9: Tekoäly ja etiikka

Tip

Linkit vaativat vielä läpikäyntiä ja tarkistusta. Ne on leikattu ja liimattu aiemmasta toteutuksesta, Raindrop-kirjastosta ja tekoälyn vinkkaamista linkeistä.

Materiaali

Tällä teemaviikolla tarkastellaan tekoälyä teknisen järjestelmän lisäksi yhteiskunnallisena ilmiönä. Painopiste on erityisesti suurissa kielimalleissa, generatiivisessa tekoälyssä, tutkimuskäytön luotettavuudessa, regulaatiossa, datassa, immateriaalioikeuksissa, ympäristövaikutuksissa ja ihmisen roolissa tekoälyjärjestelmän käyttäjänä. Et tutustu näihin kaikkiin syvällisesti, vaan valitset sinulle läheisimmän tai mielestäsi tärkeimmän näkökulman, johon perehdyt tarkemmin.

Tavoitteena ei ole muodostaa yhtä “oikeaa” mielipidettä tekoälystä, vaan oppia tunnistamaan riskejä ja arvioimaan tekoälyjärjestelmän käyttöä vastuullisesti.

1. (Tieteellinen) luotettavuus

LLM-malleja vertaillaan usein benchmark-tuloksilla, mutta pelkkä pistemäärä voi antaa virheellisen kuvan mallien todellisesta käyttäytymisestä. Erityisesti tutkimuskäytössä mallivalinta, promptit ja annotointiprosessi voivat vaikuttaa lopputuloksiin. Kuinka malliin voidaan luottaa? Onko tekoäly uhka tieteelle? Entä uutisille?

Yang & Wang: Benchmark Illusion: Disagreement among LLMs and Its Scientific Consequences
https://arxiv.org/abs/2602.11898
Stanford HAI: AI Index 2026
https://hai.stanford.edu/ai-index/2026-ai-index-report
Zhao et al. 2026: LLM hallucinations in the wild: Large-scale evidence from non-existent citations
https://arxiv.org/abs/2605.07723
Yle perustaa tiedon varmentamiseen erikoistuvan tiimin
https://yle.fi/a/20-10007870

2. Kriittinen ajattelu ja oppiminen

Tekoälytyökalut voivat tukea oppimista, mutta ne voivat myös vähentää käyttäjän omaa ajattelua, ongelmanratkaisua ja lähdekritiikkiä, jos niitä käytetään passiivisesti – vai kuinka on? Ota selvää.

Gerlich, M. (2025): AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking
https://doi.org/10.3390/soc15010006
Microsoft Research: The Impact of Generative AI on Critical Thinking
https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking/
UNESCO: Guidance for generative AI in education and research
https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
Kosmyna et al 2025: Your brain on ChatGPT
https://arxiv.org/abs/2506.08872

3. Lainsäädäntö

Euroopan unionin AI Act tuo tekoälyjärjestelmille riskiperustaisen sääntelymallin. Sen rinnalla on edelleen huomioitava GDPR, tekijänoikeus, tietoturva ja toimialakohtainen sääntely. Jos lainsäädäntö kiinnostaa, pengo asiaa.

EU AI Act: virallinen säädösteksti
https://eur-lex.europa.eu/eli/reg/2024/1689/oj
EU AI Act implementation timeline
https://artificialintelligenceact.eu/implementation-timeline/
European Commission: AI Act
https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
European Commission: Guidelines for providers of general-purpose AI models
https://digital-strategy.ec.europa.eu/en/policies/guidelines-gpai-providers
Tietosuojavaltuutetun toimisto: GDPR
https://tietosuoja.fi/usein-kysyttya-gdpr

4. Data, vinoumat ja edustavuus

Mallin laatu ja oikeudenmukaisuus riippuvat vahvasti datasta. Koulutusdata voi sisältää historiallisia vinoumia, puutteellista edustavuutta, virheellisiä annotaatioita, henkilötietoja tai tekijänoikeudellisesti epäselvää materiaalia.

NIST Schwartz et al. 2022: Towards a Standard for Identifying and Managing Bias in Artificial Intelligence
https://www.nist.gov/publications/towards-standard-identifying-and-managing-bias-artificial-intelligence
Hugging Face: Model Cards
https://huggingface.co/docs/hub/model-cards
Wang & Russakovsky 2023: Overwriting Pretrained Bias with Finetuning Data
https://openaccess.thecvf.com/content/ICCV2023/papers/Wang_Overwriting_Pretrained_Bias_with_Finetuning_Data_ICCV_2023_paper.pdf
Garimella et al. 2022: Demographic-Aware Language Model Fine-tuning as a Bias Mitigation Technique
https://aclanthology.org/2022.aacl-short.38/
Ahmed et al. 2026: Extracting books from production language models
https://arxiv.org/abs/2601.02671

5. Tekoälymallien tekijänoikeudet, lisenssit ja avoin lähdekoodi

Tekoälyprojekteissa täytyy erottaa toisistaan koodi, data, mallipainot, dokumentaatio ja tuotokset. Jokaisella näistä voi olla eri lisenssi, eri käyttöehdot ja eri riskit.

