’Tutkimuspaperien DDoS-hyökkäys’, joka tulvii tieteellistä tutkimusta

Generatiiviset AI-mallit, kuten ChatGPT, tulvivat nyt akateemisia julkaisualustoja AI-luotuisilla tutkimuspaperilla, joiden määrä on tekemässä signaali-melun suhteen kriittiseksi. Uuden tutkimuksen mukaan tämä tulva ylikuormittaa tutkijoita, vääristää viittauksia ja kuluttaa luottamusta tieteelliseen kirjallisuuteen, vertaamalla AI-tukea paperien tulvaa “DDoS-hyökkäykseksi” itse tieteeseen.

(Osaan) mielipide  Viime viikolla, ensimmäistä kertaa seitsemän vuoden ajan, jolloin olen pysynyt ajan tasalla tieteellisen kirjallisuuden virtauksessa, joka liittyy AI:hin, minun oli myönnettävä tappio ja tunnustettava, että vähintäänkin huipputunteina minun on valittava joko pysyminen kärryillä tärkeiden uusien julkaisujen kanssa tai minun on jätettävä aikaa kirjoittaa joistakin niistä.

Yksittäisten relevanttien kategorioiden (tietokoneen näkö, koneoppiminen, kielen mallit ja muutamia vähemmän tilattuja osioita) yhteensä oli yli tuhat – vain yhden päivän julkaisujen osalta.

Tällaisessa tilanteessa olisi jopa turha yrittää lukea kaikkia uusia otsikoita ja satunnaisesti nauttia joistakin tiivistelmistä, mikä tekisi päivästä tuottamattoman.

Tämä oli tiistai 7. lokakuuta. Vertailun vuoksi, koneoppimisen kategoriassa tämä tiistai (14. lokakuuta) tarjosi julkaisumäärän, joka oli hieman vähäisempi kuin edellisen viikon tiistain 400 julkaisua; siinä oli vain 354 julkaisua:

354 julkaisua koneoppimisen kategoriassa yhdessä päivässä. Lähde: https://arxiv.org/

Sinun pitäisi olla lukenut Arxivia joka päivä useita vuosia, jotta ymmärtäisit, kuinka hullunkurisia nämä luvut ovat.

Todettavasti tiistai on Arxivin “ruuhka-aika” julkaisujen osalta, ehkä siksi, että se on ensimmäinen työpäivä, joka on kaukana pitkistä viikonloppuisista, joita vaikuttavat ihmiset toivovat tavoittavansa; ja koneoppimisen kategoria on “kaikki kattava” osio, jolla on vähemmän ainutlaatuisia papereita (papereita, jotka eivät ole julkaistu samanaikaisesti erikoistuneemmissa kanavissa) kuin useimmissa muissa kategorioissa.

Kuitenkin julkaisujen määrän kasvu on jo huomattu ilmiö akateemisessa maailmassa ja mediassa.

Ehkä hämmästyttävin asia tämän kasvun nopeutumisessa on, että kaikki muut lähellä olevat kategoriat ovat suhteellisen muuttumattomia taajuuksillaan viimeisen kolmen vuoden ajan, kun taas tietojenkäsittelykategoria (katso, voitko löytää sen Arxivin virallisista luvuissa alla) on jyrkässä nousussa:

Tietojenkäsittelypaperien määrän kasvu viimeisen kolmen vuoden ajan. Lähde: https://info.arxiv.org/about/reports/submission_category_by_year.html

Vajaa kolme vuotta sitten Arxivin AI-julkaisujen määrä arvioitiin kasvavan joka muutama vuosi; ja olisi mielenkiintoista lukea Arxivin oman vuosittaisen trendiraportin lopussa vuonna 2025.

Äärimmäinen määrä

Kaksi ilmeisintä syytä tähän ilmiöön ovat a) ennennäkemätön rahoitus generatiiviseen AI:hin on houkutellut massiivisia tutkimussijoituksia sekä yksityiselle että akateemiselle sektorille, jotka usein tekevät yhteistyötä; ja b) se, että AI-kielimallit, kuten ChatGPT, tekevät tutkimuspaperien julkaisemisesta (mukaan lukien AI:sta kertovien paperien) melkein teollisen prosessin.

