Opetus- ja koulutusalan toimijat sekä muut organisaatiot miettivät omaa suhtautumistaan tekoälyyn ja miten sitä otetaan käyttöön. Tekoälyn hyödyntäminen oikeissa paikoissa helpottaa ja tehostaa työtä, eikä tarvitse olla mikään ennustaja väittäessään tekoälyn lisääntyvän vääjäämättä myös opetuksen ja koulutuksen parissa. On siis hyvä pohtia asiaa avoimesti, mutta myös kriittisesti huomioiden haitat. Ehkä kohtalokkain reaktio on ottaa täysin kielteinen kanta eli kieltää tekoäly. Samalla jäisi saamatta monta hyvää ja arvokasta ominaisuutta.

Mitä tekoäly tarkoittaa käytännössä, kun siitä puhutaan?

Usein puhutaan tekoälystä ja sillä tarkoitetaan nimenomaan suuria kielimalleja ja niiden pohjalle tuotettuja palveluita. Tekoälyllä on tietysti määritelmäkin, mutta siihen menemättä, hahmotellaan, miten tekoäly mielletään yleisesti. Tekoälystä puhuttaessa olisi hyvä kertoa minkälaisesta tekoälystä puhutaan ja mikä sen kaavailtu käyttö tulisi olemaan? Lisäksi kannattaa miettiä, missä tehtävässä siitä on oikeasti hyötyä?

Tekoälystä on olemassa lukuisia erilaisia teknologioita ja niiden yhdistelmiä mutta yleisesti ovat käytössä: koneoppiminen (ML), neuroverkot (NN), luonnollisen kielen prosessointi (NLP) ja kielimallit (LLM).

Kielimallit ovat kehittyneet viimeisten vuosien aikana ja ovat useimmille tuttuja. Tunnettuja kielimalleja ovat  mm. Claude, Open AI:n Chat GPT ja Co-pilot, Grok, Gemini, Mistral, Deep seek ja lukuisia muita.

Tekoälyn (kielimallien) ongelmat ja puutteet

Koska kielimallit ovat nykyisin kaikkien ulottuvilla ja erilaisia palveluita syntyy niiden pohjalle, keskitytään tässä käsittelemään pääosin kielimalleja.

Suuria kielimalleja on arvosteltu, että ne hallusinoivat eli niiden tuottamat ratkaisut eivät ole luotettavia tai sisältö on sinnepäin eikä riittävän käyttökelpoista. Tekoälyn tuottaman prosessin läpinäkymättömyyttä on pidetty myös ongelmana.

Arvioitaessa tekoälyä on huomioitava, että uusissa innovaatioissa on aina alkuvaiheessa puutteita ja ne vähenevät ajansaatossa. Eli mukana kannattaa olla seuraamassa tilannetta. Toiseksi harva järjestelmä on erehtymätön. Eli odotukset ja arviot kannattaa suhteuttaa saatavaan hyötyyn ja pyrkiä minimoimaan haitat.

Kun pohditaan tekoälyn käyttöönottoa, siitä saatavien arvokkaiden kokemuksien ja näkemyksien ohella on tunnustettava, jos tekoälystä ei saada hyötyä kaavailtuun asiaan. Tällöin on lähestymistapaa muutettava ja kehitettävä asiaa toisella tavalla (esim. pelkästään ohjelmallisesti, tekoälyjä yhdistämällä, tai muuta teknologiaa yhdistämällä soveltuvaan tekoälyyn) tai odotettava, kunnes teknologia kehittyy riittävästi.

Tekoäly arvioinnissa ja EU:n AI-asetus

Opetuksen ja koulutuksen alalla tekoälyä voidaan hyödyntää monin tavoin. Eräs vaikeimpia osa-alueita on kuitenkin tekstien ja kirjoitelmien tarkastus ja arviointi. Arvioinnilla on vaikutus tulevaan opintomenestykseen, motivaatioon tai jatkosuunnitelmiin. Kriittisin tilanne on lukiossa ylioppilaskokeisiin valmistautumisessa, haettaessa jatko-opiskeluun (pääsykokeet), ammatinharjoittamiseen liittyvissä tutkinnoissa tai esimerkiksi työnhakuun liittyvissä tilanteissa.

EU on julkaissut AI-asetuksen, jossa määritellään tekoälyn käyttöä ja tekoälyn roolia. Asetuksessa on opetuksen ja koulutuksen osalta kiinnitetty huomiota arvioinnin ohella opiskelun ja tehtävien suuntaamiseen. Eli opettajan ja ihmisen roolia on korostettu ja haluttu estää ns. tekoälyn tuottama suorituksiin perustuva opiskelu ja siihen liittyvien tehtävien ohjaus.

Toiseksi on korostettu ihmisen (opettaja) roolia arvioinnissa. Tekoälyn sisältämää epävarmuutta poistetaan sisällyttämällä ihmisen rooli arviointiin. Suorituksen arvioinnissa halutaan turvata yksilöoikeuksien loukkaamattomuus ja ratkaisujen pitää olla syrjimättömiä, luotettavia ja tasapuolisia. Sikäli tilanne ei ole uusi, sillä vastaavat vaatimuksethan ovat ihmisten tekemissä arvioinnissa.

