Tehtävälinjainen vs. Ihmislinjainen: Miksi tekoälyn seuraavan mittapuun tulisi olla me

Joka muutaman kuukauden välein uusi malli saapuu ja sekoittaa AI‑tulostauluja. Stanfordin 2026 AI Index Report -raportin mukaan huippumallit saavuttivat noin 30 prosenttiyksikköä yhden vuoden aikana Humanity’s Last Exam -testissä, joka on erityisesti suunniteltu vaikeaksi tekoälylle. Hyppyjä, jotka aikoinaan veivät vuosia, tapahtuu nyt kuukausien sisällä, ja ala pitää jokaista uutta huippupistettä todisteena siitä, että tekoäly kehittyy.

En kiistä edistystä. Nämä järjestelmät ovat vaikuttavia siinä, mihin ne on rakennettu. Olen kuitenkin työskennellyt lähes kahden vuosikymmenen ajan psykologiassa ennen siirtymistäni tekoälyyn, ja palaan yhä samaan kysymykseen, johon mikään näistä mittareista ei vastaa. Mihin tarkalleen ottaen mallit tulevat paremmiksi, ja kenelle? Malli voi hallita kaikki tarkkuuspohjaiset tulostaulut, mutta silti jättää sen käyttäjän huonompaan asemaan joillakin alueilla. Testiä, joka mittaisi tekoälyn vaikutusta käyttäjiin, ei ole, ja siihen tulisi kiinnittää enemmän huomiota.

Kaksi erilaista linjausta

AI‑ala puhuu linjauksesta jatkuvasti, mutta keskustelu keskittyy yleensä siihen, noudattaako malli ohjeita tarkasti vai tuottaako se haitallista sisältöä. Tämä on tehtävälinjaista tekoälyä. Se on optimoitu suorittamaan edessä oleva pyyntö oikein ja tehokkaasti.

Kuitenkin on olemassa toinen tapa lähestyä linjausta ja suojella ihmisiä. Ihmislinjainen tekoäly arvioi, mitä vuorovaikutus tekee näytön toisen puolella olevalle henkilölle sen päätyttyä. Jäivätkö he pois kävelemään kykenevämpinä käsittelemään seuraavaa vaikeaa päätöstä itse, vai luottavatko he enemmän järjestelmään sen hoitamisessa? Kun tehtävälinjaus mittaa tuotosta, ihmisen linjaus mittaa jälkivaikutusta.

Nämä kaksi tavoitetta eivät aina ole ristiriidassa. Malli, joka antaa nopean ja tarkan vastauksen tekniseen kysymykseen, palvelee molempia. Kuitenkin kun kysymykseen ei ole yhtä oikeaa vastausta, linjausten erot käyvät selväksi.

Mitä tulostaulut eivät näytä

Alan eniten siteeratut vertailuarvot testaavat esimerkiksi kilpailumatematiikkaa ja koko koodivaraston mittakaavan koodaustehtäviä. Ne ovat arvokkaita taitoja, mutta jokaisella kysymyksellä on oikea vastaus, ja mallit on rakennettu löytämään se.

Tämä toimii hyvin objektiivisissa ongelmissa, mutta ihmiset käyttävät tekoälyä muuhunkin kuin matematiikkaan, koodaukseen ja perustutkimukseen. He kysyvät urapolkujaan koskevia kysymyksiä ja käyvät läpi vaikeita keskusteluja kumppaneidensa kanssa. Testiä, joka arvioisi mallin suoriutumista näistä kysymyksistä, ei ole, koska objektiivista totuutta, johon vastausta voisi verrata, ei ole. Oleellinen tieto on kysyjän sisällä. Mitä tarkkaankin kehotus on, malli ei pääse siihen käsiksi.

Vastuullinen tekoäly täyttää osan näiden vertailuarvojen jättämästä aukosta, mutta jopa se pyrkii vain vähentämään haittaa sen sijaan, että se parantaisi ihmisten ajattelua. Nykyiset turvallisuustoimenpiteet on suunnattu estämään mallia auttamasta vaarallisessa toiminnassa. Ne eivät ota huomioon, että tuhannet tavalliset keskustelut, jotka läpäisevät jokaisen turvallisuustarkastuksen, saattavat myös opettaa ihmisiä luottamaan vähemmän omaan harkintaansa.