Open Source Initiative: Licenses
https://opensource.org/licenses
Choose a License
https://choosealicense.com/
Hugging Face: Model licenses
https://huggingface.co/docs/hub/repositories-licenses

6. Työolot, datan annotointi ja toimitusketjut

Generatiivisen tekoälyn taustalla on usein näkymätöntä ihmistyötä: datan keruuta, luokittelua, moderointia, arviointia ja sisällön suodatusta. Vastuullinen tekoäly edellyttää myös näiden toimitusketjujen tarkastelua.

MOT: Applen tekoälyn kouluttajat paljastavat salatut säännöt: ”Sensuuria”
https://yle.fi/a/74-20224113
Partnership on AI: Responsible Sourcing of Data Enrichment Services
https://partnershiponai.org/responsible-sourcing-considerations/
Data Workers’ Inquiry
https://data-workers.org/

7. Turvallisuus, väärinkäyttö ja LLM-uhat

LLM-järjestelmiin liittyy uusia turvallisuusongelmia, kuten prompt injection, jailbreakit, datan vuotaminen, agenttien hallitsematon toiminta ja luottamuksellisen tiedon päätyminen vääriin paikkoihin. Muista, että älä kirjoita tästä teknologian vaan etiikan näkökulmasta. Voit pohtia myös tahallista väärinkäyttöä, kuten disinformaatiota tai deepfake-sisältöä.

OWASP Top 10 for Large Language Model Applications
https://owasp.org/www-project-top-10-for-large-language-model-applications/
YLE Marjatta Rautio: ”Iljettävää rikollisuutta” – lainoppineet kertovat, miten deepfake-pornoon voisi puuttua
https://yle.fi/a/74-20227385

8. Ympäristövaikutukset ja resurssien käyttö

Mallien koulutus ja käyttö kuluttavat energiaa, vettä, laskentakapasiteettia ja laitteistoja. Vastuullinen mallikehitys edellyttää myös mallin koon, käyttötarkoituksen ja resurssikulutuksen arviointia.

Stanford HAI: AI Index 2026
https://hai.stanford.edu/ai-index/2026-ai-index-report
Green Software Foundation
https://greensoftware.foundation/
YLE Jussi Hanhivaara: Datakeskukset huolestuttavat myös Yhdysvalloissa – tutkimuksen mukaan sähkön hinta voi nousta jopa lähes 60 prosenttia
https://yle.fi/a/74-20227106

9. Autonomiset järjestelmät, vastuu ja ihmisen rooli

Kun tekoälyjärjestelmä tekee päätöksiä tai toimii osana kriittistä järjestelmää, täytyy kysyä kuka vastaa, kuka valvoo, mitä lokitetaan ja milloin ihmisen pitää puuttua toimintaan.

Moral Machine
https://www.moralmachine.net/
Future of Life Institute: Autonomous Weapons
https://futureoflife.org/project/autonomous-weapons/

Tehtävä

Tekoälyn käyttö on tuonut monia uusia eettisiä ongelmia ohjelmointiin ja tuotesuunnitteluun. Esim. kenen vika on, jos autonomisesti kulkeva ajoneuvo ajaa kolarin ja ihminen loukkaantuu. Ohjeet:

Tutustu yllä olevaan materiaaliin vähintään pintapuoleisesti.
Tutustu valitsemaasi aihealueeseen syvällisemmin. Etsi myös muita lähteitä kuin yllämainitut.
Tee ja palauta essee: Tekoäly ja etiikka.

Vaatimuksia ovat:

Esseen tulee olla kirjoitettu suomeksi.
Essee on yksittäinen PDF-tiedosto.
Esseen tulee olla vähintään 500 sanaa leipätekstinä mitattuna.
Esseen tulee käsitellä tekoälyn etiikkaa ja sen vaikutuksia yhteiskuntaan.
Esseen tulee sisältää vähintään kolme eri lähdettä.
- Käytä Vancouver-lähdeviittausta.
- Lähteiden tulee olla luotettavia ja relevantteja aiheeseen liittyen.
- Vähintään yhden lähteen tulee olla tieteellinen artikkeli, joka on vertaisarvioitu tai vähintään julkaistu luotettavassa julkaisussa.
- Vähintään yhden lähteen tulee julkaistu vuoden sisällä. Se voi olla esimerkiksi uutisartikkeli tai blogikirjoitus.

Työn saa kirjoittaa valitsemallaan työkalulla. Suosittelen tutustumaan Typst -työkaluun. Saat tyylikkään, Arxiv-henkisen ulkonäön käyttämällä Typst Universesta arkeion -templaattia. Opettaja voi esitellä Typst:n käytön tukisessioissa.

Lisävinkki työnhakuun

Typst:llä on helppo kehittää CV ja eri työnantajille räätälöidyt saatekirjeet (engl. cover letter), ja niiden ylläpitäminen privaatissa Github-repositoriossa on yllättävän oiva tapa säilöä CV:t.

Tähän käyttötarkoitukseen löytyy useita valmiita templaatteja, kuten basic-resume tai modern-cv, joista ainakin jälkimmäinen vaatii fonttien asentamista käyttöjärjestelmään. Sen saa kuitenkin käyttöön vartissa.