Tekoäly (AI) muuttaa nopeasti sitä, miten tutkimusta ja opetusta toteutetaan tieteellisissä laitoksissa. Fysiikan tutkimuslaitoksella olemme selvittäneet sen mahdollisuuksia sekä akateemisessa työssä että luovissa projekteissa. Tässä kirjoituksessa tarkastellaan ensin tekoälyn konkreettisia käyttötapoja laitoksessamme ja esitellään sen jälkeen käyttöesimerkki CERNin mediatuotannosta.

Käytännön kokemuksia tekoälystä Fysiikan tutkimuslaitoksella

Esimerkiksi GitHub Copilot on AI-pohjainen työkalu, joka auttaa koodin kirjoittamisessa ja virheiden korjaamisessa. On myös olemassa alustoja kuten Siml.ai, jotka yhdistävät tekoälyn ja fysiikan simulaatiot, mahdollistaen nopeammat ja tehokkaammat simulaatiot. Lisäksi on kehitetty työkaluja, jotka auttavat opettelemaan koodausta erityisesti fysiikan simulaatioita varten. Tekoälyllä voidaan myös optimoida monimutkaisia kokeellisia asetelmia ja ohjata esimerkiksi laser-koejärjestelyjä.

Raporttien kirjoittaminen on toinen alue, jolla tekoäly voi olla avuksi. On olemassa AI-pohjaisia työkaluja, jotka voivat auttaa tiivistämään tutkimusartikkeleita ja toimia kirjoitusapuna. Lisäksi on kehitetty työkaluja, jotka auttavat luomaan jäsenneltyjä laboratorioraportteja. Tekoäly voi myös auttaa poimimaan oleellista tietoa tutkimusjulkaisuista ja jopa luomaan syvällisiä raportteja monimutkaisista aiheista.

Mihin sitten vedetään rajaviiva oman työn ja tekoälyn (muualta hankkiman tiedon pohjalta) tekemän työn välille, ja onko sellaista rajaa olemassa? Tämä onkin olennainen kysymys, johon ei ole yksiselitteistä vastausta. Yleisesti ottaen voidaan sanoa, että tekoälyä tulisi käyttää apuvälineenä, joka tukee ihmisen omaa työskentelyä, eikä korvaa sitä kokonaan. On tärkeää olla läpinäkyvä tekoälyn käytön suhteen ja noudattaa yliopistojen ja tiedelehtien ohjeistuksia. Loppujen lopuksi akateemisen työn arvo perustuu ihmisen oivalluksiin, kriittiseen ajatteluun ja kykyyn luoda uutta tietoa. Tekoäly voi auttaa tässä prosessissa, mutta se ei voi korvata ihmisen älyä ja luovuutta.

Tekoälyn käyttökokemuksia – mediatuotanto CERNissä, rakennusnumeroiden jäljillä

Käyn vuosittain CERNissä dokumentoimassa ja tuottamassa erilaista mediamateriaalia, jolloin yritän aina löytää kulman, joka tekee kokonaisuudesta sekä ymmärrettävän että kiinnostavan. Tällä kertaa katse osui asiaan, joka on monelle kävijällekin pieni arvoitus: CERNin rakennusnumerot ja niiden näennäinen epäloogisuus. Päätin kääntää tämän lähtökohdaksi ja testata samalla, miten tekoäly voisi auttaa ideoinnissa, käsikirjoituksessa ja kuvaussuunnittelussa.

Miten hyödynsin tekoälyä

Käytin useampia tekoälysovelluksia – Geminiä, Copilotia ja ChatGPT:tä – ideoiden tuottamiseen ja rungon hahmotteluun. Luin ehdotukset läpi, arvioin niitä kriittisesti ja ohjasin tarinaa suuntaan, joka tuntui omalta. Useamman iteraation jälkeen päädyin sarjaan, joka kiertää CERNiä käyttäjän näkökulmasta: mitä rakennuksia tyypillinen vierailija (tai CERNiin töihin tuleva) kohtaa ja millaisia tarinoita niihin liittyy.