Kuitenkin tutkimuksen laatu ei kasva samassa tahdissa kuin määrä (vaikka AI:n virhealtis tuotanto tekee enemmän otsikoita oikeudellisessa kuin akateemisessa sektorissa, ei vähiten siksi, että seuraukset ovat siellä ilmeisempiä).

Nollatoleranssipolitiikka on vaikea toteuttaa tässä tapauksessa, vaikka AI-luotuisen sisällön tunnistaminen olisi helpompaa; paitsi siitä, että AI itsessään on ilmeinen hyöty tieteelliselle tutkimukselle yleensä, sen käyttäminen tutkimuspaperien julkaisemisessa on yleensä *parantanut työn selkeyttä monien ei-englanninkielisten lähettäjien työtä – yksilöitä ja ryhmiä, jotka ovat toimineet tähän asti huonoissa olosuhteissa.

Ongelma on, että kielen esteen alentaminen tällä tavoin myös lisää julkaisujen määrää ilman, että lisätään inhimillistä valvontaa, joka antaa arvoa tälle työlle.

Jos julkaisujen määrä jatkuu eksponentiaalisesti, signaali-melun suhde tulee olemaan niin hallitsematon, että vain AI itse voisi mahdollisesti navigoida uusissa tulvissa ja sivujokissa AI-papereista; tehtävä, johon se ei ole enempää soveltuva kuin oman tuotantonsa tarkistaminen. Ironisesti, tieteellinen tutkimus on intensiivisesti inhimillinen pyrkimys.

Hyökkäys tutkimusta vastaan

Tämän pohtinnan aiheena on mielenkiintoinen uusi yhteistyö Kiinasta, joka on nimeltään Lopeta DDoS-hyökkäys tutkimusyhteisöön AI-luotuisilla tutkimuspaperilla.

Tämä uusi asema paperi keskittyy nimenomaan tutkimus julkaisuihin – korkean vaivannäön kokoelmiin tiettyjen tutkimuksen suuntien osalta, jotka ovat perinteisesti sekä luetelleet että kontekstualisoineet, tulkinnut trendejä ja tehneet perusteltuja ennusteita:

Vain pieni osa laajasta ja jatkuvasti kasvavasta tutkimuksen kirjallisuudesta, joka liittyy koneoppimiseen ja AI:hin, arXiv.orgissa

Koska tutkimukset kuratoivat eivätkä luo, ne ovat poikkeuksellisen helppoja automatisoida AI:lla, ja uuden työn tekijät kuvaavat AI-luotuisen tutkimuksen leviämistä turvakuumina tutkimussektorille^†:

‘[Viimeaikainen] AI-luotuisen tutkimuksen äkkiäinen kasvu, erityisesti suurten kielen mallien (LLM) kautta, on muuttanut tämän perinteisesti työlään genre:n matalan vaivannäön, suuren tuotannon. Vaikka tällainen automaatio alentaa kynnystä, se esittää myös kriittisen uhan: ilmiön, jonka kutsumme “tutkimuspaperin DDoS-hyökkäykseksi” tutkimusyhteisölle.

‘Tämä viittaa hallitsemattomaan AI-luotuisen, usein pintapuolisen, matalan laadun tai jopa “hallusinoiden” tutkimusmanuskriptien leviämiseen, joka tulvii esijulkaisualustoja, ylikuormittaa tutkijoita ja kuluttaa luottamusta tieteelliseen kirjallisuuteen.

‘[Me] väitämme, että meidän on lopettava lataamasta massiivisia määriä AI-luotuisia tutkimuspaperia (ts. tutkimuspaperin DDoS-hyökkäys) tutkimusyhteisöön, asettamalla voimakkaita normeja AI-tukea kirjoittamiseen.’

Tekijät väittävät, että tämä rajoittamaton tutkimuksen tuotannon kiihdytys uhkaa upottaa tutkimusympäristön kiillotetuilla raporteilla, jotka puuttuvat kriittisestä syvyydestä ja jotka ovat todennäköisesti lisäämässä faktatietojen virheitä ja / tai hallusinoiden viittauksia.

Paperi varoittaa, että ilman parempia sääntöjä tai valvontaa AI-luotuiset tutkimukset voivat muuttua pintapuolisiksi kopioksi, jotka väärin esittävät, mitkä aiheet ovat tärkeitä, piilottavat merkityksellisen analyysin ja tekevät kirjallisuuskatsaukset vähemmän luotettaviksi:

‘Tutkimuksen laadun ja luotettavuuden vaikutukset ovat syvät. Ensinnäkin, aitoja edistysaskelia vaarantaa algorithmisesti generoitu uudelleenjulkaiseminen olemassa olevasta työstä.

