Laaja-alainen tekoälyosaaminen: miten tekoäly muuttaa työtä ja oppimista?

00:00:09
Piia Keihäs: Tervetuloa mukaan Learning Factoryn podcastiin. Mun nimi on Piia Keihäs ja mun kanssa juttelemassa tänään oon Jukka Lehtoranta, joka on tekoälykouluttaja, tekoälyvalmentaja ja tekoälylukutaidon tutkija.

00:00:25
Tervetuloa Jukka mukaan.

00:00:27
Jukka Lehtoranta: Kiitoksia. Mukava olla täällä.

00:00:29
Piia Keihäs: Tänään me puhutaan tekoälystä niin kuin arvata saattaa sun titteleistä ja erityisesti laaja-alaisesta tekoälyosaamisesta.

00:00:39
Voisitko sä Jukka heti alkuun vähän avata, että mitä tällä laaja-alaisella tekoälyosaamisella oikeastaan tarkoitetaan?

00:00:46
Jukka Lehtoranta: Totta kai. Aika usein tekoälytaidot nähdään välinetaitoina. Miten löydät yksittäisen työvälineen näppäimet? Mä näen sen tekoälyosaamisen paljon laajempana kokonaisuutena, että totta kai siihen

00:00:59
kuuluu ne välinetaidot ja promptaus, mutta sitten siihen kuuluu myös kyky ymmärtää, mitä tekoäly on, miten se toimii ja ennen kaikkea ymmärtää, miten tekoäly muuttaa sitä meidän yhteiskuntaa, meidän toimintakenttää, meidän eri aloja, vaikka me ei itse välttämättä käytettäisi paljon niitä tekoälyvälineitä.

00:01:19
Niin sillä tavalla ajattelen tässä laaja-alaisesta osaamisesta.

00:01:23
Piia Keihäs: Niin eli täytyy ymmärtää paljon enemmän kuin pelkästään se teknologia tai se yksittäinen työkalu tai yksittäisen kielimallin käyttö.

00:01:31
Jukka Lehtoranta: Kyllä juurikin näin. Ja nähdä vaikka miten se vaikuttaa siihen, että miten haetaan tietoa vaikka asiantuntijaorganisaation sivuilla ja miten siihen pitää sitten itse reagoida.

00:01:43
Piia Keihäs: Totta. Siihen liittyy paljon uusia taitoja, jota jota täytyy harjoitella ja opetella, kun tulee tämmöinen valtava murros minkä keskellä me nyt tällä hetkellä eletään, niin mitkä sinun mielestä on niitä olennaisimpia taitoja, mitä tällä hetkellä täytyy osata organisaatioissa ja sitten oikeastaan ihan yksilötasolla.

00:02:01
Jukka Lehtoranta: Tällä hetkellä tuntuu, että se taidoista puhe ja ylipäätään tekoälystä puhe, niin menee aika vahvasti sinne ääripäihin, että me joko ollaan sitä mieltä, että tekoäly tuhoaa kaiken tai ollaan sitä mieltä että tekoäly pelastaa kaiken ja on mahtava väline, ja sitten ne taidot mitä oikeasti tarvitaan, niin jostakin sieltä välistä, että me nähdään, että siinä on paljon huonoja puolia. Me nähdään että siinä on hyviä puolia, että jotenkin päästään siitä välinetasosta, hypepuheentasosta ja tuomiopäivän puheesta eteenpäin ja ruvetaan näkemään se asia kokonaisuutena, eri ulottuvuuksina, eri näkökulmina.

00:02:35
Ja se on taitoa, että me pystytään katsomaan sitä, pystytään katsomaan tulevaisuusorientoituneesti. Miten se tekoäly muuttaa, vaikka sitä omaa toimialaa, mitä minä voin jo nytten tehdä?

00:02:46
Ja se on myös taitoa, että me pystytään edelleen innostumaan asioista ja näkemään se, että hei tää tekoälykehitys nyt mahdollistaa mulle vaikka että mä voin oppia jotakin asioita tai keskustella jostakin tosi vaikeista syvällisistä asioista vaikka tekoälyn kanssa ja en välttämättä pysty muuten niistä asioista kenenkään kanssa keskustelemaan.