Reitti rakennuksista tarinoihin

Rakennus 33 nousi luontevaksi aloituspisteeksi: se toimii käytännössä vierailijoiden ja cerniläisten tukikohtana – usein ensimmäisenä pysähdyksenä, kun CERNiin saavutaan.

Sieltä oli luontevaa edetä päärakennukseen 500, jonka rooli CERN yhteisön keskuksena on kiistaton.

CERNin yhteiskunnallinen vuorovaikutus ja tiedekasvatus keskittyy nykyisin suurelta osin kampuksen yleisölle avoimiin tiloihin. Siksi mukana ovat Globe (rakennus 80) ja sen rinnalle hiljattain valmistunut Science Gateway (rakennukset 81–87) – paikat, joissa kouluvierailut ja yleisö useimmiten kohtaavat CERNin.

Arjen toimivuuden ja tilojen inhimillisyyden kannalta halusin nostaa esiin rakennuksen 40. Sen avara atrium, valoisat käytävät ja keskuskahvila luovat tilaa kohtaamisille. Samaan kokonaisuuteen liittyvät luontevasti 38, 39 ja 41 – hostellirakennukset, jotka tarjoavat tutkijoille ja vieraille majoitusta kampuksella. Rakennuksen 40 yhteyteen vuonna 2011 valmistunut rakennus 42 toi puolestaan hallinnon lähemmäs tutkimusta ja tutkijoita.

Historiallista perspektiiviä toin East Hallin (rakennus 157) kautta. Se on laaja teollinen tila, jossa on tehty mittavia perusparannuksia – mm. asbestin poistot ja eristeiden kohentaminen – ja jossa toimii useita kokeita ja testausympäristöjä (esimerkiksi CLOUD sekä säteilytys- ja testauslaitteistoja), jotka hyödyntävät protonisuihkuja.

Halusin pysähtyä myös ISOLDE alueella (rakennus 179 ja sen ympäristö). ISOLDE on yksi CERNin pisimpään toimineista kokeista, jolla on pitkä ja kerroksellinen historia. Erikoisuutena on myös sijainti Sveitsin ja Ranskan rajalla – raja kulkee kirjaimellisesti rakennuksen läpi, joten ISOLDElla työskennellessä voi päivän mittaan “ylittää” maanrajan useammankin kerran.

Kokonaisuuden loppuun katsoin tulevaisuuteen: HL LHC päivitys (High Luminosity LHC) sekä suunnitteilla oleva FCC (Future Circular Collider) nostavat esiin hauskan mutta käytännöllisenkin kysymyksen – miten rakennukset numeroidaan jatkossa, ja millainen logiikka olisi järkevää? Lopuksi palasin takaisin rakennukselle 33 “sulkemaan ympyrän” ja kokoamaan sarjan teemat yhteen.

Mitä tekoäly osasi – ja missä sen rajat tulivat vastaan

Tekoäly toimi tässä projektissa ennen kaikkea ideakoneena. Se heitti vaihtoehtoja ja ehdotuksia, joista valitsin itselleni kiinnostavimmat. Lisäksi hyödynsin sitä kohdennettuihin hakuihin verkosta ja CERNin materiaaleista, jotta sain vahvistettua faktoja.

Samalla projekti muistutti, että tekoäly ei vähennä työn määrää automaattisesti. Jouduin toistuvasti tarkistamaan väitteitä – välillä useaan kertaan – ja etsimään dokumentteja tai muita todisteita taustalle. Tämä lisäsi käsikirjoituksen työstöön kuluvaa aikaa ja teki prosessista yllättävän työlään.

Toinen käytännön haaste liittyi juontamiseen. Tekoälyn laatima käsikirjoitusteksti ei aina istunut suuhuni, enkä pystynyt luontevasti muistamaan tai tulkitsemaan sellaista tekstiä, jota en ollut itse alusta asti kirjoittanut. Ratkaisin tätä osin sijoittamalla kuvauksissa tekemäni juontotekstin kameran lähelle ja käyttämällä taustaselostusta: luin yksinkertaisesti tekstin paperilta kohteessa ja korvasin ”lukusessioni” videon ylimääräisellä kuvamateriaalilla (ns. B-roll). Se toimi, mutta vaati oman lisätyönsä.

