Olet mitä syöt? Tutkimus- ja kulttuuriaineistot tekoälyn koulutuksessa

Nopeita muutoksia ja näkymätöntä kuormaa

Syökö tekoäly tutkimus- ja kulttuuriaineistoja kuin Keski-Maan ahne hämähäkki Ungoliant Valinorin kaksi puuta ja syöksee tiedeyhteisön suureen pimeyteen, vai muodostuuko siitä kansalliseeposta mukaillen tutkimuksen tarunhohtoinen kirjokansi, parhailla aineistoilla koulutettu ihmeellinen tieteellisiä rikkauksia tekevä mylly? Syyskuun keskustelutilaisuudessa nousivat esiin monet tekoälyn tutkimuskäyttöön ja aineistojen hyödyntämiseen liittyvät dikotomiat ja vertauskuvat.

Tilaisuudessa tutkimus- ja kulttuuriaineistojen hyödyntämisestä tekoälyn koulutuksessa, joka järjestettiin syyskuun viimeisellä viikolla, käsiteltiin tekoälyn käyttöä tutkimuksessa monista näkökulmista. Yksi näistä oli, miltä kilpajuoksu tekoälyavusteisuuteen näyttää kestävyyden tai resurssien näkökulmasta. Se, mikä näyttäytyy käyttäjälle helppona, vaatii valtavasti laskentaresursseja ja kuormittaa ympäristöä. Toivomme tutkijoille parhaat mahdolliset työkalut tutkimuksen avuksi, mutta tekoälyn tapauksessa tämä vaatii itse palveluiden lisäksi valtavasti ylläpitoa, tukea ja koulutusta.

Esiin nousi, kuinka ylipäätään tukea tutkijoita ja muuta henkilöstöä tekoälytyökalujen käyttämisessä, kun muutos on niin nopeaa, että työkalut ja tukipalveluille osoitetut kysymykset vaihtuvat viikoittain. Toisaalta keskustelua käytiin  myös siitä, säästyvätkö resurssit todella vai muuttaako työ vain muotoaan esimerkiksi litteroinnista työkalun operoimiseen ja tekstin tuplatarkastamiseen. Onko tehokkuuden hintana osaamisen surkastuminen ja taitojen puutteellinen kehitys, kun ulkoistamme merkittävän osan tutkimusprosessista tekoälylle? Samaan aikaan mahdollisuutena kuitenkin on käsitellä aineistoja ihmiselle mahdottomalla volyymillä. Jyväskylän yliopiston Juuso Marttila nosti esimerkiksi kansalaistieteen, jossa laadulliseen aineistoon saatetaan saada satatuhatta vastaajaa. 

Avoimessa saatavuudessa on kyse myös tiedollisesta läsnäolosta

Keskustelussa alleviivattiin tutkimusyhteisön vastuuta tiedon tuottamiseen ja avoimeen saatavuuteen. Herää kysymys, onko tekoälyn tuottama materiaali ylipäätään tietoa? 
Helsingin yliopistoa ja Tutkimuseettistä neuvottelukunta edustanut Simo Kyllönen painotti, että kilpajuoksussa ei tulisi ajatella sokeasti sitä, että tuottamamme informaatio saadaan mukaan tekoälyavusteiseen tiedonhakuun ja näin mahdollisimman laajasti käyttöön, jos tämä tarkoittaa sen käyttöä vinoutuneesti ja väärin. Suomen tavoitteena ei tule olla osallistua kilpajuoksuun hinnalla millä hyvänsä.

Erityisesti tieto tiedon alkuperästä, eli tiedon provenienssi koettiin keskustelussa tärkeäksi edellytykseksi sille, että sitä voidaan pitää tietona. Tietoa hyödyntävän tulee tietää, mistä tieto on peräisin. Tekoäly tarvitsee laadukasta dataa, jota esimerkiksi kulttuuriaineistojen ylläpitäjiltä löytyy. Lisäksi kentällä on tarjolla valtavasti osaamista myös siihen, mitä laadukas tieto esimerkiksi provenienssin suhteen vaatii, kuten Kansallisarkiston Finna-palvelun Mikko Nykänen nosti esiin.