00:03:05
Piia Keihäs: Totta, siitä tulee ehkä tämmöisiä tekoälyn, tämmöisiä inhimillisiä puolia, että siitä saa mukavan keskustelukumppanin itselleen myös, mitä mieltä sä siitä olet?

00:03:13
Jukka Lehtoranta: No mä oon itse vähän sitä tekoälyn inhimillistämistä vastaan ja omankin tutkimuksen kautta, että pyrin välttämään tätä ihmisen kaltaistamista. Mutta mä näen niin, että kun se on loputon tietopankki, se loputtomasti pystyy pyörittelemään näkökulmia. Se ei kyllästy, siltä ei lopu aika. Ei sitä tarvitse inhimillistää, jotta me voidaan silti löytää sieltä niitä hyviä näkökulmia ja sitä, että mihin me voidaan sitä hyödyntää meidän oman ajattelun laajentamiseen ja kehittämiseen.

00:03:41
Piia Keihäs: Siitä tulee hyvä apuri meille arkeen moneen asiantuntijatyöhön ja ja tuota moneen muuhunkin rooliin työelämässä. Mutta tuota mitä sinä olet siitä mieltä, että miten me pidetään oikeastaan kaikki ikäryhmät ja kaikki eri rooleissa toimivat ihmiset mukana tässä kehityksessä, että tuntuu, että tällä hetkellä tekoäly-hyötykäyttö keskittyy oikeastaan aika paljon sinne organisaatioiden korkeammalle tasolle ja tietointensiivisiin rooleihin, mutta samaan aikaan se vyöryy arjessa aika paljon erilaisiin palveluihin mukaan, mitä me tavallaan varmistettaisiin sitä, että kaikki pysyisi tässä kehityksessä mukana.

00:04:22
Jukka Lehtoranta: No yksi avain on ehdottomasti se, että me puhutaan siitä ilmiöstä laaja-alaisesti, puhutaan niitä ääripäitä välttäen, pyritään omilla toimilla välttämään sitä, että luotaisiin semmoista tekoälyhäpeää, että en minä nyt osaa tai minä olen pudonnut tästä kelkasta, ja tai että ei luoda semmoista, että no sinulla pitää nyt olla tämä väline tai mahdollisuus laittaa monta sataa euroa lisensseihin, jotta voit olla tässä tekoälykehityksessä mukana, vaan nimenomaan tuodaan se, että hei se vaikuttaa kaikkeen haluttiin me tai ei ja meidän pitää pystyä siitä asiasta puhumaan ilman, että pelätään leimautuvamme jonkinlaiseksi intoilijoiksi tai tuomiopäivän saarnaajiksi ja pyritään sillä tavalla välttämään sitä, että tulisi semmoista häpeän tunnetta ja sitä, että tiputtaisiin kokonaan kelkasta.

00:05:10
Piia Keihäs: Tää murros varmaan vaatii meiltä kaikilta, että just sitä elinikäistä oppimista ja sitä, että ollaan valmiita jatkuvasti oppimaan uusia taitoja ja kokonaisuuksia. Mutta sulla kun on pitkä kokemus opetuspuolelta ja opetuksen parissa ja kouluttajana toimimisesta, niin miten tekoäly sinun mielestä muuttaa oppimista?

00:05:34
Jukka Lehtoranta: Se muuttaa oppimista niin, että se tuo toki paljon mahdollisuuksia siihen, että miten voi itse opiskelua tehdä ja miten saada vaikka jotakin materiaalia itselle mieluisaan ymmärrettävään muotoon. Ja senhän se on jo tehnyt, että se tarjoaa meille mahdollisuuksia materiaalin muunnoksiin. Sitten jos ajatellaan vaikka perusopetuksen tai toisen asteen näkökulmasta, niin en mä näe, että se on kovin realistinen skenaario tai kovin järkevää, että me mentäisiin siihen tilanteeseen, että siellä on tekoälybotit opettamassa oppilaita, vaan todennäköisemmin se tulee muuttamaan sitä kaikkea muuta mitä tapahtuu siellä oppituntien ulkopuolella. Sitä valmistelua, suunnittelua, opettajan oman osaamisen kehittämistä ja se tarjoaa sinne tosi paljon potentiaalia, että kyllä mä haluan uskoa ja toivon kovasti, että tekoäly tekee meidän opettajista parempia ja sitä kautta myös oppimisesta tehokkaampaa. Vaikka se tapahtuisikin sitten niin sanotusti perinteisillä pedagogisilla menetelmillä.