Lisäksi tekoälyltä puuttuu usein paikkatieteellinen ymmärrys. Huomasin muutamassa kohdassa, että ehdotukset rakennusten sijainneista tai näkymistä olivat yksinkertaisesti pielessä – ei siksi, että malli olisi “tyhmä”, vaan siksi, ettei sen koulutusaineistossa välttämättä ole täsmällistä paikkatietoa, ja se alkaa täydentää aukot mielikuvituksella.

Opit ja suositukset seuraavaa tuotantoa varten

• Pidä ohjat itselläsi. Tekoäly on hyvä renki mutta huono isäntä. Se ei sovi jätettäväksi vastaamaan kokonaisuudesta yksin.
• Syötä omat tekstit ja rajaa tehtävä. Kun annoin mallille omia luonnoksiani ja pyysin nostamaan niistä teemoja, sain hyödyllisintä palautetta. Mitä täsmällisempi kysymys ja tiukemmat reunaehdot, sitä vähemmän “hallusinaatioita”.
• Faktojen tarkistus on pakollinen vaihe. Varsinkin asiayhteyksissä, joissa on teknisiä yksityiskohtia (rakennusnumerot, laitteistot, historiat), jokainen väite on hyvä varmistaa lähteestä.
• Kirjoita juonnot itse loppuun. Vaikka tekoäly auttaisi rungossa, viimeinen kieli ja rytmi kannattaa muotoilla omaan ääneen sopivaksi – sekä selkeyden että esiintyjämukavuuden takia.
• Varaa aikaa. Tekoälyn kanssa työ ei aina nopeudu. Tässä projektissa tein töitä myös kesälomapäivinä, jotta sain videokokonaisuudet valmiiksi ja faktapohjaisiksi.

Loppusanat

Kokonaisuutena kokemus oli mielenkiintoinen ja opettavainen. Tekoäly tarjosi ideoita ja auttoi hahmottamaan rakennetta, mutta sen varaan ei voi laskea kaikkea – etenkin kun tavoitteena on faktoihin nojaava, visuaalisesti toimiva mediasarja. Ensi kerralla teen ideat pidemmälle omin voimin ja käytän tekoälyä tarkkoihin, hyvin rajattuihin kysymyksiin. Näin se palvelee parhaiten: tukena, joka terävöittää työtä, muttei johda sitä.

Osallistu keskusteluun: sinun kokemuksesi tekoälyn käytöstä yliopistomaailmassa

Tekoäly on tullut jäädäkseen osaksi yliopistomaailmaa, ja sen potentiaali on valtava. Haluaisimmekin nyt kuulla teidän kokemuksianne ja ajatuksianne aiheesta.

Jaa kokemuksesi ja ideasi alla olevassa kommenttikentässä tai kirjoita oma juttusi tänne blogiin: kerro oma, mahdollisesti kriittinen näkökulmasi.

Juha Aaltonen
Fysiikan tutkimuslaitos

Tämän kirjoituksen loppusosa (käyttökokemus) on luotu tekoälyn (chatGPT, o3) avulla syöttämällä sille ääneen lukemani ja tekstiksi muunnettu luonnos lähteenä käyttäen seuraavaa kehotetta:

”Ohessa on minun tekemäni tajunnanvirran äänitys muutettuna tekstiksi. Se on luonnos blogikirjoitukselle: 'Tekoälyn käyttökokemuksia Fysiikan tutkimuslaitoksella - mediatuotanto'. Kävisitkö sen lävitse, korjaisit kirjoitusasun kunnon suomeksi ja muutenkin yrittäisit tehdä siitä "eheän" blogikirjoituksen pitäen kuitenkin antamani tekstin asiat ja punaisen langan?”

Tämän tekstin kävin vielä kertaalleen lävitse muuttaen hieman sanajärjestyksiä ja esitystapaa.

Tämä kirjoitus sisältää tekoälyllä luotuja kuvia.