Tehisintellekt (TI)[1] on jõudnud Eesti haridussüsteemi. Haridusjuhid suhtuvad TI kasutamisse valdavalt positiivselt, aga vähe on toimunud avalikke ja koolide-siseseid kriitilisi arutelusid. Pilk on pigem olevikus või lähitulevikus, kaugemale ei vaadata. Ebakriitilisele suhtumisele TI kasutamisse osutavad näiteks üldhariduskoolide programm TI-Hüpe 2025 ja mitme ülikooli regulatsioonid TI kasutamise kohta õppeprotsessis. TI levikut kõrghariduses peetakse paratamatuks ja leitakse, et sellega tuleb kohaneda ning kasutada TI-d „targalt“ ja „õpipartnerina“. Seda ei võeta kui alles loomisjärgus taristut, mida saab kujundada ja kritiseerida. Need arengud tekitavad põhimõttelisi küsimusi õppeprotsessi enese eesmärgi ja TI-ga seotud laiemate probleemide kohta. Sotsiaalteadlased ja teaduse-tehnoloogia uurijad on neid probleeme uurinud aastakümneid.
Alustuseks peab arvestama, et pole olemas üht kindlat asja nagu „tehisintellekt“. Selle väljendit all võidakse mõelda väga erinevaid asju. See võib näiteks tähendada spetsiifilisel andmekogul treenitud arvutinägemissüsteemi, mida kasutatakse tervishoius röntgenipiltide tõlgendamiseks. „Tehisintellekt“ võib tähendada mõnda suurt keelemudelit (SKM, inglise k-s LLM), nagu ChatGPT, mis on treenitud peamiselt internetist kogutud, teatud juhtudel ka autoriõigustega kaitstud materjali peal. See võib tähendada mõnda väiksema jõudlusega mudelit, mille võib oma arvutisse alla laadida ja mida kasutavad peamiselt entusiastid, kes tahavad mängida mudelite kapotialusega ega taha saata oma päringuid OpenAI serveritesse või soovivad vabadust eemaldada kommertsmudelite piiranguid (peamiselt vihakõne- ja pornograafiaalaseid). TI eri tähenduste vahel on suured lõhed.
Teiseks pole olemas „tehisintellekti“, mis seisaks eraldi poliitikast, ärist, ebavõrdsusest, diskrimineerimisest ja muudest sotsiaalsetest küsimustest. Kõige populaarsemad suured keelemudelid kuuluvad USA suurkorporatsioonidele (OpenAI, Meta, Google), mida juhivad multimiljardäridest mehed, kellest paljude poliitilised vaated ja tegevused, millele nad oma ettevõtete raha kulutavad, on liberaalset demokraatiat armastavatele inimestele pigem ebasümpaatsed. Kas me ei peaks mõtlema, kelle poliitilisi huve me teenime, kui anname oma teadmustaristu mõne eraettevõtte kätte?
SKM-id tõstatavad ka küsimuse, kellel on õigus väärtusele, mida luuakse sadade tuhandete teadlaste, ajakirjanike, kunstnike ja internetifoorumite kasutajate kollektiivse loomingu najal. Sellele küsimusele pole ammendavalt vastatud, õigemini pole sel teemal peetud korralikku arutelugi, ei maailmas ega meil, Eestis. Ükski keelemudel ei saa eksisteerida ilma meie kõigi internetti salvestatud panuseta. Mida aga võlgnevad OpenAI, Meta jt SKM-ide arendajad meile nende teadmiste kaubastamise eest? See küsimus on seda aktuaalsem, et tänaseks on teada, et mitmed SKM-id on treenitud tekstikorpustel, mille kasutamiseks neil polnud luba. Markantne näide on Meta juturobot Llama, mille treenimiseks kasutati teaduskirjanduse piraatraamatukogu libgen. Meeldetuletuseks: kui Harvardi ülikooli teadur Aaron Swartz tegi MIT-i võrgu kaudu kättesaadavaks suures koguses teadusartikleid, ähvardas USA valitsus teda $1 miljonilise trahvi ja 35-aastase vabaduskaotusega. Swartz lõpetas oma elu enesetapuga.
Juba ammu enne SKM-ide turule tulekut kritiseerisid teadlased ja aktivistid „algoritmilist otsustamist“ õigussüsteemis, panganduses, reklaamis, kindlustuses ja poliitikas. Suurandmete analüüsis kohtuvad mitu probleemi: sisendandmete paratamatu kallutatus, analüüsi läbipaistmatus ja selle objektiivsuse näilisus. Algoritmilist kallutatust on uuritud näiteks meditsiinis, kus suuresti meeste andmetele (kes on uuringutes ajalooliselt üleesindatud) ehitatud mudelid on töötanud halvemini naiste terviseandmete analüüsis. Töötajate palkamisel on CV-sid analüüsivad algoritmid heitnud kõrvale tüüpiliste mustanahaliste nimedega avaldusi. Kriminaalmenetlustes kasutasid retsidiivsusriski hindavad algoritmid põhjendamatut rassilist diskrimineerimist. TI võib olla küll masin, aga tema aru on ehitatud inimeste näo järgi ja treenitud inimeste loodud andmetel koos neisse sisse kirjutatud eelduste ja eelarvamustega.