00:06:32
Piia Keihäs: Toi varmaan vaatii aika paljon semmoista kriittisyyttä tässä ajassa myös. Että tavallaan mikä tekoälyn tuottamasta on hyödynnettävää hyvää oikein, niin tuota miten tämmöisiä kriittisen ajattelun taitoja sitten voisi opiskella.

00:06:51
Jukka Lehtoranta: Kriittisen ajatteluun vaikuttaa tosi paljon se, että millaisella asenteella suhtautuu asiaan ja sitten tietyllä tapaa se tosiasia. huomioiminen, hyväksyminen, että niin tekoälypalvelut on kehittynyt jo aika pitkälle. Sellaiset perinteiset vaikka tehtävät tai kriittiset ajattelua kehittävät harjoitukset, että tee tätä tekoälyllä, tee teksti ja etsi virheet siitä, niin ne on tänä päivänä aika vaikeita. Ne on vähän samantasoisia tehtäviä kun laitetaan Hesari ja sanotaan että etsi virhe, niitä virheitä välillä löytyy sieltä, mutta ei se ole niin kuin itseisarvo, että siellä on vaikka asia- tai faktavirheitä, että ennemmin se kriittisen ajattelun kehittäminen on sitä, että koko ajan pystyt tietoisesti tiedostamaan sen tason, että onko tämä tekoälyä? Onko tämä? Voiko tämä olla virheellistä? Onko tämä tehty laadukkaasti laadukkaalla välineillä, ja sitten samalla tavalla analysoida ja etsiä sieltä sitten niitä eri näkökulmia tai eri vaikutteita kuin mistä tahansa muustakin tekstistä. Tavallaan se, että sekoälyn tuottama pitäisi pystyä käsittämään yhtenään mediana, erillisenä vaikka tekstilajina ja sitten vaan soveltaa siihen niitä samoja kriittisen ajattelun taitoja kuin mitä mä sovellan kaikkeen muuhunkin.

00:08:04
Piia Keihäs: Tuossa on pohdittavaa meille kaikille kyllä, että miten suhtautua semmoisella terveellä kriittisyydellä siihen tekoälyn tuottamaan. Se puhuu niin hirveän hyvää kieltä, noi kielimallit ja muut, että se saattaa vaikuttaa tosi semmoiselta niin kun asiantuntevalta ja pätevältä ja jos sen äkkiä lukee niin vois äkkiä vaan ajatella, että tässähän tää on, jos ei sitä sitä tarkemmin lähde pohtimaan. Siinä onkin ehkä haasteena se että miten tavallaan vaaditaan koko ajan enemmän siltä omalta ajattelulta eikä tyydytä siihen ensimmäiseen mitä se tekoäly tuottaa.

00:08:38
Jukka Lehtoranta: Kyllä, ja tällä hetkellä tutkimuksissa puhutaankin paljon siitä, että kuinka paljon koulutustaustaa tai asiantuntijakokemusta sinulla pitää olla, jotta voit tehdä ne kehotteet joilla saat hyvää tulosta ja toisaalta kuinka paljon pitää olla sitä taustaa, jotta pystyt sitten analysoimaan sen tiettyyn alaan liittyen eli osaamisella on merkitystä, mutta se ehkä enemmän kohdistuu tämmöiseen laadunvalvontaan ja siihen, että miten minä muotoilen jonkun asian.

00:09:05
Piia Keihäs: Joo toi promptaaminen on tosi tosi mielenkiintoinen aihe. Mä luulen, että niillä, jotka kuuntelee tällä hetkellä niin kaikilla on kokemusta siitä, että se ensimmäinen prompti ei usein menekään ihan niinku putkeen ja et saakaan sieltä ulos sitä tulosta mitä haluaisit. Olisiko sinulla jotain ihan käytännön vinkkiä siihen, että miten tämmöisen hyvän promptin rakentaa ja taas saa niitä parempia tuloksia sieltä kielimalleista ulos.

