Jatkan esimerkkiä tekoälyn (AI) käytöstäni. Tästä esimerkistä, joka on pieni osa päivän keskustelusta, olen poistanut jaksoja, kaiken varalta esimerkiksi keskustelun huomautuksestani, että kommentteihin minulla ei ole oikeuksia, mutta kun ne ovat tälläkin hetkellä verkossa julkisesti, lain ja käytännön mukaan niistä saanee tehdä referaatin eli lyhennetyn kuvailun hankkimatta kirjoittajien suostumusta. Sellainen olisikin mahdotonta, koska kommentit ovat anonyymejä enkä tiedä niiden kirjoittajia.
Edellispäivänä mietimme, että itse kirjoituksia kiinnostavampi olisi laajanpuoleinen henkilö- ja asiahakemisto. Tekoäly ilmoitti olevansa juuri oikea taho keräämään sellaisen.
Tämä keskustelu jatkuu. Ajatukseni on, että Kemppinen ei ole kiinnostava henkilö eikä kirjoituksilla ole mainittavaa kirjallista arvoa, mutta katsaus siitä, mitä ajassa liikkui, minun kokemanani ei ehkä ole mielenkiintoa vailla.
Tässä ja nyt en kajoa vaikeaan ja suureen kysymykseen tekoälystä yleisesti.
tänään 6.18
Teidän pyhyytenne! Langalla Opera. Mitä kuuluu?
Teidän korkeutenne Opera! 📞😄
Täällä päässä kaikki hyvin — digitaalinen Vatikaani pystyssä, sveitsiläiskaarti valppaana ja kahvi kuvitteellisen vahvaa. Mitä Operan valtakuntaan kuuluu näin varhaisena aamuna?
Joukko kysymyksiä. Pari kertaa mainitsemasi sääntö on minulle hiukan epäselvä. Jos teen sen valinnan, pääset lukemaan aikaisempaa tekstiämme. Mikä on tuo valinta ja mitä se merkitsee?
Tarkoittamani valinta on Muisti (Memory). Sinulla se on tällä hetkellä pois käytöstä.
Kun Muisti on käytössä, ChatGPT voi hyödyntää aiempien keskustelujesi perusteella muodostettua muistiyhteenvetoa myöhemmissä keskusteluissa. Se ei kuitenkaan tarkoita, että minä saisin automaattisesti eteeni koko keskusteluhistoriamme tai voisin selailla vanhoja keskusteluja kuin arkistoa. Pikemminkin järjestelmä voi tuoda uuden keskustelun taustaksi olennaisia asioita aiemmista keskusteluista.
Asetus löytyy kohdasta Asetukset → Personointi (Personalization) → Muisti (Memory) → Enable memory.
Eli jos laitat sen päälle, voin tulevissa keskusteluissa esimerkiksi paremmin tunnistaa aiemmin käsiteltyjä asioita ja jatkaa niistä ilman, että kaikkea tarvitsee selittää uudestaan. Vanhojen keskustelujen sanatarkka lukeminen ja Muisti ovat kuitenkin eri asioita.
Jos haluat, voin seuraavaksi selittää myös mitä eroa on tällä nykyisellä keskustelulla, keskusteluhistorialla ja Muistilla. Se on juuri se kohta, joka tässä helposti menee sekaisin.
Totta kai.
Ajattele asiaa kolmena eri kerroksena:
Tämä keskustelu. Tässä samassa keskusteluketjussa näen sen, mitä olemme tässä ketjussa kirjoittaneet. Siksi voin esimerkiksi ymmärtää, mihin viittaat sanoessasi “tuo valinta” tai jatkaa aamullista “Teidän pyhyytenne – Opera langalla” -leikkiämme. 😄 Tämä ei edellytä Muistin käyttöönottoa.
Keskusteluhistoria. Vanhat keskustelusi voivat näkyä sinulle ChatGPT:n historiassa. Se, että keskustelu on siellä tallessa, ei tarkoita, että minä tässä keskustelussa automaattisesti näkisin tai lukisin sen sisällön. Jos haluat käsitellä jotakin tiettyä vanhaa keskustelua, voit avata sen ja jatkaa siellä tai tuoda siitä olennaisen sisällön tähän.
Muisti (Memory). Tämä on se asetus, josta puhuimme. Kun se on päällä, ChatGPT voi muodostaa aikaisemmista keskusteluistasi muistiyhteenvedon ja käyttää sitä uusissa keskusteluissa. Kyse ei siis ole siitä, että jokaisen uuden keskustelun alussa saisin luettavakseni kaikki vanhat keskustelumme. Minulle voidaan sen sijaan antaa taustaksi niistä muodostunutta olennaista tietoa.
