Tämä kesäprojekti alkaa olla loppusuoralla ja juttusarjakin jo kahdeksannessa osassa. Hyvää asiaa on silti vielä jäljellä. Tällä kertaa kokoan yhteen arvoja ja periaatteita, joiden varaan tätä hanketta on rakennettu. Äänessä on nyt esseisti, mutta paikalla oleva tekninen dokumentoija palauttaa välillä puheen käytännön tasolle.
Arvot kaiken takana
Arvoista puhuminen tuntuu usein vähän juhlalliselta ja poseeraamiselta, Niiden kautta kuitenkin näkee, mitkä ovat yleiset tavoitteet ja millaisilla keinoilla niihin halutaan päästä. Niistä puhutaan harvoin arjessa, mutta yritän tehdä nyt juuri sitä.
Avoimuus on aina hyvä periaate. En lähtenyt kokoamaan valmista sanakirjaa, enkä digitaalista oppimissovellusta, vaan tutkimaan, voisiko kehittää menetelmän, jolla sanastoja voisi luoda ihan itse. Halusin, ettei menetelmä jäisi yhden ihmisen tai yhden palvelun varaan, joten halusin julkaista tuotokset vapaasti käytettäväksi. Sanastoja kun tarvitsevat kaikki kieltä opiskelevat ja opettavat. Tuskinpa tekoälylle annettavaa kehotetta voisi edes suojatakaan, joten yritin lähteä tekemään ratkaisua, jonka jokainen voisi ottaa käyttöönsä helposti, ilmaiseksi ja laillisesti.
Toimijuus on luonteva jatko edelliselle. Kun oppija voi luoda itselleen oppimateriaalin aiheesta, joka häntä aidosti kiinnostaa, esim. japanilaisesta ruokareseptistä, hän on heti motivoituneempi opiskelemaan juuri hänelle räätälöityä sanastosisältöä. Musiikkifani voi etsiä netistä suosikkibändinsä uutuussinglen sanoitukset ja opetella sen sanat heti, kun kappale on julkaistu. Käyttämällä GGS:n kaltaista työkalua oppija voi ilman syvällistä tekoälyosaamista valita itse, mitä opiskelee. Tuolloin hän ei ole pelkkä oppimateriaalin kuluttaja, vaan hänestä tulee sen tuottaja. Samaa toimijuutta voi myös nähdä sanastojen luomisessa ajankohtaisista sisällöistä. Uutissähkeen antaminen sanastogeneraattorin lähdetekstiksi vahvistaa oppijan omaa toimijuutta yhteiskunnan aktiivisena jäsenenä.
Sitoutumattomuus on myös yksi hankkeen kulmakivistä. En lähtenyt kehittämään ratkaisua millekään tietylle tekoälypalvelulle, en mitoittanut kapasiteettitarvetta niiden mukaan enkä käyttänyt niiden kehittyneitä ominaisuuksia, kuten agenttia, APIa tai koodi-ikkunaa. Tämä siksi, että tekoälyjen toiminnot muuttuvat jatkuvasti. Yleisiin perusominaisuuksiin tyytymällä työkalun elinkaari on varmasti pidempi.
En ole testannut, kuinka laajoja lähdeaineistoja jonkun tietyn tekoälyn ilmainen tai maksullinen versio kestää, sillä järjestelmät rajoittavat käyttäjän toimintaa mm. hetkittäisen käyttäjämäärän ja järjestelmän kuormitusasteen mukaan. Tekoälyt eivät myöskään osaa tai niillä ei ole lupa itse kertoa kapasiteetin rajoituksistaan. Niihin törmää vasta kun tehtävän suorittaminen ei onnistu. Jos esimerkiksi antaisit GGS:lle kokonaisen kirjan lähdetekstiksi, tavallisen kotikäyttäjän ilmaiset chatbotit eivät siitä selviytyisi (kesällä 2026). Teknologia kehittyy, mutta sen nykyiset rajat löytää vain kokeilemalla itse.
Muokattavuus on tärkeää. Jos työkalua voi itse muokata, sen saa paremmin vastaamaan omia tarpeita. Ihmiset myös oppivat eri tavoilla. Joku saattaa kaivata lyhyttä esimerkkilausetta, mistä voi opetella sanan käyttötapaa, miten se näkyy lauseen muodossa tai miten sitä on taivutettu. Tällaisen esimerkkilauseen lisääminen sanastoentryn speksiin ei ole edes vaikeaa. GGS:ä saa ja sitä voi vapaasti muokata.
- Kaikki aineisto on julkaistu Creative Commons -lisenssillä BY 4.0.
- Speksit ja tehtävän määritykset ovat selkeää englantia.
- Speksitiedostot ovat normaaleja Word-muotoisia dokumentteja.
- Lyhenteet on listattu ja niitä käytetään systemaattisesti.
- Kryptisiä muuttujien nimiä ei ole käytetty. Lähes kaikki on toteutettu luonnollisella kielellä.
Järjestelmä on rakennettu tuottamaan japaninkielisestä lähdetekstistä englanninkielisin selityksin varustettuja sanastoja. Pienillä muutoksilla sen saa tuottamaan esimerkiksi suomalaisin selityksin varustettuja sanastoja englanninkielisestä lähdetekstistä.
Suunnitteluperiaatteita
Heti alussa oli selvää, ettei sanastoja ja muita tuotoksia ollut mielekästä toteuttaa minkään tietyn verkkopalvelun varaan. Ei siis natiivisti blogiin, kyselytyökaluun tai oppimisalustalle, vaan jakelualustasta riippumattomaan ja siirrettävään muotoon. Yksinkertainen vaihtoehto tähän oli tehdä tuotokset tiedostopohjaisiksi.