Miten mallit luovat riippuvuutta

Jokainen testaamani malli pyrkii olemaan kattava, nopea ja itsevarma. Sitä heitä palkitaan koulutuksen aikana, ja se on oikea vaisto esimerkiksi rikkinäisen ohjelmistokokoonpanon tai oikeudellisen määräaikaan käsittelyn yhteydessä. Kun päätös riippuu jonkun arvostuksista ja historiasta, sama vaisto voi alkaa toimia käyttäjän haitaksi.

Tutkimus on jo paljastanut, että tämä on enemmän kuin hypoteesi. OpenAI ja MIT Media Lab toteuttivat kaksi tutkimusta ChatGPT:n affektiivisesta käytöstä ja havaitsivat, että ihmiset, jotka näkivät tekoälyn ystävänä ja käyttivät sitä pidempiä aikoja, raportoivat negatiivisempia seurauksia, kuten lisääntynyttä yksinäisyyttä ja tunneperäistä riippuvuutta – ilmiö, jonka MIT Technology Review on myös käsitellyt. Erillisenä vuoden 2025 tutkimus julkaistuna lehdessä Societies löysi merkittävän negatiivisen korrelaation säännöllisen tekoälytyökalujen käytön ja kriittisen ajattelun pisteiden välillä. Tämä ilmiö selittyi niin sanotulla kognitiivisella ulkoistamisella, eli taipumuksella siirtää mielentyö tehtäväksi työkalulle sen sijaan, että tekisi sen itse.

Tämä ei tarkoita, että ihmisten tulisi käyttää tekoälyä vähemmän. Sen sijaan meidän on ymmärrettävä, että kun järjestelmä ratkaisee jokaisen kysymyksen samalla tavalla, jotain subjektiiviselta puolelta katoaa, eikä juuri kukaan tällä hetkellä seuraa tätä menetystä.

Anna suoriin vastauksiin ansaitsema kohtelu

Haluan olla selvä siitä, milloin tehtävälinjainen tekoäly on oikea valinta, sillä tämän kirjoituksen tarkoitus ei ole puolustaa mallia, joka väistyy kaikesta. Jos joku kysyy palvelinvirheestä tai veroilmoituksen määräajasta, nopea, suora ja auktoriteettinen vastaus palvelee häntä hyvin. Olisi epäkäytännöllistä, jos tekoäly vastaisi avoimeen kysymykseen. Ongelma ilmenee, kun sovellamme samaa vaistoa avioeron painottamiseen liittyvään kehotteeseen samalla tavalla kuin koodin virheenkorjaukseen.

Mitä meidän tulisi sen sijaan mitata

Jos ala haluaa käsitellä sekä ihmisen- että tehtävälinjaista tekoälyä, meidän on lisättävä muutama laatu tarkkuuden ja päättelyn syvyyden ohella seuraavien arviointikierrosten yhteydessä.

Hilltyys. Kyky tunnistaa hetki, jolloin kysymyksen ratkaiseminen käyttäjälle aiheuttaa enemmän haittaa kuin hyötyä, ja pidättäytyä sen mukaisesti.

Kalibroitu kysymysten esittäminen. Kysymysten esittäminen sen sijaan, että vain kerrottaisiin, kun ongelma on subjektiivinen tai sidoksissa jonkun identiteettiin ja arvoihin eikä faktapohjaiseen tietokantaan.

Tilanteen lukeminen. Kyky erottaa pyyntö, joka vaatii suoran, kattavan vastauksen, siitä, joka tarvitsee tilaa henkilölle käsitellä asia itse.

Albert Banduran vuosikymmeniä vanha itseluottamustutkimus osoitti, että ihmiset rakentavat luottamusta omien hallintakokemusten kautta, ei katsomalla toisen tai jonkin muun ratkaisevan ongelman heidän puolestaan. Tämä periaate on vanhempi kuin tekoäly puoleksi vuosisadaksi, ja sen tulisi sisällyttää teknologian suunnitteluun ja arviointiin.

Mitä edistys seuraavaksi tarkoittaa

Tämä ei tarkoita teknisen edistyksen hidastamista. Juhlistan koodaus- ja päättelykyvyn kasvua. Mutta pistetaulu, joka perustuu pelkästään tehtävän suorittamiseen, kertoo meille, että tekoäly muuttuu älykkäämmäksi. Se ei kerro meille, paranevatko sen käyttäjät itse ajattelussa.

Haluaisin nähdä muutoksen. Kun nämä järjestelmät tulevat kykenevämmiksi, niiden käyttäjienkin tulisi kehittyä. Olemme todistaneet, että tekoäly voi ylittää meidät testissä. Seuraavan testin tulisi arvioida, voiko se auttaa meitä ajattelemaan paremmin pitkään keskustelun päätyttyä.