Järgnevas vestluses osalesid eri valdkondade ja ülikoolide õppejõud-teadlased: Aro Velmet õpetab ajalugu Lõuna-California Ülikoolis, Kadri Aavik sotsioloogiat Tallinna Ülikoolis, Krista Fischer matemaatilist statistikat Tartu Ülikoolis ja Oliver Laas filosoofiat Eesti Kunstiakadeemias. – Aro Velmet ja Kadri Aavik
Vikerkaar: Milline on olnud teie kogemus ja kokkupuude TI kasutamisega oma ülikoolis? Kuidas suhtuvad sellesse tudengid, kuidas kolleegid ja juhtkond?
Kadri: TI (pean silmas eelkõige suuri keelemudeleid nagu ChatGPT jms) on järk-järgult, kuid jõuliselt saanud igapäevase õppeprotsessi osaks. Minu seni kõige tugevam kokkupuude TI-ga on ühelt hiljutiselt sotsiaalteaduste valdkonna kursuselt, mille lõputööks oli tudengitel vaja kirjutada essee. Ilmnes, et mitme essee autoriks polnud tudeng ise, vaid ChatGPT või muu taoline keelemudel.
Minu hinnangul on ülikool, sh paljud õppejõud, lähenenud TI kasutamisele õppeprotsessis pigem kui tehnilisele küsimusele. Valdavalt ei esitata põhimõttelisi ja kriitilisi küsimusi selle kohta, kas õppeprotsessis peaks TI-d üldse kasutama, mida selle kasutamine laiemalt tähendab ja millised võimalikud tagajärjed sel on. Eeldaksin, eriti nendelt teadlastelt ja õppejõududelt, kelle teadusdistsipliinides on tavapärane kasutada kriitilisi perspektiive ja vaidlustada domineerivaid võimusuhteid ühiskonnas, TI-ga seotud arengute kriitilisemat mõtestamist. Selle asemel domineerib arusaam, et TI on tulnud, et jääda, ning selle vastu võitlemine on tulutu. Domineerib ka tehno-optimism. Fookus on vaid praktilisel küsimusel, kuidas TI-d õppetöös kasutada või piirata. Tallinna Ülikooli TI töörühma poolt välja töötatud juhistes on öeldud, et üliõpilased tohivad oma töödes (sh lõputöös) TI-d kasutada juhul, kui nad selgitavad, kuidas nad seda teinud on. Selline juhis annab ruumi erinevateks tõlgendusteks: siit võib välja lugeda, et üliõpilane tohib kasutada suurt keelemudelit lõputöö kirjanduse ülevaate genereerimiseks, aga kui ta selle kasutamist deklareerib, on kõik korras. Samas ei ole lubatud, et osa lõputööst kirjutab keegi teine inimene, isegi kui üliõpilane selle deklareerib. Samuti soovitab ülikool õppejõududel kasutada TI-d loengute ettevalmistamisel ja üliõpilastööde hindamisel. Selline juhis tekitab palju küsimusi teadmiste loomise ja õppejõu rolli kohta.
Krista: Statistikutena oleme TI peale mõtlema hakanud varem kui paljud teised. Näiteks oleme püüdnud aru saada, kuidas täpselt on TI defineeritud ja kus on piir TI alla kuuluva masinõppe ja statistilise analüüsi vahel. Tänapäeval nimetatakse masinõppeks ja seega TI osaks ka statistikute jaoks kõige tavalisemat regressioonanalüüsi ehk meetodit, mille abil saab ühte näitajat teiste abil prognoosida, samuti mitmeid teisi meetodeid, mis olid tuntud juba ammu enne arvutite leiutamist. Seega oleme veidi üritanud TI-d demüstifitseerida – see ei ole maagia, vaid väga tihti on selle taga teada-tuntud matemaatilised meetodid. Uus on vaid see, et meie käsutuses on väga suur arvutusvõimsus, mis on teinud võimalikuks väga suurte andmemahtude analüüsi.
Kõige populaarsemaks tehisintellekti rakenduseks on saanud suured keelemudelid, SKM-id. Nii kolleegide kui tudengite seas on palju neid, kellele on SKM-il põhinevast „assistendist“ saanud igapäevane kaaslane. Ka mina ise olen saanud neist abi tüütumat laadi ülesannete juures – näiteks tekstide tõlkimine, grammatika- ja stiilivigade parandamine. Ka Google’i otsingu asemel on kasulik pöörduda SKM-i poole, mis mitte ainult ei otsi huvipakkuva teema kohta relevantseid viiteid, vaid teeb ka lühikokkuvõtte leitud allikatest. Samas on mul SKM-ide kasutamisel ette tulnud ka pettumust, sest kohati jääb ta hätta pealtnäha lihtsate ülesannetega. Nii tundub mulle, et tudengite jaoks praktikumi või kontrolltöö ülesannete genereerimine SKM-ide abil on ajamahukam kui nende ise väljamõtlemine – TI genereeritud ülesanded on tihti vigased või väga lihtlabased ja igavad. Samuti on TI jäänud hätta ülesandega joonistada teatud objekte etteantud koguses. Need tähelepanekud kinnitavad fakti, et tegu on arendusjärgus vahendiga, mille kasutamine erialases töös eeldab kriitikameelt ja valdkonna head tundmist – mitte kõike SKM-i poolt pakutut ei saa tõena võtta.