‘Uudet tulokkaat ja monitieteiset tutkijat voivat kamppailla luotettavien yleiskatsausten löytämisessä melun seasta. Lisäksi virheet tai harhat, jotka syntyvät automaattisesta luonnosta, voivat leviä tarkistamattomasti ja istuttaa myöhemmän tutkimuksen virheellisillä oletuksilla.

‘Yhteenvetona, esijulkaisujen AI-luotuisen tutkimuksen tulva vaarantaa sekä kirjallisuuskatsausten tarkkuuden että tieteellisen kirjallisuuden uskottavuuden.’

‘Epätavalliset’ tekijät

Tutkijat esittävät uudessa paperissaan mielenkiintoisia analyysejä tutkimusjulkaisujen kehityksestä:

Vasen: tietojenkäsittelytutkimuksen vuosittainen määrä vuosina 2020-2024. Keskellä: AI-luotuisuuspisteet samalle ajalle. Oikea: epätavallisten tekijöiden määrä (niillä, joilla on epätavallinen korkea tutkimusmäärä, vähäinen yhteistyön monimuotoisuus ja toistuvat institutionaaliset mallit) joka vuosi. Kaikki kolme suuntausta osoittavat jyrkkää kasvua vuodesta 2023 alkaen, jolloin ChatGPT ja muut suuret kielen mallit julkaistiin.

Ensimmäisessä sarakkeessa näemme kasvutrendejä: käyrä alkaa jyrkkenevä vuonna 2022, juuri kun ChatGPT ilmestyi ja suuret kielen mallit alkoivat tulla suosituiksi, ja seuraavat mallit, kuten Claude, PaLM ja Gemini pitävät tuon momentum yllä koko vuoden 2023 ajan.

Keskipalkka osoittaa jyrkkään nousuun julkaisujen määrässä vuoden 2022 jälkeen, jolloin ChatGPT julkaistiin. Yksi tutkimusryhmä löysi, että vuoteen 2024 mennessä yli 10 % tieteellisistä tiivistelmistä oli käynyt LLM:n läpi. Erillinen raportti AI-havaintofirmalta asetti ChatGPT-jumpin 72 %:iin arXiv-papereista, joissa saattaa olla AI:n avustusta. Paperien määrä, joilla on korkea AI-luotuisuuspiste, kaksinkertaistui vuodessa, 3,6 %:sta 6,2 %:iin.

Oikeanpuoleinen kaavio osoittaa tasaisen kasvun “epätavallisten” tekijöiden määrässä (tutkijoilla, jotka lähettävät kolme tai useampia tutkimuksia kuukaudessa ja työskentelevät vähemmän kuin kahden yhteistyökumppanin kanssa), jyrkkä kasvu alkaa vuonna 2022.

Tekijät väittävät, että monet näistä tutkimuspaperista on saatettu laatia AI:lla, monista syistä; jotkut on kirjoitettu yksin tai pienillä ryhmillä, jotka lähettävät useita tutkimuksia lyhyen ajan kuluessa; monet kattavat aiheita, joilla ei ole yhteyttä; ja joissakin tapauksissa tekijöillä ei ole aiempaa rekisteröintiä aiheissa, joita he kokoavat.

Lisäksi jotkut on julkaistu nimettöminä kokoelmina, joilla ei ole selkeää institutionaalista yhteyttä – mallit, jotka viittaavat koordinoituun tulvaan alaa nopeilla tutkimuksilla, mahdollisesti viittauksia tai akateemisia profiileja varten, eikä oikeasti tehdäkseen todellista panosta kirjallisuuteen.

Ongelmat

Vaikka emme voi käsitellä uuden paperin kaikkia väitteitä, meidän on tarkasteltava joitakin merkittävimmistä havainnoista sekä kriittinen silmä uusien paperien ehdotettuihin ratkaisuihin.

Laatu ja alkuperäisyys

Ongelma ei ole vain määrä: monet AI-kirjoitetut tutkimukset ohittavat, mitä tekee hyvästä tutkimuksesta hyödyllisen: selkeä rakenne, syvä analyysi, oikea ja huolellinen kunnioitus ja aito oivallus. Sen sijaan paperi ehdottaa, että AI-luotuiset tutkimukset usein lukeutuvat yhteen koottuina tiivistelminä, joissa ei ole vaadittua huolellisuutta tai kuraattorin osallistumista.

