Luovaa opetusta tekoälyn aikakaudella: mikä muuttuu – ja mikä säilyy?

Vararehtori Petri Suomala ja opetuksesta vastaava varadekaani Jani Romanoff (ENG) aloittivat tilaisuuden toteamalla, että tekoäly on voimakas vauhdittaja, muttei täydellinen irtiotto menneestä. Tekoäly muuttaa väistämättä sitä, miten opiskelijat opiskelevat ja miten opettajat suunnittelevat opetustaan, mutta yliopistokoulutuksen ydintehtävät pysyvät: perustaitojen ja kriittisen ajattelun vahvistaminen, motivaation ja autonomian tukeminen, arvioinnin sitominen aitoon ongelmanratkaisuun sekä uteliaisuuden, luovuuden, itsenäisyyden ja vuorovaikutustaitojen vaaliminen.

Romanoff havainnollisti tekniikan alan opetuksen kehitystä sadan vuoden aikajänteellä: vuonna 1928 diplomityön aiheena olivat rungon muodot ja teräslevyt, kun taas nykypäivän 5 opintopisteen maisterikurssi kattaa monimutkaiset geometriset yksityiskohdat, koko järjestelmän suorituskyvyn ja jopa ”ammatillista itsensä johtamista”. Tekoäly vauhdittaa tätä kehitystä entisestään, mutta ihmisosaamista sen taustalla ei voi ulkoistaa.

Näkökulmia Aallon opetuksesta

Mashrura Musharraf – If AI Can Code It, What Are We Teaching?
Musharraf tarkasteli, mitä tapahtuu, kun tekoäly pystyy tuottamaan koodia tai vastauksia pyynnöstä. Tässä todellisuudessa perinteinen tiedon välittäminen ei enää riitä. Hänen lähestymistapansa painottaa suunniteltuja lähiopetustilanteita, joissa opiskelijoiden on tehtävä ajattelunsa näkyväksi, verrattava omaa päättelyään tekoälyn tuottamiin ratkaisuihin ja pystyttävä perustelemaan tämä luokassa. Opettajan tehtäväksi nousee oppimistilanteiden suunnittelu niin, että tekoäly on läsnä, mutta ymmärrys ja harkinta pysyvät selvästi opiskelijoiden vastuulla.

Craig Carlson – AI in the wings, human judgement in the spotlight
Carlsonin T-paita, jossa luki Douglas Adamsin Linnunradan käsikirja liftareille -teoksesta tuttu kehotus ”Don’t Panic”, tiivisti hyvin sekä hänen puheenvuoronsa että koko tilaisuuden tunnelman. Terveysteknologian arviointia ja regulaatioita käsittelevällä kurssilla tekoälyä hyödynnetään jo erilaisten skenaarioiden tukena ja analyysien nopeuttamisessa, mutta se pidetään taustalla: saatavilla työkaluna, jota voidaan testata ja kyseenalaistaa, ei itsestäänselvänä auktoriteettina. Carlson korosti, että tekoäly voi nopeuttaa työtä, mutta vain ihmisen tekemä harkinta tekee lopputuloksista luotettavia – erityisesti monimutkaisissa sääntely- ja eettisissä kysymyksissä.

Malka Gotthilf – AI as a Teaching Partner
Gotthilf toi hyvin konkreettisen näkökulman tekoälyyn opettajan työparina akateemisessa kirjoittamisessa ja suomi toisena kielenä -opetuksessa. Tarve entistä relevantimmalle, todellista elämää heijastavalle materiaalille on suuri, mutta aika rajallinen, joten hän hyödyntää suuria kielimalleja tuottaakseen materiaaleja kurssin sanaston ja teemojen pohjalta sekä tukemaan kurssisuunnittelua ja palautteen antamista. Tekoälyn välttäminen ei hänen mukaansa ole realistinen vaihtoehto; sen sijaan opettajien on opittava käyttämään työkaluja, ohjattava opiskelijoita oppimaan niiden kanssa ja otettava vastuu laadusta.

Gotthilfin kursseilla rajat ovat osa opetettavaa sisältöä: tekoäly nähdään työkaluna, ei kirjoittajana, ja sen tuottama tieto tarkistetaan aina luotettavista lähteistä. Henkilötietoja ei syötetä tekoälypalveluihin, arviointia ei anneta tekoälyn hoidettavaksi, ja hän käyttäät ensisijaisesti yliopiston tarjoamia ratkaisuja, kuten AaltoAI:ta, avoimien palveluiden sijaan. Jotkut tehtävät on tuotu tarkoituksella takaisin luokkahuoneeseen, oikeudenmukaisen arvioinnin varmistamiseksi. Samalla opiskelijoita rohkaistaan käyttämään tekoälyä kriittisesti esimerkiksi käännöksiin, sanastotyöhön, kieliopin ymmärtämiseen, esimerkkien tuottamiseen ja oman tekstin kommentointiin – aina vaihtoehtoisten työtapojen rinnalla.

Lauri Järvilehto – Future‑proof AI users from Aalto’s students?
Järvilehto päätti ohjelman tulevaisuuteen kurkottavalla ja tarkoituksella hieman provosoivalla puheenvuorollaan. Yleistarkoitukselliset kielimallit, jotka yrittävät ratkaista ”kaiken” ja miellyttää käyttäjää hinnalla millä hyvänsä, voivat hänen mukaansa muuttua helposti hienostuneiksi ”bulls**t-generaatoreiksi”, jos niitä käytetään yleispätevinä ongelmanratkaisijoina. Sen sijaan, että nojaudutaan yhteen kaiken tekevään järjestelmään Järvilehto ehdotti, että Aallossa olisi hyvä ajatella tekoälyä monipuolisena työkalupakkina: erilaisia työkaluja erilaisiin tehtäviin ja opiskelijoita, jotka osaavat valita ja yhdistellä niitä tilanteen mukaan.

Tulevaisuuden kannalta kestäviä Aalto-tutkintoja rakennetaan hänen mukaansa muun muassa varmistamalla opiskelijoiden pääsy ajantasaisiin työkaluihin, integroimalla tekoäly osaksi eri alojen opetusta, huolehtimalla siitä, että kaikilla opiskelijoilla on perustiedot tekoälyn toiminnasta ja rajoituksista, sekä luomalla innostavia, haasteisiin pohjautuvia oppimistilanteita, joissa työkaluja voi kokeilla ja vertailla käytännössä. Tekoäly voi muuttaa sitä, miten opiskelijat työskentelevät, mutta yliopistoilla on edelleen vastuu kehittää harkintakykyä ja kriittistä ajattelua erityisesti tässä muuttuvassa teknologisessa tilanteessa.