Mis puutub TI kasutamisse õppetöös, siis näen ka siin probleeme ja väljakutseid. Palju on räägitud sellest, et plagiaadi tuvastamine on muutunud senisest keerukamaks. See pole ainuke mure. Just SKM-i ekslikkus muudab selle kasutamise õppetöös problemaatiliseks – TI abil saadud teadmised ei pruugi olla korrektsed ja õppimise faasis ei saa eeldada piisavaid erialateadmisi eristamaks tõest infot vigasest. Matemaatiliste ainete õppimise ja ülesannete lahendamise juures soovime alati toetada ka tudengite loomingulisust. Nii on ette tulnud, et tudeng pakub tuntud ülesandele täiesti uue ja originaalse, senisest optimaalsema lahenduse. Tudeng, kes pöördub lahenduse otsimiseks esmalt TI poole, näeb reeglina vaid standardset õpikulahendust.
Aro: Minu kogemus on ilmselt piiratum kui teistel. Esiteks seepärast, et USA ülikoolides on õppejõududel suured õigused õppemeetodite kujundamisel. Teiseks seepärast, et oskused ja õppevormid, mida ajalooteaduses kasutatakse, ei sobi hästi SKM-ide kasutamisega. Kolmandaks seepärast, et ajaloolased esitavad refleksiivselt täpselt selliseid küsimusi, mis TI kriitikavaba omaksvõttu raskendavad: milliseid võimusuhteid see tööriist võimendab? Millised on selle kasutamise tagajärjed ühiskonnale?
Üldiselt tähendab ajalooharidus oskust kontekstualiseerida eri tekste ajas ja ruumis, võttes arvesse, et kõik tekstid on paratamatult ebatäielikud ja nende tõlgendamine sõltub lugejast, tema kogemusest, teda huvitavatest küsimustest sama palju kui teksti enda sisust ja selle autori intentsioonist. Sestap ei sobitu TI kasutamine peaaegu üldse ajaloolaste pedagoogilise meetodiga: meid huvitab nimelt see, kuidas eri lugejad tekste erinevalt tõlgendavad: kuidas küsimused, mida me tekstile esitame, ja meetodid, millega tekste tõlgendame, sõltuvad küsija huvidest, oskustest ja taustast. SKM-e kasutades selle tõdemuseni ei jõua – ChatGPT-st saame vaid kulunud versioone juba olemasolevatest tõlgendustest ja reeglina posu faktivigu pealekauba.
Probleemiks on see, et SKM-id suudavad imiteerida kuskil hinde B–/C tasemel neid väljundeid, mida ajaloolased kasutavad tudengite arengu hindamisel – uurimuslikke esseesid. Nii et paljud tudengid, kellel on aega vähe ja laiskuse kiusatus suur, kipuvad neid ka kasutama. Need tudengid, kes tahavad päriselt oskusi omandada, saavad üldiselt aru, et SKM-id töötavad sellele pigem vastu. Sohitegemine on muutunud igavamaks ja õppejõud peavad nägema rohkem vaeva, et mõelda välja viise, kuidas harjutada kriitilist mõtlemist, kontekstualiseerimist ja tekstianalüüsi ilma SKM-idele toetumata. Nii me teeme rohkem suulisi eksameid ja aruteluringe.
Oliver: Uurimistöö tõttu hoian end TI vallas toimuvaga kursis ning aeg-ajalt katsetan uusi võimalusi. Oma töös ma ei ole TI-d kasutanud. Selleks on kolm põhjust. Esiteks, privaatsus ja turvalisus. Tuntumad generatiivse TI rakendused (ChatGPT, Midjourney) on pilveteenused, mis koguvad kasutajate andmeid. Sama teevad ka seadmetes töötavad TI agendid, nagu Microsoft 365 Copilot. Viimane on mitme puuduse tõttu ka turvarisk ja riivab kasutaja privaatsust. Teiseks, moraalsed probleemid. Kohtuvaidlused autoriõigustega kaitstud andmete loata kasutamise üle alles käivad. Siiski saab sellist teguviisi pidada moraalselt taunitavaks. Probleemne on ka SKM-ide ökoloogiline jalajälg. Kolmandaks, segane väärtuspakkumine. Erialatekstide kokkuvõtted on liialt pinnapealsed. Koos ülesande püstitamise [prompting] ja toimetamisega kulub TI abil rahuldava filosoofilise teksti loomiseks sama kaua või kauem kui selle ise kirjutamiseks.
