Tekoälyä oppii ymmärtämään sitä käyttämällä

Arjessa käytämme lukuisia erilaisia tekoälyyn perustuvia sovelluksia. Teknologioiden jokapäiväisen käytön myötä meille kehittyy erilaisia arkiteorioita ja intuitiivisia käsityksiä siitä, miten tekoäly toimii. Nuo käsitykset syntyvät arkisissa käyttökokemuksissa, keskusteluissa toisten ihmisten kanssa ja populaarikulttuurin välittäminä.¹⁵ Arkikäsitykset ovatkin usein käytännönläheisiä ja toimivat riittävän hyvin välittömissä käytännön tilanteissa – voimme esimerkiksi oppia soveltamaan sosiaalisen median alustoja omiin tarkoituksiin ilman systemaattista opetusta tai oppikirjoja.

Arkikäsitykset perustuvat kuitenkin pääasiassa välittömiin havaintoihin ja niistä tekemiimme tulkintoihin, joita muodostamme, kun käytämme tekoälyyn perustuvia sovelluksia. Käyttöliittymän taustalla olevat tekoälyn mekanismit ja niihin liittyvät tieteelliset käsitteet ja periaatteet jäävät meiltä piiloon, koska niitä ei voi suoraan havainnoida arjen käyttötilanteissa. Arjen havaintojen ja kokemusten pohjalta syntyneet käsitykset ovat siten usein puutteellisia ja sisältävät väärinkäsityksiä. Arkikäsitykset ohjaavat toimintaamme, mutta voivat myös johtaa virheellisiin päätelmiin tai oman etumme vastaisiin valintoihin tai päätöksiin. Voimme esimerkiksi olettaa tekoälyn aina tekevän neutraaleja ja luotettavia päätöksiä, mikäli emme ole tietoisia datapohjaisten järjestelmien toiminnasta tai vaikkapa dataan sisältyvistä vääristymistä. Ilman ymmärrystä pinnan alla olevista mekanismeista meidän on myös vaikea kriittisesti arvioida tekoälyyn perustuvien teknologioiden taustoja, käyttötarkoituksia ja vaikutuksia.¹⁶

Tekoälyn toimintaperiaatteiden ja vaikutusten ymmärtäminen edellyttää käsitteellistä tietoa, jota ei voida oppia pelkästään arkisten käyttökokemusten kautta. Tieteelliset käsitykset ja käsitteet tekoälyn mekanismeista ovat luonteeltaan hyvin erilaisia kuin arjen tilanteisiin sidotut intuitiiviset käsitykset; ne ovat systeemisiä, abstrakteja, eikä niitä useinkaan voi suoraan havainnoida. Ne voivat myös olla ristiriidassa arjessa muodostettujen oletusten ja uskomusten kanssa, mikä asettaa haasteita niiden oppimiselle. Oppijaa on tällöin tuettava tulemaan tietoiseksi omista ennakkokäsityksistään sekä ymmärtämään, miten ne eroavat tieteellisistä näkemyksistä. Käsitteellinen muutos ja tieteellisten käsitteiden oppiminen on vaativaa, sillä se voi edellyttää aiempien uskomusten hylkäämistä sekä olemassa olevien käsitejärjestelmien uudelleenrakentamista. Tekoälyyn liittyvien käsitteiden, mekanismien ja vaikutusten ymmärtämistä onkin tärkeää tukea tarjoamalla oppimista vahvistavia välineitä ja materiaaleja sekä tilanteeseen räätälöityä ohjausta.

Tekoälyn käsitteiden ja toimintaperiaatteiden oppiminen vaatii siis tietoista ponnistelua sekä usein myös systemaattista opetusta. Tekoälyn mekanismien ja vaikutusten ymmärtämistä voidaan kuitenkin pitää tärkeänä kansalaistaitona nyky-yhteiskunnassa. Käsitteellinen ymmärrys tekoälyn toimintaperiaatteista antaa yleisempiä ajattelun työvälineitä, jotka eivät ole sidoksissa tiettyyn teknologiaan tai yksittäiseen käyttötilanteeseen. Se myös auttaa meitä tarkastelemaan tekoälyä, sen vaikutuksia ja sen käyttöön liittyviä eettisiä kysymyksiä yleisesti hyväksyttyjen tieteellisten käsitysten avulla ja siten tekemään tietoisempia päätöksiä.

perusteella

Kamrul Faisal, Tommi Gröhn, Antti Honkela, Essi Iisakka, Katri-Maria Järvinen, Pekka Marttinen, Marianne Mäkelin, Marjut Salokannel, Karoliina Snell & Heta Tarkkala