Lisäksi todettiin, että oikeaa tietoa tulee olla avoimesti saatavilla. Avoin saatavuus tarkoittaa kuitenkin usein avointa saatavuutta myös tekoälyboteille. Tämä kuormittaa jo nyt aineistoja hallinnoivien tahojen palveluita. Samaan aikaan tiedollinen läsnäolo siellä, missä tietoa hyödynnetään on globaalissa mittakaavassa pienelle kulttuuri- ja kielialueelle emansipatorinen kysymys. Jos emme ole mukana, meitä ei ole olemassa, kuten Marttila nosti esiin. 

Keitä sääntely oikeasti koskettaa 

Tilaisuudessa keskustelua herättivät tekoälyyn ja koulutusaineistoihin liittyvät valtasuhteet. Esimerkiksi potentiaalisesti sensitiivisten tietojen käyttö tutkimuksessa on laajalti säänneltyä, mutta suuret kansainväliset yhtiöt ovat haravoineet valtavat määrät aineistoja laittomasti omaan käyttöönsä sääntelystä välittämättä. Sitran johtava asiantuntija Tarmo Toikkanen käytti vertauskuvaa laittoman tavaran jatkomyynnistä. Työkalujen vastuullisen käytön pohtiminen tässä vaiheessa vastaa tilannetta, jossa oltaisiin ostettu laittomasti hankittua tavaraa tai esimerkiksi pimeä pullo, ja nyt pohdittaisiin kuinka myydä se eteenpäin huolehtien hygieniavaatimuksista ja kuluttajansuojasta.

Lisäksi avointen aineistojen hyödyntäminen siirtää valtaa ja omistajuutta entisestään digijäteille, jotka eivät usein ole valmiita jakamaan sitä eteenpäin. Helsingin yliopiston Salla-Maaria Laaksonen painotti, että osansa tässä on kaupallisilla kansainvälisillä tiedekustantajilla, jotka ovat myyneet artikkelinsa tekoälytoimijoille. Suvereniteetin takaisin ottaminen pätee yhtä lailla tekoälyyn ja tiedejulkaisemiseen. 

Ihmiskeskeisempää kilpajuoksua 

Tilaisuus ei keskittynyt ainoastaan nykytilanteen kriittiseen arviointiin ja uhkakuvien käsittelyyn, myös ratkaisuehdotuksia esitettiin usean puhujan toimesta. Yksi käytännöllinen vaikutusmahdollisuuksien pullonkaula suomalaiselle tutkimusyhteisölle on EU-sääntely, johon on mahdollista vaikuttaa erityisesti hankkeiden ja puiteohjelmien kautta.

Avoimen tieteen ajatusmaailman mukainen ratkaisu olisivat lisenssit ja tekoälyharavointia rajoittavat tekniset ratkaisut, kuten robots.txt, eli verkkosivun juureen istutettu tekstitiedosto, joka kertoo hakurobotille mitä sisältöä saa käsitellä ja mitä ei. Ohjeiden ja lisenssien noudattaminen kuitenkin perustuu sopimuksenvaraisuudelle ja luottamukselle, jotka estävät vastuullisen käytön, mutta eivät varsinaisesti estä häikäilemätöntä käyttäjää.

Villimpi ehdotus olisi modernin alustatalouden mallien tuominen tutkimuksen kentälle, joiden avulla aineistojen käytön kustannuksia saataisiin kanavoitua tutkimus- ja kulttuuriaineistojen tuottajille. Tieteen ja kulttuurin “spotifyn” ansaintalogiikan tarkempi pohtiminen jätettiin kuitenkin tulevien paneelikeskustelujen ja kahvipöytien iloksi.

Useaan otteeseen todettiin, että käsillä oleva muutos ei ole vain teknologinen. Yleisesti keskustelussa toivottiin ihmiskeskeisempää kilpajuoksua. Vastuullisella avoimuudella on tässä keskeinen rooli. Emme halua käyttää mitä tahansa tekoälyä, mitä tahansa tekoälyn tuottamaa tietoa, emmekä, että aineistomme syötetään tekoälyihin miten sattuu.

Teksti: AVOTT-sihteeristö & Susanna Ånäs (Open Knowledge Finland)

Kuva: TSV