Nagu Kadrigi, olen täheldanud generatiivse TI kasutamist tudengite poolt ja kasutamist soosivat hoiakut ülikooli poolt. Õppejõududele pakutakse TI koolitusi ja toimuvad koosõppimise päevad. Kolleegide seas leidub nii entusiastlikke kasutajaid kui ka neid, kes ei kasuta ise ja keelitavad ka tudengeid mitte kasutama. Andsin ühel kursusel valida, kas tudengid kirjutavad hinde saamiseks essee (soovi korral TI abil) või hindavad kirjalikult TI väljundit kursuse teemadel. Võib-olla oli asi halvas ülesandepüstituses, kuid pooled tudengid, häälekaimad neist humanitaarerialadelt, olid vastu TI kasutamist nõudvale ülesandele.
Kuidas sa mõtestad õppeprotsessi ülikoolis: mis on need oskused, mida tudengid peaksid sinu loengutest-seminaridest saama? Kuidas võib TI kasutamine seda protsessi mõjutada?
Aro: Küllap ühelegi kirjutamisega leiba teenivale inimesele ei pea seletama, et „kirjutamine on mõtlemine“. Essee kirjutamine on humanitaarteadustes üks keskseid harjutusi mitte seepärast, et õppejõud tahaks tingimata lugeda sadu kohmakaid tekste Prantsuse revolutsioonist, vaid seetõttu, et kirjalik eneseväljendus sunnib tudengeid oma mõtteid konkretiseerima, süstematiseerima ja täpsustama. Esseede kirjutamine nõuab ühelt poolt algallikate sünteesimist: tuleb mõista, mida konkreetne tekst öelda tahab, suuta sealt olulisem kokku võtta, suhestada see teiste tekstidega. Teisalt nõuab see omaenese mõtete täpsustamist: kirjutamine sunnib peas hõljuvaid ähmaseid-uduseid seoseid lahti kirjutama ja üle vaatama. Erinevalt suulisest kõnest on kirjalikku teksti võimalik toimetada, ümber kirjutada, halvasti haakuvaid või põhjendamata väiteid parandada.
Just see lugemise-kirjutamisega kaasas käiv mõtlemisprotsess tundub mulle ühe väärtuslikuma oskusena, mida humanitaarharidus pakub ja mille SKM-ide levik on ohtu seadnud. Kui tudengid kasutavad tekstide resümeerimiseks SKM-e, siis ei õpi nad ise tekste sünteesima ega olulist ebaolulisest eristama. Nad ei õpi esitama tekstide kohta küsimusi, mis aitaksid neid selles valikuprotsessis – ning see on töö, mida SKM-id põhimõtteliselt ei saa kunagi nende eest ära teha, sest see, mis eesmärgil üht või teist teksti kasutatakse, on lõpuks ikkagi tahtevõimeliste inimeste teha. Kui võtta aluseks tõdemus, et teksti tähendus luuakse kolmnurgas, mille otstes on tekst ise, kontekst ja lugeja, siis lugeja asendamine ChatGPT-ga ei tundu liigutusena, millega ma õppetöös tegeleda tahaksin.
Kadri: Neoliberaalse loogika tõttu nähakse järjest enam ülikooli põhiülesandena valmistada tudengeid ette täitma kohti tööturul ning õppetöö sisu kujundatakse vastavalt – fookus on üha rohkem praktilistel teadmistel ja oskustel. Kõrghariduse eesmärgid peaksid ikkagi olema laiemad ja ambitsioonikamad. Ülikooliõpingud peaksid tudengitest vormima kriitilisi ja aktiivseid kodanikke, kes praegusel kobarkriiside ajastul mitte lihtsalt ei tule toime ega kohane, vaid aitavad ka sotsiaalsele muutusele aktiivselt kaasa, et liikuda jätkusuutlikuma ja õiglasema maailma poole. See eeldab muuhulgas akadeemiliste tekstide põhjalikku lugemist ning arutelu neis leiduvate ideede üle. Neid teadmisi ei saa alati kohe omandada, vaid need vajavad n-ö settimist.
Olukorras, kus valdav enamus Eesti tudengitest käib õpingute kõrvalt tööl, pole imestada, et õppimises püüeldakse järjest suurema efektiivsuse poole (mis on ühtlasi neoliberaalse kapitalismi keskne väärtus). Siin tulebki appi TI, mis pakub tudengile võimaluse paari nupuvajutusega teha ära intellektuaalne töö, mis võtaks päevi või isegi nädalaid – näiteks teadusartiklite lugemine ja nende sünteesimine lõputöö jaoks, essee kirjutamine, õppejõu küsimustele vastamine kohustusliku kirjanduse kohta. Sellele ahvatlevale ja suurt ajasäästu pakkuvale võimalusele on neis struktuursetes tingimustes raske ei öelda. Paraku muudab TI kasutamine õppeprotsessi ning tudengitel jäävad omandamata olulised oskused, näiteks keerulistest tekstidest ise oluliste mõtete leidmine, akadeemilise kirjutamise harjutamine ning laiemalt oskus ja püsivus teha intellektuaalset tööd, mis sisaldab alati frustreerivaid hetki, kui me millestki aru ei saa või kui kirjutamine ei tule kohe välja nii, nagu me tahaksime.