00:09:28
Jukka Lehtoranta: Aika usein ne asiat mitkä toimii meillä keskustelussa ja vaikka toisten henkilöiden ohjaamisessa tai opastamisessa toimii myös sen promptin kanssa. Eli ajattele tarkemmin tai jäikö minulta jokin näkökulma huomioimatta ja sitten huomioida myös se semmoinen iteratiivisuus, että sä joudut kehittämään sitä, joudut pyytämään tarkennuksia, hakemaan näkökulmaa ja käymään tavallaan monivaiheisen prosessin, jotta siitä tuotoksesta tulee hyvä, että tällä hetkellä pidetään sellaisia vertauksia, että kuinka pitkän työtehtävän voit tehdä yhdellä kehotteella, niin monessa on sanottu tutkimuksessa, että esimerkiksi semmoinen 4– 6 tunnin työtehtävä, niin saat yhdellä kehotteella suhteellisen helposti, kun asiantuntija tekee sen kehotteen. Mutta sitten kun käydään muutama porras sitä kehotteen kehittämistä niin päädytään siihen, että se tekee 20 tunnin edestä työtä eli aika iso hyppäys siitä, yhdellä kehotteella 4 tuntia, mutta sitten muutamalla kehityskierroksella 20 tuntia työtä.

00:10:30
Piia Keihäs: Ja se vaatii ihan uudenlaista ajattelun palastelua, kaikille meille jotka tekoälyä hyödynnetään, että tavallaan osataan palastella se oma ajatus sille, että meillä on se maailman kaiken tiedon omaava tietyllä tapaa tyhmä assistentti käytössä, että se tekee kuuliaisesti kaiken mitä me käsketään, mutta ei tavallaan itse ajattele yhtään siihen päälle lisää.

00:10:55
Jukka Lehtoranta: Toikin on ehkä vähän vaarallinen näkökulma, että kyllä nää tänä päivänä mallit hyvin kriittisesti osaa itse testata sen mitä ne on tuottanut ja tarkistaa ja analysoida, että kyllä siellä aika usein parhaimmilla malleilla tapahtuu jo semmoinen pitkä tietyllä tapaa tarkistusprosessi ennen kuin se vastaus tulee sitten sinne käyttäjälle nähtäväksi. Eihän se varsinaisesti ajattele, mutta se ainakin tekee hyvin huolellista työtä.

00:11:18
Piia Keihäs: Hei tota vielä kysyisin, että kun että murros on ja tää vaatii meiltä uudenlaista ajattelua ja kuitenkin se lupaus on siitä tehokkuudesta ja siitä että tällä pystytään paljon tehostamaan asioita ja luomaan ihan uudenlaisia asioita niin mitä toimenpiteitä organisaatioissa kannattaisi tällä hetkellä tehdä, että mahdollisimman hyvin valmistautuu hyödyntämään tätä murrosta, mikä on?

00:11:45
Jukka Lehtoranta: Elikkä tässä kohtaa huomattu jo sitä, että se semmoinen työ tehostuu, niin pitää osittain paikkansa, mutta aika usein se on myös sitä, että samassa ajassa sä saat enemmän aikaan, että se ei välttämättä tehostunutkaan, mutta se työn vaikka määrä tai tuloksien määrä niin kasvaa siinä sitten. Ja mitä pitää organisaatiossa ajatella, niin nimenomaan semmoista pitkäjänteisyyttä, että ei katsota sitä, että OK, onko meillä nyt tämän lisenssin ostamisen jälkeen kahden kuukauden päässä jonkinlainen rahallisesti mitattava tulos, vaan ennemminkin sitä, että mitkä meidän toimenpiteet on tällä hetkellä, mitä meidän osaamisen kehittäminen tällä hetkellä tuottaa tulosta vuoden taikka kahden vuoden päästä, että pitäisi vähän pitkäjänteisemmin ajatella ja käydä niitä kaikkia, vaikka toimintatapoja läpi. Että onko tämä meidän nykyinen toimintatapa semmoinen, että siitä voidaan tulevaisuudessa hyötyä tekoälykehityksen myötä? Vai onko se semmoinen toimintapa, että sieltä löytyy ehkä ongelmia, jotakin mitä pitäisi päivittää eli tämmöistä teknistä ajattelua niihin olemassa oleviin työtapoihin ja kaikkeen mitä tällä hetkellä vaikka tuotetaan.

