Tekoäly on Michael’s Domain

Tekoäly: Lääketieteellisesti koulutetut mallit, tietoisuus

Mon, 11 May 2026 00:00:00 +0000

Useimmat ihmiset osaavat ehkä mainita muutaman LLM-mallin, ehkä tusinan verran, jos he seuraavat teknologia-uutisia. Samaan aikaan Hugging Facesta on kuitenkin vapaasti saatavilla noin 3 miljoonaa erilaista LLM-mallia. Eivätkä ne kaikki ole heikkolaatuisia malleja. Esimerkiksi Googlen avoimen lähdekoodin Gemma-mallit ovat myös saatavilla siellä; ne ovat peräisin samasta lähteestä kuin Googlen Gemini-mallit, mutta ne on optimoitu paikalliseen ja tutkimuskäyttöön. Biolääketieteen tutkijoille on tärkeää huomata, että saatavilla on myös monia avoimia, vapaasti saatavilla olevia ja paikallisesti käytettäviä, lääketieteellisesti koulutettuja LLM-malleja. En ole testannut niitä, mutta GitHubissa on kuratoitu luettelo erikoismalleista: https://github.com/FreedomIntelligence/Awesome-Specialized-Medical-LLMs . Luettelossa on myös useita vapaasti saatavilla olevia yleislääketieteellisiä malleja, kuten

Keskityn vääriin asioihin

Wed, 22 Apr 2026 00:00:00 +0000

Nyt on pakko avautua, mutta kuunnelkaa loppuun asti. Sen sijaan, että työskentelisin sen parissa, miten hyödyntää tekoälyä omalla alallani, minä:

GPT-3 hallusinoi taas

Tue, 07 Mar 2023 00:00:00 +0000

Viikonloppuna minun piti viimeistellä raporttini UP (yliopistopedagogiikka) 3.1 -kurssille. Koska olimme keskustelleet paljon virallisten ohjaussopimusten hyödyllisyydestä, halusin selvittää, tukevatko jotkin empiiriset tutkimukset ajatuksiamme. Koska yliopistomme oli lopettanut tilauksensa Iris AI -palveluun (tekoälypohjainen kirjallisuushakutyökalu), päätin kysyä GPT-3:lta. Menin GPT-3:n kokeilualustalle ja kysyin: "Voitko etsiä minulle viisi kirjallisuusviitettä, jotka osoittavat ohjaussopimuksen hyödyllisyyden akateemisessa ympäristössä?" Se palautti nopeasti viisi viitettä (katso kuva). Sitten pyysin DOI-tunnisteita (käytän Zoteroa viitteiden hallintaan, ja Zotero voi helposti hakea viitteiden koko tekstin, jos sille annetaan DOI-tunniste, edellyttäen että artikkeli ei ole maksullinen).Kun yritin ladata lähteet, Zotero ilmoitti: ”Zotero ei löytänyt tietuetta annetulle tunnisteelle. Tarkista tunniste ja yritä uudelleen.” Niinpä muodostin VPN-yhteyden yliopiston verkkoon päästäkseni artikkeliin suoraan maksumuurin takana olevan kustantajan (Taylor & Francis) verkkosivustolta. Kun selailin oikeaa ”Studies in Higher Education” -lehden numeroa (2005, vuosikerta 30, numero 5), siellä ei kuitenkaan ollut tällaista artikkelia. Ei tällaista kirjoittajaa. Mikään ei edes etäisesti muistuttanut sitä lähdettä, jonka se oli luvannut. GPT-3 keksi nämä pinnaltaan uskottavilta vaikuttavat lähteet tyhjästä. Tarkemmin tarkasteltuna artikkelit ovat kuitenkin outoja: jokaisella on vain yksi kirjoittaja (harvinaista, mutta ei mahdotonta), kaikki kirjoittajat ovat tohtoreita (todellisuudessa useimmat kirjoittajat ovat tohtoriopiskelijoita) ja kaikilla kirjoittajilla on täsmälleen yksi toinen nimi (mahdollista, mutta epätodennäköistä). Kun GPT-3:lle osoitettiin, että DOI-tunnukset ovat vääriä eivätkä ne johda mihinkään julkaistuun artikkeliin, se väitti aluksi, etten päässyt artikkeleihin käsiksi, koska ne olivat maksullisen sisällön takana. Kun toistin tämän kokeen kuvakaappausten ottamiseksi, GPT-3 pyysi anteeksi ja lupasi korjata virheen. Kun huomautin, ettei virhettä voida korjata, koska artikkelit olivat keksittyjä, GPT-3 kaatui. Tämä käyttäytyminen on loogista: samalla tavalla kuin se löytää tietoa mistä tahansa aiheesta ja yhdistelee sen siististi vastaukseksi, se löysi monia viitteitä ja yhdisteli ne ”uudeksi” vastaukseksi. Mutta koska algoritmi ei ”ymmärrä” mitään, se ei tajua, että kirjallisuusviitteitä ei saa muokata millään tavalla. Odotan, että tämä korjataan pian, sillä se on helppo korjata. GPT-3 on vain taitava yhdistelijä ja toistaja, ja tämä näyttää olevan vain erityistapaus hallusinaatiosta. Opiskelijoille tärkeä viesti: Älkää koskaan luottako siihen, että GPT-3 antaa teille tarkkaa tietoa. Myös muut ovat raportoineet, että GPT-3 harhaanjohtuu usein ja melko pahasti .