Selle protsessi läbitegemine kõigi selle tüütute ja ajakulukate aspektidega on oluline, kuna nii me omandame uusi teadmisi ja kujundame oma mõtlemist. Teadmisel ja teadmisel on vahe. Näiteks sotsiaalteadustes on mitut tüüpi uurimusi – kvantitatiivsetest uurimustest on lühikokkuvõtteid teha hõlpsam, kuna nende tulemuseks on üldjuhul mingi statistiline info ning selle tõlgendus. Kui aga lasta ChatGPT-l teha lühikokkuvõte kvalitatiivsest uurimusest, mis põhineb inter-vjuudel või etnograafilisel uurimistööl, läheb kaduma uurimuse nüansirikkus, sh tsitaadid uurimuses osalejatelt. Et sellist teadmist omandada, tuleks uurimus tervikuna läbi lugeda, sest õppimine ei tähenda siin vaid faktide omandamist, vaid ka tekstiga tunnetuslikku haakumist. Kas TI tehtud ilukirjandusteose lühikokkuvõtte lugemine tähendab, et oleme raamatu läbi lugenud? Seega ma nõustun Aroga, et suurte keelemudelite kasutus pärsib vähemalt kvalitatiivses sotsiaal- ja humanitaarteaduses iseseisva mõtlemisvõime arengut. Samas võivad SKM-id siiski teatud ülesannete jaoks kõrghariduses kasulikud olla. Neist võib olla abi teadustekstide otsimisel või keeletoimetamisel. Aga tuleb kaaluda, kas võimalik kasu ületab negatiivseid mõjusid.
Krista: Minu suurem eesmärk on, et tudengid omandaksid statistilise kirjaoskuse – st oskuse teha loogilisi järeldusi ja mõistlikke otsuseid, kasutades selleks tõenäosusi ja neid sisaldavaid arvutusi ja andmepõhist infot. Samuti tähendab see oskust andmepõhiselt diskuteerida ja tuua oma argumentide kinnituseks relevantseid andmeid ja andmeanalüüsi tulemusi, mitte lasta ennast eksitada vildakatest või vildakalt esitatud või analüüsitud andmetest. Minu spetsiifika on ka põhjuslik analüüs – valdkond, mis keskendub põhjuslike seoste avastamisele ja hindamisele ning põhjusliku seose eristamisele tavalisest statistilisest korrelatsioonist. Põhjuslikkusega tegelemine sisaldab ka filosoofia elemente. Siin tuleb sügavalt lahti mõtestada see, kuidas täpselt ja millisel tasandil (üksikisik, rahvastikurühm, „terve maailm“) on põhjuslik mõju defineeritud ja kas (ning milliste andmete abil) saab seda hinnata.
Näen juba praegu, et tudengitel on minu ainetes kiusatus kasutada TI abi ülesannete lahendamisel. Ei võeta vastu väljakutset alustada ülesande lahendamist „puhtalt lehelt“, mis arendaks mõtlemist ja sisaldaks alati ka väikest loomingulisuse momenti, kui otsida võimalikult lihtsat ja ilusat lahenduskäiku. Põhjuslikkuse teemaga on veelgi keerulisem – TI võib küll tuvastada andmetes esinevaid seoseid, kuid nende põhjuslik tõlgendamine nõuab lisaks matemaatikale ka taustavaldkonna tundmist ja suure hulga eelduste läbikaalumist, mis peavad kehtima, et antud tõlgendus oleks kehtiv.
Arvan sarnaselt Kadriga, et TI kasutamine võib vähendada tudengite keele- ja kirjaoskust ehk võimet pidada akadeemilist diskussiooni, iseseisva kriitilise mõtlemise asemel usaldatakse „masinat“, mis võib aga tihti eksida. TI-st oleks õppetöös kasu, kui seda kasutataks targalt – näiteks kirjandusviidete otsimisel, aga mitte kirjanduse läbitöötamisel, kirja- ja arvutusvigade leidmisel mahukast tööst, aga mitte töö enda kirjutamisel. Ka TI produtseeritud tekstide kriitiline analüüs võib olla osa õppeprotsessist. Samas saame tudengitele vaid sellekohaseid soovitusi jagada, kuid mitte nende järgimist kontrollida. Ka meile on räägitud, et TI ajastul peaks õpetamis- ja hindamisviisid muutuma ja pikemaid kirjalikke kodutöid enam anda ei saagi, vaid nende asemele võiks tagasi tulla suuline vastamine. Loomulikult võib suuline vastamine olla kasulik, kuid siis hakkavad muljet ja hinnet paratamatult mõjutama tudengi teadmistega mitteseotud asjaolud, nagu isiksusetüüp, loomupärane enesekindlus ja võime endast „tarka“ muljet jätta.
