9 artikkelia
Mitä tekoäly on
Tekoälyn peruskäsitteet: koneoppiminen, syväoppiminen, generatiivinen tekoäly, AGI, mallit ja palvelut. Mistä oikeasti puhutaan, kun puhutaan tekoälystä.
Tekoälysisällön tunnistaminen
Voiko AI-tekstin, -kuvan tai -äänen tunnistaa? Tunnistimet, vesileimat, C2PA-alkuperätieto ja väärät positiiviset.
Artikkelit
- Näin tunnistat tekoälyllä tehdyn kuvan, videon tai tekstinSormien laskeminen ei enää auta. Näin tunnistat tekoälysisällön alkuperän, ristiinvarmistuksen ja lähdekritiikin avulla ja suojaudut ääniväärennöksiltä.
- Syväväärennökset selitettynä: näin ne tehdään ja tunnistetaanSyväväärennös syntyy generatiivisella mallilla muutamasta näytteestä. Näin kuva-, video- ja ääniväärennökset tehdään, mitä laki vaatii ja miten toimit uhrina.
- Tekoälyllä kirjoitettu teksti: mistä sen todella tunnistaaYksikään yksittäinen piirre ei todista mitään. Näin tunnistat tyypilliset rakenteet ja sisällölliset tyhjät kohdat ja miksi varmuutta ei käytännössä ole saatavilla.
- Tekoälytunnistimet: miksi ne antavat vääriä syytöksiäTunnistin antaa todennäköisyyden, ei todistetta. Näin väärät positiiviset syntyvät, keihin ne osuvat useimmin ja miten opettajan tai esihenkilön kannattaa toimia.
- Vesileimat ja C2PA: näin tekoälykuvan alkuperä merkitäänMerkintä voi olla näkyvä, piilotettu signaali tai tiedostoon liitetty historia. Näin kolme tapaa eroavat, mikä niistä kestää jakamisen ja mikä katoaa matkalla.
- Ääniväärennös puhelimessa: näin varmistat kuka soittaaTutun ääni ei ole enää tunniste. Näin hätätilannehuijaus rakennetaan, miksi ääntä ei kannata yrittää tunnistaa korvalla ja miten sovitte perheen varmistussanan.
- Kuvan alkuperän tarkistus: käänteishaku ja metatiedot askelittainKuvan aitous ratkeaa harvoin katsomalla. Näin teet käänteishaun, luet jäljellä olevat metatiedot ja jäljität ensimmäisen julkaisun vaihe vaiheelta.
Tekoälysisällön tunnistaminen jakautuu kahteen kysymykseen, jotka menevät arjessa helposti sekaisin. Toinen on tekninen: onko tiedostossa jälki, joka kertoo sen synnystä, ja onko jälki yhä tallella. Toinen on tilastollinen: näyttääkö sisältö sellaiselta, jollaista mallit tyypillisesti tuottavat.
Ero ratkaisee koko aiheen, koska nämä kaksi eivät ole yhtä luotettavia. Tiedostoon liitetty alkuperätieto on tarkistettavissa silloin kun se on mukana, mutta sen puuttuminen ei todista mitään: kuvakaappaus, uudelleenpakkaus ja monen palvelun oma käsittely pyyhkivät sen pois täysin viattomissakin tilanteissa. Tilastollinen arvio taas on aina todennäköisyys. Se erehtyy molempiin suuntiin, eli päästää läpi kevyesti muokattua konetekstiä ja leimaa ihmisen kirjoittamaa tekstiä koneen tekemäksi.
Siksi tämä kokonaisuus rakentuu yhden ajatuksen varaan: tunnistaminen kannattaa useimmiten korvata varmistamisella. Kun kyse on rahasta, henkilöllisyydestä tai kiireellisestä pyynnöstä, alkuperää on nopeampaa kysyä lähteeltä toista reittiä kuin päätellä pikseleistä tai lauserytmistä.
Missä järjestyksessä kannattaa lukea
Aloita yleiskuvasta. Artikkeli näin tunnistat tekoälyllä tehdyn kuvan, videon tai tekstin käy läpi kaikki kolme sisältötyyppiä ja erottaa toisistaan ne vihjeet, jotka kestävät, ja ne, jotka vanhenevat mallien parantuessa. Tekstiin pääsee syvemmälle artikkelissa tekoälyllä kirjoitettu teksti, ja sen luonteva pari on tekoälytunnistimet ja niiden väärät syytökset, joka kertoo mitä tunnistimen prosenttiluku oikeasti mittaa.