Tekijät huomauttavat, että AI-kirjoitetut tutkimukset usein puuttuvat rakenteeltaan, vaan lukevat yksinkertaisesti paperit ilman selkeää suuntaa, ohittavat tärkeitä osioita ja eivät luo kontekstia. Ihmisten kirjoittamat tutkimukset sen sijaan pyrkivät perustamaan oikeat luokat ja kertomaan ymmärrettävämmän tarinan.

Lisäksi monet mahdollisesti AI-tukea saaneista tutkimuksista näyttävät kopioivan olemassa olevia aiheiden jakoa, usein suoraan Wikipediasta. Esimerkiksi paperi toteaa, että useat tutkimukset Näkemisen muodonmuutoksista sisältävät yhteisiä osiotitleja ja rakennetta, paljastaen AI:n mallinnetun tulosteen:

‘Toisaalta, hyvin kirjoitettu ihmisten tekemä tutkimus saattaa esittää uuden taksonomian, esim. luokittelemalla ViT: n tehokkuusstrategioita. AI-luotuisissa tutkimuksissa esiintyvän alkuperäisen rakenteen puute herättää epäilyjä, että ne on saatettu generoida AI:lla, jolla on rajallinen inhimillinen oivallus.’

Älä lainaa minua

Ehkä julkisesti noloimmassa AI-kirjoitetut tutkimukset usein virheelliset viittaukset, puuttuvat tärkeät paperit, sisältäen epäolennaiset paperit, ja joskus jopa luettelevat olemattomia papereita – virheitä, jotka viittaavat siihen, että viittaukset ovat peräisin pintapuolisesta mallinnuksesta eikä aidosta asiantuntijuudesta.

Tekijät huomauttavat myös, että jotkut viimeaikaiset tutkimukset, usein eri ryhmiltä, jakavat jopa 70 % viittausten luettelostaan – yhteys, joka on niin korkea, että se viittaa jaettuun riippuvuuteen LLM:stä, joka ampuu samasta kapeasta lähdeaineistosta.

Todellakin, ChatGPT:n satunnaiset käyttäjät tietävät, että mitä epätavallisempi aihe on, sitä vähemmän monimuotoisia lähteitä on mallille yleistää; usein on hyödyllisempää etsiä mallin omat rajatut lähteet verkosta kuin yrittää käsitellä tietoa AI:n kautta, jolla ei ole riittävästi tietoa tietyssä alueessa.

‘Homogeeninen tyyli’ nousee

Tekijät huomauttavat myös, että monet AI-kirjoitetut tutkimukset samasta aiheesta näyttävät ja kuulostavat melkein samanlaisilta, koska LLM:t uudelleenkyttöivät fraaseja ja rakennetta, erityisesti suosittujen aiheiden osalta, mikä johtaa virtanaan melkein identtisiä papereita, jotka eivät lisää arvoa ja jotka myös lisäävät merkittävästi melua tutkijoille, jotka etsivät aihealueiden vastauksia*:

‘Kun useat tekijät pyytävät LLM:ää “kirjoittamaan kirjallisuuskatsauksen X:stä”, malli usein tuottaa erittäin samanlaisia vastauksia, erityisesti yleisten määritelmien tai hyvin tunnettujen tosiasioiden osalta. Viimeaikainen tutkimus on osoittanut terävän nousun tiettyjen kirjoitustyylien käytössä, jotka liittyvät LLM:ään, mikä viittaa siihen, että monet paperit jakavat saman tyylin.’

ChatGPT on näkyvissä

Paperi toteaa, että nopea tapa paikallistaa AI-kirjoitetut tutkimukset on läsnäolo fraaseja, kuten ‘AI-kielimalli‘ tai ‘tietämykseni katkeama‘, mikä viittaa vähäiseen tai jopa nollaan kuraattorin osallistumiseen kielen mallien tuotoksesta ennen paperin julkaisemista (vaikka kohdistettu haku kirjoitushetkellä ei paljastanut tällaisia merkkejä Google-haussa).