Oliver: Filosoofia loengud ja seminarid võiksid tudengitele õpetada kriitilist mõtlemist, allikakriitikat, oskust arutleda, tekstis esitatud väiteid ning nende kasuks toodud põhjendusi tuvastada ja hinnata, leida väljaütlemata eeldusi, tuvastada ja hinnata väärtushinnanguid, analüüsida mõisteid ning avastada ja analüüsida ideedevahelisi seoseid. Kui need oskused olemas, võib TI nende rakendamist hõlbustada. Õppimise faasis võib see aga nende oskuste omandamist pärssida, sest soosib tunnetuslikku delegeerimist – ülesannete andmist välistele abivahenditele, et kahandada nende sooritamiseks vajalikku pingutust. Otsingumootoritele toetumine mõjutab mälu – sisu asemel mäletatakse, kust informatsiooni leida. Liigne toetumine generatiivsele TI-le võib halvendada analüütilise, kriitilise ja loova mõtlemisega seotud oskuste omandamist. Tunnetusliku delegeerimise kiusatus on suurem Kadri kirjeldatud struktuursetes tingimustes, kus kõrgharidusel on üha enam ainult instrumentaalne väärtus ning diplom on tööturul šansse kasvatav signaal. Positiivse poole pealt võib generatiivne TI hõlbustada tõlkimist, toimetamist, uute ideede leidmist, uurimisküsimuste sõnastamist, sokraatiliste dialoogide läbimängimist, arutluste sõnastamist ja oma teesidele vastuväidete otsimist. Sellised kasutusviisid ei tee tudengi eest tööd ära, vaid aitaksid üle esialgsetest takistustest (nn tühja lehe hirmust).
Milliseid laiemaid probleeme ja küsimusi näed seoses SKM-ide järjest laialdasema kasutusega teadusasutustes?
Kadri: Mind huvitab, kas ja kuidas hakkab TI kasutamine kaasa aitama sotsiaalsete hierarhiate ja ebavõrdsuse säilimisele ja süvendamisele ning milline on tema keskkonnamõju. SKM-id ei ole neutraalsed teadmiste genereerijad, vaid peegeldavad nende treenimiseks kasutatud andmekogude eelarvamusi. On leitud, et TI algoritmid taastoodavad soolisi stereotüüpe ja rassismi. SKM-ide lai kasutamine mitte ainult ei peegelda eelarvamusi, vaid süvendab neid ühiskonnas. Esilekerkiva teemana on hakatud rääkima TI, sh SKM-ide ökoloogilisest jalajäljest ning püütud seda mõõta – probleem, millele Oliver juba viitas. On leitud, et ka üsnagi väikeste keelemudelite treenimine kasutab suurel hulgal vett. Veel üheks murekohaks on asjaolu, et SKM-ide arendajad on peamiselt Lääne suurkorporatsioonid, mida juhivad valdavalt privilegeeritud (sh ebademokraatlike vaadetega) mehed, kes lõikavad sellest suurt rahalist kasu. Samas toetub mõne SKM-i arendamine peidetud prekaarsele tööle globaalses Lõunas, mida teevad marginaliseeritud inimesed. Seega on TI kontekstis räägitud andmekolonialismist, kus globaalse Lõuna haavatavad töötajad aitavad arendada globaalse Põhja jaoks olulisi andmekogusid, ise nende arengute viljadest ilma jäädes. Kuna levinud keelemudeleid on treenitud valdavalt anglo-ameerika kontekstist pärit ingliskeelsete andmete peal, peegeldab nende loodud tekst selle konteksti eripärasid ja eelarvamusi ning jätab kõrvale marginaliseeritud teadmised mujalt. Ühel mu kursusel oli SKM-ide genereeritud tudengite esseedes tüüpiline näha eelkõige USA kontekstis kehtivaid näiteid ja poliitikasoovitusi, mis meie kontekstis mõjuvad veidralt või kohatult. Ülikoolid peaksid nende küsimuste peale kriitilisemalt mõtlema, arvestades seda, et enamik ülikoole on seadnud eesmärgiks edendada võrdset kohtlemist ja jätkusuutlikku eluviisi.
Krista: Reaalteadlaste jaoks on keelemudelite kasutamisel palju positiivseid külgi. Teadustöö protsessis on võimalik SKM-ile usaldada rutiinseid ülesandeid nagu kirjanduseotsing, tuletuskäigust või programmijupist vigade otsimime või otseselt programmeerimine. Mitte-ingliskeelse inimese jaoks on SKM ka kasulik keelekorrektor, mis parandab mitte ainult grammatika-, vaid ka stiilivigu jne. Siiski tekivad küsimused, mida toob tulevik. Juba mõni aeg tagasi tehti katseid täielikult SKM-i genereeritud teadusartiklitega, mis läbisid ka retsenseerimissõela. Pole teada, kui palju on praeguseks juba ilmunud artikleid, mis näevad välja nagu päristeadus, kuid nii andmed kui ka tekst on tegelikult TI genereeritud. Mida aeg edasi, seda rohkem võib neid tekkida ja seda keerulisem on eristada päristeadust TI fabritseeritust. Kas lähitulevik toob olukorra, kus TI retsenseerib TI produtseeritud artikleid, mille autorite seas on need, kellel jätkub kavalust ja oskusi SKM-ile sobivate ülesannete andmisel? Sealt edasi mõeldes, ka kirjanduse ülevaade pannakse hiljem kokku just sellisest keelemudelite poolt simuleeritud teadusest ja neile toetuvad uued teadustööd võivad veelgi enam reaalsusest kõrvale kalduda.