Järjestelmästä tai arvioinnin toteutuksesta riippumatta oikeusturvan kannalta pitää olla aina mahdollisuus oikaista virheellinen tulkinta. Tekoälyn hyvänä puolena voidaan pitää ehdotonta objektiivisuutta. Tekoälyn tuottama arviointiehdotus on myös mahdollista käsitellä anonymisoituina, joka lisää tietoturvaa, mutta ennen kaikkea tasapuolisuutta ja objektiivisuutta. Toisaalta opiskelijansa tuntevat opettaja voi havaita asioita ja puuttua niihin opiskelijoiden vastauksien pohjalta. Esimerkiksi arjen stressitekijät voivat heikentää opiskelijan suoritusta, jolloin sen noteeraaminen voisi olla yksittäisen opiskelijan kannalta suotavaa. Tätäkin voidaan tietysti havainnoida ohjelmallisesti.

AI-arvioinnin riskiluokitus ja vaatimustenmukaisuus

EU:n tekoälyasetuksen (AI Act) mukaan tekoälypohjainen arviointi luokitellaan korkean riskin toiminnaksi (kategoria 4), erityisesti silloin, kun sitä käytetään opiskelijoiden profilointiin tai suorituksien seurannan pohjalta tapahtuvaan ennustamiseen (arviointi- ja valintatilanteet).

Eximiatutorin opettajan työkalu on suunniteltu täysin EU:n tekoälyasetuksen mukaiseksi. Se ei tee automatisoituja, merkittäviä seurauksia aiheuttavia päätöksiä tai profilointia. Järjestelmiltä edellytetään GDPR-, DPIA- ja FRIA-arviointeja (perusoikeuksia koskeva vaikutustenarviointi) tietosuojan ja eettisten standardien varmistamiseksi.

Eximiatutorin hybridi-tekoäly arvioinnissa

Eximiatutorin tekoälyarviointi perustuu hybridi-tekoälyyn, joka hyödyntää NLP, luokittelua ja kielimallia.

Eximiatutorissa opettajat säilyttävät tehtävien sisällön hallinnan. Eli opettajat laativat tehtävät ja asettavat tosiasioihin perustuvat arviointikriteerit (tarkasteet) opetussuunnitelman mukaisesti tai esimerkiksi yrityskoulutuksessa kriteerit suunnataan yrityksen asettamien tavoitteiden mukaisesti.

Tehtävät ovat siten opettajille ja myös opiskelijoille läpinäkyviä ja ymmärrettäviä, koska opettaja (tehtävän laatija) on määrittänyt tarkat kriteerit tehtävästä. Eximiatutorin AI-lukiossa on opettajien valmiiksi laadittuja tehtäviä. Näitä voivat muut opettajat hyödyntää opetuksessaan. Tehtävien laajuuden ja sopivuuden voi tarkastaa tehtäviä annettaessa helposti.

Kokeiden arvioinnissa opettaja saa tekoälyltä arviointiehdotuksen, joka vahvistetaan tai halutessaan voi arviointia muokata. Opettaja voi aina yli-kirjoittaa arvioinnin, oman näkemyksensä mukaisesti. Automaattista arviointiehdotusta on pidetty riskialttiina, sillä ihmisen normaali toimintatapa on usein hyväksyä ns. valmiiksi tehtyä työtä. Tämä on keskeinen ominaisuus tekoälyssä. Tekoälyn tekemät tuotokset ja niiden julkaisu ovat sitä ohjaavan ihmisen vastuulla ja vastuu edellyttää asian ymmärrystä ja riittävää tarkkuutta.

Arvioinnin automatisoinnissa voitaisiin mennä pidemmälle AI-asetuksen puitteissa. Eximiatutorissa opettajan edellytetään olevan läsnä hyväksymässä arviointi (muutoin prosessi ei etene) ennen sen opiskelijalle lähettämistä.

Tekoäly on tehokas työkalu, josta tullaan hakemaan tehostusta laajasti monilla toimialoilla. Tekoälyn käyttö edellyttää huolellisuutta, sen tekemiin ratkaisuihin on oltava kriittinen ja sitä on kontrolloitava.

Suurin haaste liittyy siihen, että automatisaation lisääntyessä kiusaus antaa tekoälylle valta tai luottaa sen tuotoksiin lisääntyy. Tekoälyn kanssa pitää olla hereillä ja käyttäjät vastaavat sen tuottamasta sisällöstä, mutta saavat kokea myös sen hyödyn.

Esimerkiksi Eximiatutorin arviointitekoälyn yläasteen ja lukion tehostamis- ja säästöpotentiaali on vuosittain Suomessa noin 160 miljoonaa euroa. Tästä lisätietoa: aicheq.com pääsivulla.