Paperi toteaa, että monet “epäilyttävät” tutkimukset näyttävät alempaa sana- ja lausevaihtelua ja toistuvaa fraasien toistoa, esimerkiksi aloittamalla useita kappaleita Lisäksi. Tällainen malli, jonka tekijät ehdottavat, on tyypillinen GPT-tyylinen kirjoittaminen, ja se voisi olla hyödyllinen lippu automaattisen tekstin havaitsemiseksi.

(Minun henkilökohtainen kommentti tähän on, että verkkotoimittajan tiukat rajoitukset vaativat usein kirjoittajaa luetella useita kohtia proosamuodossa, ilman tyyliä. Siksi ChatGPT ja sen kaltaiset ovat todennäköisesti oppineet tämän huonon tapansa ihmisiltä, jotka kohtasivat rajatun määrän sanallisia vaihtoehtoja. Lisäksi tekijöiden oletus osoittaa, että he osallistuvat AI-sisällön havaitsemisen periaatteisiin, joka on monimutkainen ja kehittyvä ala, jolla on vain vähän kestäviä vakavuuksia, joita tekijät ehdottavat)

Vaikka tutkijat jatkavat mielenkiintoista keskustelua AI-tutkimuksen negatiivisista vaikutuksista tutkimuskulttuuriin ja luottamukseen, meidän on viitattava alkuperäiseen paperiin syvemmän analyysin vuoksi.

Ratkaisuja?

Paperin ratkaisu on mielenkiintoinen, radikaali ja samalla outoa epäalkuperäinen: tutkimuspaperien hyödyllisyys on korvattava dynaamisella elävällä tutkimuksella – tulkinnassa, jossa on yhdistetty Wiki ja GitHub-sivu, jota jatkuvasti syötetään uusilla tiedoilla LLM:stä ja muista AI-järjestelmistä, mutta johon tehdään muutoksia vain ihmisillä, jotta AI ei voi “automaattisesti” julkaista päivityksiä.

Ehdotettu järjestelmä jakaisi GitHubin versioinnin ja haarautumisen, käytännössä muuttaen tietovarannon jatkuvasti päivitettäväksi luetteloksi, samanlaiseksi kuin ‘ihana ‘ luettelointi GitHubissa:

‘Tässä kehyksessä yhteisön jäsen perustaa ensin tutkimusaiheen wikin määrittelemällä laajuuden, tärkeät tutkimuskysymykset ja merkittävät viittaukset, jotka asettavat selkeän teemallisen rajan ja alkuperäisen rakenteen.

‘Sen jälkeen LLM-pohjainen injektioagentti seuraa jatkuvasti esijulkaisuarkistoja, konferenssijulkaisuja ja benchmark-johtoja. Se poimii automaattisesti tiivistelmiä, kaavioita ja avain-suoritusmetriikkaa; syntetisoi lyhyitä yhteenvedon uusista tuloksista; päivittää viittauskaavion heijastamaan välistä tutkimussuhdetta; ja merkitsee nousevia tutkimussuuntauksia tarkastelua varten.

‘Suunnitelman mukaan nämä automaattiset päivitykset tapahtuvat julkaisun jälkeen muutamassa tunnissa, varmistamalla, että varasto on ajan tasalla.’

‘Ihmiskonttribuuttorit astuvat sitten sisään tarjoamaan tulkinnallista syvyyttä, jota koneet yksin eivät voi tarjota. He jalostavat kehittyviä taksonomioita pyydystääkseen hienot metodologiset erot eri alaryhmissä, koordinoivat ristiriitaisia tulkintoja algoritmisen innovaation eri osa-alueilla ja tarjoavat syvempiä kriittisiä vertailuja asiakirjaan.’

Kirjan muutokset

Tekijät esittävät tämän ehdotuksen innostuneesti ja yksityiskohtaisesti, ja perustavat sen jossain määrin tosiasiaan, että korkean vaivannäön ihmisten kirjoittamat tutkimukset herkkien aiheiden osalta, kuten AI, vanhenevat nopeasti; ja paperi toteaa, että kolmen kuukauden kääntöaika uudelle tutkimuspaperille tarkoittaa, että se on todennäköisesti vanhentunut (tai jopa vakavasti vanhentunut) sen suunnitellun julkaisupäivänä:

‘Vuosi vuodelta yhteisöt tulvivat toistuvilla tai pintapuolisilla yleiskatsauksilla, jotka nopeasti menettävät merkityksensä, jättäen käytännön soveltajat ja tulokkaat kamppailemaan erottamaan signaalin melusta. Perinteinen julkaisujakso (ts. Luonnos, lähettäminen, tarkastus ja julkaisu) voi kestää useita kuukausia, minkä aikana kriittiset läpimurrot voivat jo muuttaa maiseman.