Turingin testi ja tenttivastaukset: Pystynkö paljastamaan tekoälyn?

Thu, 29 Dec 2022 00:00:00 +0000

Suomalaisessa päivälehdessä Helsingin Sanomat GPT-3 ja Jyväskylän yliopiston Laura Ketonen pohtivat, miten tekoäly vaikuttaa opiskelijoiden arviointiin ( Tekoäly ravistelee opiskelijoiden arviointia , englanniksi: Artificial intelligence shakes up student assessment). Yksi tekoälyn ilmeisistä ”sovelluksista” olisi tenttivilppi. Lauran mielipidekirjoitus herätti melko paljon reaktioita. Jotkut vastasivat, että tekoäly tuottaa sisältötöntä tekstiä . Toiset mainitsivat, ettei tekoälyllä ole rohkeutta ja aloitteellisuutta . Tuntuu siltä, että me ihmislajina joudumme pian kamppailemaan yleisen alemmuuskompleksin kanssa.Luonnontieteiden tenttitilanteessa kandidaatin tai maisterin tasolla aloite on opettajalla, ja opiskelijat ovat määritelmän mukaan reaktiivisia. Miten määritellään tyhjä teksti, kun pyydetään selittämään glykoinsinööritiedettä? Elämäntieteissä rohkeus ja aloitteellisuus ovat olennaisia piirteitä jokaiselle tulevaisuuden tiedemiehelle. Mutta ilman vankkaa tietopohjaa rohkeus ja aloitteellisuus johtavat harvoin vaikuttaviin uusiin kehityssuuntiin. Tällä hetkellä emme voi vielä ulkoistaa tätä perustaa tekoälylle. Siksi vaadimme opiskelijoilta vankkaa tietopohjaa, josta rohkeus ja aloitteellisuus voivat ammentaa kukoistakseen. Ehkä helpoimmat tulokset voidaan saavuttaa pelkästään rohkeudella ja aloitteellisuudella. Mutta nykypäivän ongelmien ratkaiseminen vaatii lisäksi vankkaa tietopohjaa (”seisominen jättiläisten hartioilla”). Arvioidessamme tekoälyä teemme todennäköisesti samat virheet kuin ihmiset tekevät kaikkien uusien teknologioiden kohdalla: yliarvioimme sen vaikutuksen lyhyellä aikavälillä, mutta aliarvioimme sen vaikutuksen pitkällä aikavälillä. (Kapea) tekoäly on kerta toisensa jälkeen onnistunut tunkeutumaan aloille, jotka aiemmin olivat varattuja ihmisille. Ei ole mitään syytä olettaa, ettei tämä kehitys jatkuisi. Voi hyvinkin olla, että tällä hetkellä hallitsevat tekoälyn lähestymistavat (syväoppiminen, koneoppiminen, neuroverkot, tilastolliset menetelmät) eivät johda tulevaisuudessa merkittäviin läpimurtoihin kohti ihmisen kaltaista yleistä tekoälyä, ehkä jopa itsetietoista tekoälyä. Emme edes tiedä, miten ihmisen tietoisuus syntyy. Toisaalta olen samaa mieltä Daniel Dennettin ajatuksesta, että tietoisuudessa ei ehkä olekaan vaikeaa ongelmaa: tietoisuus on se, mitä saat, kun olet ratkaissut kaikki helpot ongelmat. Joka tapauksessa, jos itsetietoisuudesta vailla oleva tekoäly muuttuu erottamattomaksi itsetietoisesta tekoälystä, mikä ero niillä on ja miten voisimme sen tietää? Olen varma, että jossain vaiheessa pystymme myös ulkoistamaan tietomme kokonaan. Googlen avulla olemme jo alkaneet ottaa pieniä askelia tähän suuntaan, mutta tarvitsemme paremman tietokone-aivo-rajapinnan, jotta