Tulen veel kord tagasi loomingulisuse juurde. Teadust tehes võib juhtuda olukordi, kus töö kaldub algsest plaanist oluliselt kõrvale, aga seejuures avanevad uued aknad, mis võivad viia hoopis uue suunani teaduses. Et see juhtuks, on vaja inimest, kes ühe ülesande kallal töötades ei rühi pimesi ainult selle ühe eesmärgi suunas, vaid tunneb ära olukorra, mis ei aita teda võib-olla algsele eesmärgile lähemale, kuid aitab lahendada mõne teise olulise probleemi. Kui kogu tööprotsess usaldada „masinale“, siis on selliseid suunamuutusi raske ette kujutada – nii võib ehk üht-teist olulist avastamata jääda?
Aro: Viimase kolmekümne aasta arengud ajakirjanduses näitavad ilmekalt, mis juhtub, kui anda mingi osa ühiskonna teadmustaristust lihtsalt üle uutele „loovatele hävitajatele“, mõtlemata, mida see taristu ühiskonna jaoks tegema peaks ja kas uue meedia vahendid seda ka päriselt teevad. TI potentsiaal olemasoleva taristu lõhkumiseks on vähemalt sama suur kui sotsiaalmeedial ajakirjandusele ja seekord võiks neid küsimusi ka päriselt tõsiselt võtta. Tahaksin rõhutada veel üht põhimõttelist ohtu, mis kaasneb ühiskonna jaoks kriitilise tähtsusega taristu andmises Ühendriikide suurkorporatsioonidele – sest praktikas me räägime ikkagi ChatGPT ja Meta toodete kasutamisest, mitte Eesti enda avalik-õigusliku TI loomisest. Me näeme täna, kui keeruline on Euroopas tehnoloogiahiidude reguleerimine ja kui lihtsasti võivad nad oma antud lubadusi murda. Elon Muski X vilistab Euroopa vihakõnereeglitele ning võib seepärast suure trahvi saada. Meta otsustas pärast Trumpi tagasivalimist lõpetada sisukontrolli, mis ei tekkinud mitte niisama Zuckerbergi headusest, vaid seetõttu, et Facebook lasi levida postitustel, mis õhutasid Myanmaris rohingjate-vastast vägivalda. Nagu sotsiaalmeedia algoritmid, on ka kommerts-TI-d juhtivad valikud kasutajatele läbipaistmatud ja kontrollimatud, erinevalt raamatukogudest või teadusasutustest. TI rakendamine peaks olema – kindlasti igasuguses avalikus kontekstis, näiteks hariduses, aga tegelikult ka laiemalt – allutatud demokraatliku ühiskonna reeglitele, vastama kohaliku teadmustaristu vajadustele ja olema hästi reguleeritud, tagasisidestatud ja kontrollitav. Praegused kommertslahendused ei vasta neist kriteeriumidest ühelegi.
Mis puudutab TI kasutamist teaduses, siis mulle meeldib lähenemine „vali probleemi lahendamiseks sobivad tööriistad“ rohkem kui „võta oma tööriist ja mine sellega probleeme otsima“. N-ö kitsamaid keelemudeleid, TI vorme, mis on treenitud spetsiifiliste andmekogude peal konkreetsete ülesannete lahendamiseks, on digihumanitaarias kasutatud juba kaua ning nende võimed ja võimete piirid on ka üsna hästi teada. Ajalooteaduses on peamiseks väljakutseks ikkagi sobivate andmekogude leidmine, nende töötlemiseks ettevalmistamine ja kriitiline analüüsimine. See on igasuguse andmeanalüüsi kõige aeganõudvam osa, mitte vähem kui klassikaline allikaanalüüs. TI on avanud küll uusi uurimissuundi, aga mitte tingimata teinud teadustööd kiiremaks või „efektiivsemaks“ (mida iganes see ka teaduses tähendaks…)
Oliver: Lisaksin mainitule kaks potentsiaalset probleemi seoses generatiivse TI kasutamisega teadusasutustes. Esiteks, kui uurimused peaksid kinnitama TI kahjulikku mõju kriitilisele ja loovale mõtlemisele, siis võib nende tööriistade mõtlematu juurutamine kõigis haridusastmetes teha karuteene teadlaste järelkasvu koolitamisele. Näeme praegu, kuidas noorematel põlvkondadel on raskusi pikematele tekstidele keskendumisega. Seda seletatakse, kas õigustatult või mitte, sotsiaalmeedia mõjuga. Ei saa välistada, et TI mõtlematu kasutamine mõjutab analoogselt kriitilise ja loova mõtlemisega seotud oskuste omandamist. Teiseks, kaasaegses teaduses karjääri tegemiseks tuleb publitseerida mainekates ajakirjades võimalikult palju tsiteeritavaid artikleid hetkel moekatel teemadel. Kardan, et enne Krista kirjeldatud olukorda, kus TI loob artikleid TI-dele retsenseerimiseks ja lugemiseks, jõuab või on juba jõudnud kätte olukord, kus kvantitatiivsete mõõdikute järgi teadusmängus edukas olemiseks hakatakse generatiivset TI-d kasutama selleks, et publitseerida veel rohkem ja kiiremini. Pole kindel, et teadus sellest võidab.