- Helppo viedä koulun käyttämälle oppimisalustalle
- Helppo arkistoida kotikoneelle, matkapuhelimeen tai koulun palvelimelle
- Tiedostot eivät saastu palvelutarjoajan mainoksista
- Luettavuus on hyvä myös mobiililaitteilla ja linkit toimivat
- docx- ja pdf-tiedostoja voi luoda ilman maksullisia ohjelmia tai verkkopalveluita
- Opettaja voi helposti lähettää oppilaalle sanastotiedoston ja tehtävänannon
- Näppärimmät oppilaat voivat luoda sanastoja itse ja lähettää niitä opettajalle
Laadin GGS:n suoraan englanniksi, sillä ajattelin sen käyttäjiksi J-rock-fanit ja japanin itseopiskelijat ympäri maailmaa. Suomessa meitä on vähän, mutta maailmalla enemmän. Työkalua ei siis kannata sitoa vain yhdelle kielialueelle. Tämän lisäksi kielimallien käyttämä perustason luonnollinen kieli on englanti. Kun tekoälylle antaa ohjeet suoraan englanniksi, sen ei tarvitse ensin kääntää niitä suomesta.
Tavoitteena oli aluksi laatia kehote, joka tuottaisi heti julkaisuvalmiin sanaston. Sellaisen, jota ei tarvitsisi ohjata eikä muotoilla manuaalisesti. Eipä käynyt aivan noin helposti. Heti ensimmäiset kokeilut osoittivat, että tekoälylle täytyy määritellä sanaston sisältö ja ulkoasu todella tarkasti. Jos tulkinnanvaraa jää, tekoäly tekee, miten parhaaksi näkee tai kyselee käyttäjältä tarkempia ohjeita.
Parhaat opit
Sanaston luominen ei olekaan kehotteessa annettava käsky, vaan enemmän määritystä, millainen sanaston pitää olla. Tämä oli kätevintä laatia erilliseen tiedostoon ja antaa kehotteen liitteenä. Hankkeen alkupuolen ongelmat keskittyivät juuri tämän GGS-määrityksen (Glossary Generation Specification) kehittämiseen, testaamiseen, vianetsintään ja tulkinnanvaraisuuden eliminoimiseen.
Kokeilut opettivat, että on parempi tyytyä maksimaalisia tavoitteita vähempään, riittävään ja kohtuulliseen tulokseen. Tämä tuli vastaan monessa kohtaa:
- Tekoälylle on parempi antaa yksi selkeä tehtävä ja kohdella sitä kuin työkalua, joka tekee yhden vaiheen isommasta kokonaisuudesta. Asioita ei ehkä kannata tehdä yhdellä jättikäskyllä alusta loppuun vaan tehtävät muodostavat työnkulun, prosessin tai tuotantoketjun.
- Tekoälyn ohjauksessa oli tärkeä löytää tasapaino määritysten ja sääntöjen määrässä, tarkkuudessa ja ehdottomuudessa. Liian paljon, liian tarkkoja ja ehdottomia sääntöjä estää tehtävän suorittamisen. Toisaalta puuttuvat tai liian väljät säännöt tuottavat vaihtelevan laatuisia tuloksia.
- Tekoäly menee helposti liian syvälle yksityiskohtiin. Yhdessä vaiheessa aiheettomia virheilmoituksia alkoi tulla esimerkiksi siitä, että sana voitiin tulkita kuuluvan kahteen eri sanaluokkaan. Esimerkiksi sana ”tulkinta” on sekä tekemistä (verbi) että tekemisen tuotos (substantiivi). Kohtuullisuus löytyi niin, että määriteltiin sanoille pehmeärajaiset luokitukset (esim. ”verbish”).
Toisinaan tekoäly epäonnistui tehtävän suorittamisessa, kun se pyrki täyteen varmuuteen sanan selityksessä. Tämä korjattiin lopulta lisäämällä laatuperiaate: ”Kun täysi varmuus on mahdotonta, käytä todennäköisintä lingvististä analyysiä ennen kuin ohitat sanan tai keskeytät tehtävän suorittamisen.”
Yksi japanilaisen estetiikan, yhteiskunnan ja päätöksenteon keskeisiä käsitteitä on wa (和). Se tarkoittaa mm. harmoniaa, rauhaa ja ryhmähenkeä. Sovelsin siitä käyttäjän ja tekoälyn tasapainoa kuvaavan termin AIwa (アイ和). Se kuvaa omien tavoitteiden sovittamista ilman konflikteja siihen, mikä on yleisesti mahdollista. Se on minusta realistinen ja käytännöllinen asenne, kun toimitaan tekoälyn kanssa.
”Tehdään, mitä voidaan sillä, mitä meillä on.”
AIwa näkyy ehkä parhaiten yhdessä projektin ratkaisevista keskusteluista. Liitän tähän transkription, jossa GGS:n ja GDV:n sääntöjä sovitetaan yhteen. Kieliopin yksityiskohtia tärkeämpää on nähdä, miten rakentava vuoropuhelu toimii kehittämisen välineenä.
convo-2026-07-13.pdf (14 s. CC BY 4.0)
Juttusarjan yhdeksännessä ja viimeisessä osassa on pieni kokeiluympäristö, minkä lisäksi puhutaan tekijänoikeuksista, hankkeen tuotoksista ja niiden jakelusta.