voimme täysin omaksua tiedon ulkoistamisen konseptin. Deep Blue voitti kansainvälisen suurmestarin Garry Kasparovin vuonna 1997. En halunnut hyväksyä tätä ihmisen kärsimää tappiota ja julistin pelin epäreiluksi: Deep Blue kaatui ja sitä jouduttiin käynnistämään uudelleen kerran kuuden pelin turnauksen aikana, mikä oli mielestäni sama asia kuin jos ihminen olisi kuollut pelin aikana (tai ainakin herätetty henkiin elvytyksellä). Vuonna 2016 tietokoneet ohittivat ihmiset Go-pelissä, ja nykyään ne voittavat ihmisiä jopa pokerin kaltaisissa peleissä, joissa vaaditaan hienostuneita psykologisia temppuja, kuten bluffaamista. Testatakseen, miten tekoäly pärjää opiskelijoille tenttitilanteessa, Patrick lisäsi yhden tekoälyn tuottaman vastauksen opiskelijoiden vastauksiin äskettäin pidetyssä tentissä. Tämä idea toi arviointiin jännittävän käänteen! Luulen, että tiesin, mikä tekoälyn vastaus oli. Olin kuitenkin kokeillut GPT-3:a aiemmin ja tiesin, että – ilman hienosäätöä – tekoäly on liian tarkka ja järjestelmällinen kysymyksiin vastaamisessa. Esimerkiksi kolmiosaisessa kysymyksessä tekoäly vastaa yleensä järjestelmällisesti kaikkiin kolmeen osaan. Lisäksi tekoäly ei tuntenut luentojeni tarkkaa sisältöä, minkä vuoksi tekoälyn vastauksen tunnistaminen oli suhteellisen helppoa. Patrickin on vielä paljastettava, tunnistinko tekoälyn vastauksen oikein… Tekoäly (tai se, minkä tunnistin tekoälyksi) suoriutui huonommin kuin paras opiskelija, mutta kaiken kaikkiaan se pärjäsi todella hyvin. On selvää, että tulevissa tenttikysymyksissämme on keskityttävä entistä enemmän kriittiseen ajatteluun ja kuvitteellisiin esimerkkeihin, joita tekoäly ei voi tietää valtavasta koulutusaineistostaan. Mutta kun otetaan huomioon tekoälyn tulevaisuudessa käytettävissä olevan tiedon kasvava määrä, tekoäly voi tukeutua muiden ihmisten kriittiseen ajatteluun. Seuraavan sukupolven tekoäly (ChatGPT-4 ja Googlen LaMDA) odottaa jo julkista julkaisua… Pienillä hienosäätöillä Patrick olisi voinut helposti huijata minua. Ehkä hän on jo huijannutkin… Jos hän käski tekoälyä rikkomaan vastausmallia tahallaan ja jos hän koulutti GPT-3:a käyttäen luentokalvojani viitemateriaalina, en voi enää olla varma mistään. Kerron teille, onnistuinko tunnistamaan tekoälyn oikein, kun Patrick paljastaa, mitkä vastaukset olivat tekoälyn tuottamia. PÄIVITYS: Minä (samoin kuin muutkin opettajat) tunnistin tekoälyn vastaukset oikein. Yleinen mielipiteemme oli, että jos meitä ei olisi varoitettu siitä, että yksi vastauksista oli tekoälyn tuottama, emme olisi huomanneet sitä. Tekoälyn vastausten laatu riippui kysymyksen tyypistä. Näytti siltä, että (tällä hetkellä) suhteellisen helppo tapa hämätä tekoälyä on antaa kysymykseen vastaamiseen tarvittavat tiedot graafisessa muodossa. Mutta olen varma, että tekoäly oppii yhdistämään kuvia ja tekstiä hyvin pian.