Kuvien kohdalla järjestys kannattaa kääntää toisin päin: ennen kuin tuijotat kuvaa, selvitä mistä se tuli. Kuvan alkuperän tarkistus opettaa käänteishaun ja metatietojen lukemisen askelittain, ja vesileimat ja C2PA selittää, millaista alkuperätietoa tiedostoon voidaan liittää ja kuinka helposti se katoaa.
Kaksi viimeistä artikkelia koskevat tilanteita, joissa väärennös on osa huijausta. Syväväärennökset kertoo, miten kasvot ja ääni vaihdetaan videolla, ja ääniväärennös puhelimessa antaa toimintamallin siihen hetkeen, jossa tuttu ääni pyytää jotain kiireellistä. Nämä kaksi kannattaa lukea, vaikka tekninen puoli ei kiinnostaisi.
Mitä tästä aiheesta ei kannata uskoa
Älä usko lupausta työkalusta, joka tunnistaa tekoälysisällön varmasti. Tuottavat mallit ja tunnistimet kehittyvät samassa tahdissa, ja jokainen julkaistu tunnistustapa on samalla ohje siitä, mitä väärentäjän pitää seuraavaksi korjata. Luotettavuudesta ei ole alalla yksimielisyyttä, ja luvut vaihtelevat sen mukaan, kuka testin teki ja millaisella aineistolla.
Älä usko myöskään vastakkaista väitettä, jonka mukaan mitään ei enää voi tarkistaa. Suurin osa arjen väärennöksistä paljastuu tavallisella lähdekritiikillä: kuka tämän julkaisi, mistä hän sen sai, kertooko sama asia jossain muualla.
Käytännön nyrkkisääntö on siirtää kysymys sisällöstä seurauksiin. Useimmiten ei ole tärkeää, onko kuva tai teksti tehty koneella, vaan pitääkö sen väite paikkansa ja kuka sen takana on. Vasta kun sisällön perusteella ollaan tekemässä päätös, joka maksaa rahaa tai vahingoittaa jotakuta, tunnistamiseen kannattaa käyttää aikaa. Silloinkin ratkaisu tehdään useasta merkistä yhdessä, ei yhdestä työkalusta.
Muut aihekokonaisuudet
9 artikkelia
Suuret kielimallit (LLM)
Mikä LLM on, miten se ennustaa seuraavan tokenin ja mitä perusmalli, chat-malli, päättelymalli ja avoimet painot tarkoittavat.
9 artikkelia
Promptit ja prompt engineering
Promptin rakenne, esimerkit, rajaukset, tulostemuodot, ketjutus ja iterointi. Miten kysyt niin, että saat käyttökelpoisen vastauksen.
8 artikkelia
Hallusinaatiot ja virheet
Miksi tekoäly keksii asioita, keksityt lähteet, tietokatkos, laskuvirheet ja kalibraatio. Miten tarkistat vastauksen käytännössä.
7 artikkelia
Tekoäly ja yksityisyys
Mitä syöttämällesi datalle tapahtuu: säilytys, opetuskäyttö, muisti, poisto, EU-siirrot ja yrityskäytön erot.
7 artikkelia
EU:n tekoälyasetus
AI Act: riskiluokat, kielletyt käytännöt, GPAI-velvoitteet, läpinäkyvyys, merkintä, sakot ja aikataulu Suomessa.
7 artikkelia
Mallien ja palveluiden valinta
Miten valitset mallin: päättely, nopeus, hinta, konteksti, työkalut, tietosuoja ja suomen kieli. Myös tunnetuimmat palvelut selitettynä.
5 artikkelia
Kuva-, ääni- ja videogeneraattorit
Miten tekoäly tekee kuvan, äänen ja videon? Näin diffuusiomalli, kuvakehote, äänen kloonaus ja valmiin tiedoston käyttöoikeudet toimivat selkokielellä.
6 artikkelia
Tekoäly työssä ja opiskelussa
Mihin tekoäly sopii työssä ja opinnoissa, mitä sen käytöstä pitää kertoa muille ja kuka vastaa virheistä. Ohjeet kokouksiin, rekrytointiin ja opiskeluun.