00:12:49
Piia Keihäs: Joo tuosta mä oon jostain lukenutkin, että tavallaan tekoälyssä on tällä hetkellä semmoinen pitkä J-käyrä, että tavallaan siihen oppimiseen menee tällä hetkellä vielä sen verran aikaa, että tavallaan ne konkreettiset hyödyt tulee vähän pidemmän ajan päästä. Ja nyt vaaditaan semmoista pitkäjänteistä näkemystä siihen kehittämiseen.

00:13:06
Jukka Lehtoranta: Kyllä samaa mieltä.

00:13:08
Piia Keihäs: Paljon tekoälyyn liittyen myös puhutaan niistä uhkista ja aina kaikennäköisiä uhkakuvia niin olisiko sinulla jotain vielä tähän loppuun, sellaista vinkkiä, että millä luodaan sitä innostusta ja tavallaan rohkeutta lähteä sitten kuitenkin tutkimaan ja hyödyntämään tekoälyä eikä jäädä sinne pelkkien uhkakuvien tasolle.

00:13:34
Jukka Lehtoranta: Aika useinhan kyse on siitä omista ajattelumalleista ja toimintamalleista, että pystytkö tällä hetkellä ihan missä tahansa asiassa työskentelemään niin, että osaat arvioida sitä mitä minun pitää muuttaa ja haluat kehittyä ja haluat mennä eteenpäin siinä omassa tekemisessä, niin se on se ajattelumalli mikä toimii tämän tekoälynkin kanssa. Mutta sitten jos jotenkin tietyllä tapaa olet rakastunut johonkin menneisyyden työnkuvaan tai olemassa olevaan ja tulee semmoinen tunne, että tää nyt uhkaa minua tai pelottaa, niin se on sitten semmoinen asenne mitä kannattaa miettiä, että voisiko siitä jollakin tavalla päästä eroon tai kehittyä ainakin askel askeleelta kohti vähän semmoista avoimempaa suhtautumista. Usein käytän tällaista vertauskuvaa, että kuvittele, että organisaatioosi tulee töihin sun alan ehdoton supertähti, joka on voittanut kaikki mahdolliset palkinnot ja on aivan supertyyppi. Niin mikä on sun ensimmäinen ajatus? Onko se että vitsi nyt mä oon kohta työtön kun tuli tämmöinen superkaveri vai onko se se, että hei nyt mä voin oppia, nyt mulla on siis aivan mahtava mahdollisuus kehittyä ja tietyllä tapaa tässä tilanteessahan me kaikki ollaan tällä hetkellä.

00:14:40
Piia Keihäs: Hei miten ihana vertaus toi oli. Eihän kukaan tosiaan jos sinne tulee joku superstara niin rupeaa miettimään, että apua toi vie mun duunit vaan niinku haluaa oppia mahdollisimman paljon, niin ehkä siinä on se avain miten meidän kaikkien kannattaa harjoitella suhtautumista tekoälyyn ja toinen, mikä oli minun mielestä ihana tuo minkä sanoit, että askel askeleelta eteenpäin, että aloitetaan pienistä, kokeillaan, testaillaan. Katsotaan mitä se opettaa meille ja lähdetään siitä. Että semmoinen vanha viisaus, että miten se elefantti syödään, niin se on palaa kerrallaan. Hei kiitos Jukka että tulit juttelemaan tänne laaja-alaisista tekoälytaidoista ja kaikesta muustakin tekoälyyn liittyen, oli mukava saada sinut meidän vieraaksi.

00:15:21
Jukka Lehtoranta: Kiitoksia.