Generatiivista tekoälyä on ”opetettu” tuottamaan tekstiä matemaattisten mallien avulla tilastollisesti todennäköisimmän tekstin käyttäjän tekemien kehotteiden eli promptien perusteella (Kauhanen, Pajarinen & Rouvinen 2023). Tekoälyn kehitystahti on johtanut yksilötason nopeisiin kokeiluihin eli käyttäjät voivat kokeilla, miten he voivat ja heidän kannattaa käyttää generatiivista tekoälyä, eikä organisaatioiden vakiintuneita toimintamalleja ole ehtinyt syntymään.

Yksilöt etenevät eritahtisesti tekoälysovellusten kokeiluissa ja tekoälytaidot kehittyvät erilaisista lähtökohdista käsin, kullekin ominaisella tahdilla. Toisille niiden käyttö korkeakouluissa on jo arkipäiväistä, kun toiset vasta harkitsevat kokeiluja ja aloittelevat pohdintoja kehityksen suunnista.

Tekoälyn uusien sovellusten käyttöönottoon opiskeluissa, opetuksessa ja työelämässä voivat vaikuttaa esimerkiksi ajankäyttöön liittyvät resurssit ja toisaalta myös teknologiataipuvaisuus (Affinity for Technology Interaction). Jälkimmäisellä tarkoitetaan sitä, missä määrin yksilö pyrkii aktiivisesti olemaan vuorovaikutuksessa teknologian kanssa tai välttelemään teknologiaa. Teknologiataipuvaisuus on henkilökohtainen resurssi, joka auttaa toimimaan teknologian kanssa (Franke, Attig & Wessel 2019).

Tärkeintä kuitenkin on, että jokainen pääsee alkuun.

Tekoälyn käytön opettelua lyhyillä kokeiluilla

Oivallinen tapa lähteä kokeilemaan tekoälysovelluksia korkeakouluympäristössä ovat erilaiset oppimistehtävät. Konkreettisten harjoitusten lisäksi on keskeistä käydä omissa ryhmissä yhteisöllistä keskustelua tekoälyn ja erityisesti generatiivisen tekoälyn eettisestä ja kriittisestä käytöstä. Tämä tarkoittaa sitä, että tekoälyn hyödyntämisen tulee olla läpinäkyvää ja luottamusta herättävää, sen tulee tukea kestävää oppimista ja oma toiminta on siinä keskiössä (vrt. Jobin ym. 2019).

Tekoälyn käytössä omalle oivallukselle ja ajattelulle tulee antaa runsaasti tilaa. Tämä on tärkeää, koska tekoäly saattaa tuottaa vastauksia, jotka tuntuvat luovilta ja varmoilta. Ne saattavat kuitenkin olla vääriä, ja keskiarvoihin perustuvat vastaukset voivat johtaa harhaan (vrt. Kauhanen ym. 2023) Opiskelijat ovat innokkaita ja taitavia kokeilemaan uusia sovelluksia, ja ohjaavalla otteella he voivat helposti omaksua tekoälyn kestävän käytön.

Tekoälykokeiluissa opiskelijoiden kanssa pääsee alkuun rakentamalla lyhyitä oppimistehtäviä, joita olemme Haaga-Heliassa kehittäneet. Tässä on yksi tehtäväkokonaisuus kielimallin testailuun (esim. ChatGPT, MS Copilot Google Bard) vaiheineen malliksi:

1. Valitaan opiskeltaviin sisältöihin soveltuva aihepiiri.
2. Harjoitellaan promptien eli kehotteiden kirjoittamista kielimallia hyödyntäen ja jaetaan kokeilujen tuloksia. Promptien keksiminen ja kirjoittaminen on hyvin intuitiivista ja innostavaa. Lyhyiden kokeilujen ja niiden jakamisen kautta kehotteiden periaatteet opitaan helposti, ymmärrys syvenee ja oppijan tekoälyn fasilitointitaidot kehittyvät.
3. Tehdään käsitteiden hakutehtävä. Haetaan valittuun aihepiiriin liittyviä peruskäsitteitä kielimallin avulla ja ohjataan oppijat kirjoittamaan niistä lyhyt kooste (100–200 sanaa).
4. Kriittistä ajattelua kehittävä vertailutehtävä. Ohjataan oppijat vertailemaan ja analysoimaan korkeakoulutasoista kirjallisuutta ja kielimallista saatuja samaan aiheeseen liittyviä vastauksia. Kirjoitetaan kooste (200–300 sanaa). Oppija saa kokemusta siitä, millaisia vastauksia tekoälyn antaa ja mitä niistä jää puuttumaan. Samalla se mahdollistaa kriittisen lähestymistavan tekoälyyn ja tukee ajatusta siitä, että generatiivinen tekoäly on hyvä renki mutta huono isäntä. Tehtävä vahvistaa oppijan omaa toimijuutta ja harjaannuttaa tekoälyn vastuullisempaa käyttöä.
5. Synteesitehtävä, joka kytkeytyy oppijan omaan kokemukseen. Oppija soveltaa tehtävien 3 ja 4 aineistoa omaan opiskelu- tai työelämäkokemukseen (200–300 sanaa). Tässä oppija pääsee tekemään kriittistä synteesiä kahden erilaisen lähteen avulla ja soveltamaan tietoa.

Keskeistä yllä mainitussa oppimistehtävässä on korostaa sitä, että tekoäly on vain työkalu ja oppimisessa keskeisessä roolissa ovat kriittisyys tekoälyä kohtaan, vertailu kirjallisuuteen ja kytkeminen omiin kokemuksiin. Näin opiskelija myös ottaa vastuuta omasta oppimisestaan.

Tekoälyn käytöllä on erilaisia mahdollisuuksia koulutuksessa, ja niiden ymmärtäminen on tärkeää. Oppimisen kannalta on keskeistä oivaltaa, että tekoäly ei ymmärrä, mitä se tuottaa, vaan sen tuotokset perustuvat todennäköisyyksien laskentaan. Oppimista tukee vielä tunnilla tapahtuva vuorovaikutus, kun opiskelijat jakavat omia kokemuksiaan tämän tyyppisistä oppimistehtävistä ja siihen liittyvistä oppimisprosesseista.

Mikäli yliarvioimme tekoälyn mahdollisuudet, saatamme yliarvioida sen kyvyt, ohittaa sen mahdolliset puutteet ja vinoutumat tai jättää arvioimatta kriittisesti sen tuottamia tuloksia (Østerlund ym. 2020). Siksi onkin keskeistä, että tekoälyn fasilitointi kytketään osaksi opintoja laajasti eri opintojaksoilla, jotta opiskelijat saavat kokemusta tekoälyn mahdollisuuksista ja rajoitteista. Tämä on murroksessa olevan asiantuntijatyön keskeinen taito. Integroimalla tekoäly laajasti osaksi opintojaksoja varmistetaan, että se tukee ja syventää oppimista.