‘Lisäksi kasvava määrä staattisia tutkimuksia lisää kognitiivista kuormitusta, koska lukijoiden on löydettävä merkityksellisiä oivalluksia useista päällekkäisistä asiakirjoista.’

Valitettavasti paperin ratkaisu jakaa monia Discordin huonoimpia ja halveksituimpia ominaisuuksia: ennen kaikkea sitä, että se olisi jatkuvasti muuttuva ja muuttuva resurssi.

Koska dynaamisen elävän tutkimuksen mikä tahansa osa voi hävitä tai muuttua milloin tahansa, se olisi mahdotonta käyttää sellaisena, johon voidaan viitata, vakaana lähteenä; paitsi ehkä linkittämällä “edelliseen committiin”, samalla tavalla kuin archive.is ja Wayback Machine, muun muassa arkistosivustot, tarjoavat linkittävissä otoksissa verkkosivujen sisällöstä, joka on jäädytetty tiettyyn ajankohtaan. Mutta mitkä resurssit sellainen committ vaatisi, ja voitaisiinko sitä luottaa pysyvän elinkelpoisena ajan myötä?

Lisäksi alusta / Wiki, jossa on jatkuvasti muuttuvat määritelmät ja sisältö, olisi haasteellista indeksoida, joko perinteisillä hakukoneilla tai LLM:llä.

Ehkä heikoin osa ehdotetusta järjestelmästä on ajatus, että oikeat ihmiset valvovat LLM-agenttien commiteja; koska oikeat ihmiset ovat kalliita. Mitä on ehdotettu, on jotakin välimaastoa museon ja kirjaston välillä – molemmat, jotka tarvitsevat lihavaraista varustelua datan määrään ja aiheiden määrään suhteutettuna.

Jos “käytä oikeita ihmisiä” on ainoa vastaus AI-kehitysongelmaan, on reilua sanoa, että ongelma on edelleen avoin ja ratkaisematon.

Johtopäätös

Tällä hetkellä lyhytaikainen tutkimuspaperien elinkaari on ärsyttävä; jos nykyinen suurten mittakaavojen automaattisen kirjoittamisen ja julkaisemisen trendi jatkuu, kuten uudessa paperissa kuvattu, signaali-melun suhde tulee olemaan kroninen, ja kirjallisuus tulee olemaan hallitsematon.

Tällaisessa tilanteessa olisi vielä haasteellisempaa kuin se on nyt, että vähäiset, ei-FAANG-äänet kuuluisivat myrskyssä julkaisuja, ja suuret markkinajohtajat todennäköisesti saavuttavat vielä suuremman näkyvyyden.

Lisäksi dynaamisten tutkimusten lisäksi uusi paperi ehdottaa, että tekijöiden on ilmoitettava itse, kun AI:ta käytetään jossakin osassa julkaisua, ja että AI-tuetut osat on merkittävä selkeästi paperissa (ehkä JSON-tiedostoon…?).

Paperi ehdottaa vaihtoehtoisesti, mitä voisin vain kuvailla “AI-ghettona” – erillisenä osiona julkaisussa, joka on varattu AI-vaikutuksille.

Piilotettuna, uusi työ ei tarjoa realistisia vastauksia; mutta tekijät ovat suorittaneet hyödyllisen palvelun kehysongelmaa, joka on edessä.

Paperi Lopeta DDoS-hyökkäys tutkimusyhteisöön AI-luotuisilla tutkimuspaperilla voidaan löytää osoitteesta https://arxiv.org/abs/2510.09686, ja se on kirjoitettu kuuden tekijän toimesta eri osastoissa Shanghai Jiao Tong -yliopistossa.

___________________________________

* Ei kaikki ole samaa mieltä.

^† Tekijöiden painotus, ei minun. Myös minun muuttaminen tekijöiden sisäisistä viittauksista hyperlinkkeihin, missä sovellettavissa.

Julkaistu ensimmäisen kerran perjantaina 17. lokakuuta 2025