See ei tähenda, et TI-st poleks teaduses kasu. Üheks näiteks paljude seast on TI pildituvastuse kasutamine korallrahude seireks. Kui artiklite kiiremini kirjutamine, toimetamine ja informatsiooni otsimine (milleks SKM-id mõningatel hinnangutel küll praegu veel hästi ei sobi) kõrvale jätta, siis pakuvad SKM-id humanitaarias ka uusi ning tõhusamaid võimalusi andmete analüüsiks.
Mis rolli võiksid ülikoolid ja teadlased mängida TI kasutamise reguleerimisel ühiskonnas laiemalt?
Kadri: Nad võiksid algatada ja edasi viia arutelusid TI kasutamise ja võimalike tagajärgede üle nii hariduses kui ka muudes valdkondades, tõstatades muuhulgas selliseid küsimusi, nagu siin arutelus. Paraku on ka ülikoolid TI seni pigem entusiastlikult omaks võtnud. Tahaksin näha ka kriitilisi debatte riigi ja erasektori koostöös aset leidva TI-hüppe programmi üle, mida on seni avalikkusele esitletud vaid ülivõrdes ning selgelt neoliberalistlikus ja tehnooptimistlikus võtmes. TI-hüppe ametlikult kodulehelt selgub, et TI ulatuslik kasutuselevõtt Eesti koolides on „uus peatükk e-Eesti arengus“ ning „alus eestlaste ja Eesti majanduse rahvusvahelise läbilöögivõime kasvuks“ jne. Seejuures toetub see programm USA tehnoloogiahiidude toodetele, mille problemaatilisust Aro juba kirjeldas. Kindlasti peaksid sellised arutelud olema kontekstitundlikud. Nagu juba mainiti, me ei saa rääkida lihtsalt TI-st, vaid tuleb eristada eri TI-sid ja nende funktsioone. Arutelust koorus välja ka see, et eri teadusharudes võivad ja saavad üliõpilased ja teadlased kasutada TI-d väga erineval viisil.
Krista: TI on tulnud, et jääda – seda ei saa keegi eitada. Samas pole kindel, et ühiskond on valmis sellega koos elamiseks ja et osatakse näha ette kõiki võimalikke tagajärgi. Just teadlased võiksid toetada tasakaalukat ja laiapõhjalist arutelu, kus kaalutakse põhjalikult nii TI laialdase juurutamisega kaasnevaid plusse ja miinuseid, sh võimalikke negatiivseid tagajärgi haridusele, sotsiaalsfäärile (nt TI-põhised kaaslased asendamas inimsuhteid), keskkonnale (energiamahukus) jne. Teadlase roll on kasutada ja propageerida teaduslikku lähenemist kogu problemaatikale, sh riskianalüüsile. Nagu muudes valdkondades, võiks ka siin just teadlased olla sammukese teistest eespool, üritades prognoosida võimalikke arengustsenaariume ka pikemas perspektiivis.
Aro: TI kasutamine ühiskonnas on just selline „nurjatu probleem“, mis vajab paljude eri valdkondade koostööd, mitte haibimasinaga kaasasõitmist. Pedagoogid, keskkonnateadlased, kriitilised tehnoloogiauurijad, majandusteadlased, sotsioloogid võiksid koostöös läbi mõelda esiteks selle, kas meile ei müüda järjekordset õhulossi, ja teiseks, kuidas kasutada TI-d, et olulisi ühiskondlikke institutsioone (ringhäälingut, haridussüsteemi jne) tugevdada, mitte nõrgendada. See arutelu peaks toimuma ühiskonnas laiemalt, mitte ainult kuskil TI-hüppe rühma sees või ülikoolide koosolekulaudade taga. Alustada otsusest, et juturoboteid tuleb anda kõigile, palju ja tasuta ja eks pärast vaatame, mis tagajärjed on, tundub just täpselt vale viis, kuidas selle transformatiivse küsimusega tegeleda.
[1] Kasutame järgnevas väljendi „artificial intelligence“ vastena „tehisintellekti“. „Intellekt“ tähistab infotehnoloogia vallas midagi kvantitatiivselt, testidega mõõdetavat. Sõnal „tehisaru“ on „arusaamise“ konnotatsioon, mis on eksitav, sest SKM-ide puhul saame arusaamisest rääkida ainult teatud pragmatistlike keelefilosoofiliste ja biheivioristlike vaimufilosoofiliste eelduste valguses. „Arusaamine“ või „mõistmine“ ei tähista midagi kvantitatiivselt mõõdetavat. Sõna „tehisaru“ kasutamine võib süvendada juba levivat segadust, mille kohaselt mõnele kasutajale tundub, et nt ChatGPT „saab neist aru“, sest vastab nende küsimustele jne. Segadus tuleb sellest, et inimestena me omistame meile arusaadavatele märkidele tähenduse ning nende allikale ka siseelu või intentsionaalsuse. – Oliver Laas.
