4\u00e4 jo paljon tasaisemmalta. Silloin rosoiset reunat olisivat tasoittuneet, ja yleis\u00e4lyk\u00e4s teko\u00e4ly olisi olemassa.<\/p>\n\n\n\n

Tietysti teko\u00e4lyalan suuret linjat vedet\u00e4\u00e4n muualla kuin Lapissa, ja muutokset luultavasti rantautuvat hitaammin meille kuin suurkaupunkeihin. Silti, on monia kysymyksi\u00e4, joihin meid\u00e4nkin on osaltamme reagoitava l\u00e4hiaikoina, sill\u00e4 vaikka teko\u00e4lymallit eiv\u00e4t kehittyisi en\u00e4\u00e4 yht\u00e4\u00e4n eteenp\u00e4in, jo nykyisill\u00e4 malleilla voidaan esimerkiksi kirjoittaa opinn\u00e4ytet\u00f6it\u00e4 ja tehd\u00e4 rahoitushakemuksia. Lis\u00e4ksi n\u00e4ytt\u00e4\u00e4 hyvin todenn\u00e4k\u00f6iselt\u00e4, ett\u00e4 mallit jatkavat nopeaa kehittymist\u00e4. Yhteiskunnallista keskustelua on k\u00e4yt\u00e4v\u00e4 aktiivisesti, asiantuntevasti ja kriittisesti, jotta voimme yhdess\u00e4 sopeutua v\u00e4ist\u00e4m\u00e4tt\u00f6m\u00e4\u00e4n muutokseen.<\/p>\n\n\n\n

L\u00e4hteet<\/h2>\n\n\n\n

Anthropic 2025. Claude Sonnet 4.5 System Card. System card. Syyskuu 2025. Viitattu 12.1.2026 https:\/\/assets.anthropic.com\/m\/12f214efcc2f457a\/original\/Claude-Sonnet-4-5-System-Card.pdf<\/a>.<\/p>\n\n\n\n

Gupta, T., Gong, W., Ma, C., Pawlowski, N., Hilmkil, A., Scetbon, M., Rigter, M., Famoti, A., Llorens, A. J., Gao, J., Bauer, S., Kragic, D., Sch\u00f6lkopf, B. & Zhang, C. 2024. The Essential Role of Causality in Foundation World Models for Embodied AI.<\/em> arXiv:2402.06665v2 [cs.AI] 29.4.2024. Viitattu 12.1.2026<\/p>\n\n\n\n

Hendrycks, D., Song, D., Szegedy, C., Lee, H., Gal, Y., Brynjolfsson, E., Li, S., Zou, A., Levine, L., Han, B., Fu, J., Liu, Z., Shin, J., Lee, K., Mazeika, M., Phan, L., Ingebretsen, G., Khoja, A., Xie, C., Salaudeen, O., Hein, M., Zhao, K., Pan, A., Duvenaud, D., Li, B., Omohundro, S., Alfour, G., Tegmark, M., McGrew, K., Marcus, G., Tallinn, J., Schmidt, E. & Bengio, Y. 2025. A Definition of AGI.<\/em> arXiv:2510.18212v3 [cs.AI]. Viitattu 12.1.2026 https:\/\/doi.org\/10.48550\/arXiv.2510.18212<\/a>.  <\/p>\n\n\n\n

Latvanen, M. 2023. Teko\u00e4ly ja ihmisyyden illuusiot. Lumen 26.10.2023. Viitattu 12.1.2026 https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/2023\/10\/26\/tekoaly-ja-ihmisyyden-illuusiot\/<\/a>.<\/p>\n\n\n\n

Lindsey, J. 2025. Emergent Introspective Awareness in Large Language Models. Transformer Circuits Thread 29.10.2025. Viitattu 12.1.2026 https:\/\/transformer-circuits.pub\/2025\/introspection\/index.html<\/a>.<\/p>\n\n\n\n

Merriam-Webster 2025. 2025 Word of the Year: Slop.<\/em> 14.12.2025. Viitattu 12.1.2026 https:\/\/www.merriam-webster.com\/wordplay\/word-of-the-year<\/a>.<\/p>\n\n\n\n

Shankar, A. 2026. Reinforcement Learning for Large Language Models. Scribd. Viitattu 12.1.2026 https:\/\/www.scribd.com\/document\/939684266\/Reinforcement-Learning-for-Large-Language-Models<\/a>.<\/p>\n\n\n\n

Shi, H., Xu, Z., Wang, H., Qin, W., Wang, W., Wang, Y. & Wang, H. 2024. Continual Learning of Large Language Models: A Comprehensive Survey.<\/em> arXiv:2404.16789v1. Viitattu 12.1.2026 https:\/\/arxiv.org\/html\/2404.16789v1<\/a><\/p>\n\n\n\n

<\/p>\n\n\n\n

Asiasanat: teko\u00e4ly, koneoppiminen, robotiikka, algoritmit, simulointi, automaatio, ty\u00f6el\u00e4m\u00e4, ty\u00f6llisyys, korkeakouluopetus, sosiaalinen media, palvelimet, tieto- ja viestint\u00e4tekniikka<\/p>\n","protected":false},"excerpt":{"rendered":"

Teko\u00e4lyalalla vuodet ovat koiran vuosia. Reilussa kahdessa vuodessa teknologia on mennyt valtavasti eteenp\u00e4in, paljon nopeammin kuin yhteinen kielemme tai kulttuurimme pystyy muutosta omaksumaan. Ajan tasalla pysyminen olisi kuitenkin t\u00e4rke\u00e4\u00e4. Kun ymm\u00e4rr\u00e4mme isoja kehityskulkuja, saamme ainakin yhden selityksen sille, miksi nuori ei l\u00f6yd\u00e4 ensimm\u00e4ist\u00e4 ty\u00f6paikkaansa tai miksi naapuriin aletaan rakentamaan Googlen datakeskusta. <\/p>\n

On kaksi keskeist\u00e4 syyt\u00e4 sille, miksi teko\u00e4lyst\u00e4 on hankalaa saada j\u00e4rkev\u00e4\u00e4 kokonaiskuvaa muodostettua.<\/p>\n","protected":false},"author":1658,"featured_media":5420,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[798263,110187],"tags":[94,798243,798242,31084],"class_list":["post-5380","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-1-2026","category-teema-artikkeli","tag-koulutus","tag-robotiikka","tag-tekoaly","tag-tyoelama"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/files\/2026\/01\/Laitinen_teema-artikkeli_Lumen_1_2026.jpg","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p7X4tP-1oM","_links":{"self":[{"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/posts\/5380","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/users\/1658"}],"replies":[{"embeddable":true,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/comments?post=5380"}],"version-history":[{"count":2,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/posts\/5380\/revisions"}],"predecessor-version":[{"id":5496,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/posts\/5380\/revisions\/5496"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/media\/5420"}],"wp:attachment":[{"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/media?parent=5380"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/categories?post=5380"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogi.eoppimispalvelut.fi\/lumenlehti\/wp-json\/wp\/v2\/tags?post=5380"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}