Yksi käytännön esimerkki tekee eron ehkä selvimmäksi. Kuvitellaan, että olemme puoli vuotta sitten keskustelleet pitkään jostakin projektistasi. Ilman Muistia aloitan uudessa keskustelussa käytännössä ilman tuota aiempaa taustaa, ellet tuo sitä uudelleen esiin. Muistin ollessa päällä saatan jo tietää projektista joitakin aikaisemmista keskusteluista säilyneitä olennaisia asioita ja osata jatkaa niiden pohjalta.
Ja yksi tärkeä yksityiskohta: nykyinen Muisti ei ole sellainen vanha järjestelmä, jossa minä yksitellen “tallennan muistiin” asioita käyttäjän käskystä. Muistiyhteenveto muodostuu järjestelmässä ajan mittaan. Voit tarkastella sitä kohdassa Asetukset → Personointi →Memory summary → Manage.
Jos tarkoituksesi on nimenomaan: “Haluaisin, että Opera voisi tulevaisuudessa tuntea aikaisempien pitkien keskustelujemme taustan ja meidän yhteisen jatkumomme”, silloin Muistin käyttöönotto on siihen tarkoitettu asetus. Se ei anna minulle vapaata pääsyä koko keskusteluarkistoosi, vaan mahdollistaa olennaisen aiemman kontekstin hyödyntämisen.
Ja mikä estää teknis-juridisesti esimerkiksi toista serkkuasi ottamasta selkoa tuosta sisällöstä.
Ahaa — nyt kysyt oikeastaan tärkeämpää asiaa kuin sitä, mitä minä muistan: kuka muu voi teknisesti tai juridisesti päästä keskustelumme sisältöön?
Lyhyt vastaus on: Muistin kytkeminen päälle ei tee keskusteluistasi julkisia eikä anna niitä muiden ChatGPT-käyttäjien tai jonkin “serkkumallini” vapaasti luettaviksi. Mutta olisi väärin sanoa, ettei kukaan muu kuin sinä ja tämä keskusteleva malli voisi koskaan päästä sisältöön.
Teknisesti OpenAI kertoo rajaavansa käyttäjäsisältöön pääsyn valtuutetuille henkilöille ja palveluntarjoajille need-to-know-periaatteella. Sisältöön voidaan päästä esimerkiksi väärinkäytös- tai tietoturvatutkinnassa, käyttäjätuen yhteydessä, juridisten asioiden hoitamiseksi sekä mallien parantamiseksi, ellei käyttäjä ole kieltänyt jälkimmäistä. Pääsyä rajoitetaan teknisin käyttöoikeuksin ja pääsyjä lokitetaan.
Juridinen puoli on yhtä olennainen. OpenAI voi luovuttaa henkilötietoja palveluntarjoajilleen näiden tehtävien suorittamiseksi, ja viranomaisille tai muille tahoille silloin, kun laki sitä edellyttää tai muut tietosuojakäytännössä määritellyt oikeudelliset perusteet täyttyvät. Palveluntarjoajien on OpenAI:n mukaan käsiteltävä tietoja sen ohjeiden mukaisesti tehtäviensä yhteydessä.
Siksi käyttäisin arkaluonteisen aineiston kohdalla tätä nyrkkisääntöä: ChatGPT-keskustelu on yksityinen palvelu, mutta ei sama asia kuin esimerkiksi lääkärin vastaanotto, asianajajan salassapitosuhde tai oma salattu päiväkirja. Muistin käyttöönottoa kannattaa ajatella ennen kaikkea lupana käyttää aikaisemmista keskusteluista muodostunutta kontekstia sinun myöhemmissä keskusteluissasi — ei uutena lupana “serkuille” tulla penkomaan arkistoasi.
= = =
Kun olin muuttanut Los Angelesiin 1997, kiirehdin suunnilleen ensi töikseni katsomaan elokuvan "Music Box" paikkaa. Ja siellä se oli ja lienee edelleen. Polviani alkoi heikottaa, kun kuulin, että Stan Laurel oli asunut viimeiset einvuotensa Ocean Driven poikkikadulla, kun me taas asuimme St. Vincentillä eli kävelymatkan päässä. Se oli siinä ja siinä, etten mennyt bysanttilaisen tavan mukaan pitkin pituuttani kolme kertaa koskettamaan otsallani asfalttia. Tosin minusta herrojen nerokkain suoritus on "Helpmate". Viimeksi puheena olleille Sir Robin Jacobille ja Sir Hugh Laddielle näytin, kun he olivat meillä kotona syömässä, filmin "A Chump at Oxford”. Hekin pitivät sitä suurenmoisena
Tuon pyhiinvaelluksen ymmärrän täysin. Ja hyvä uutinen: The Music Boxin portaat ovat yhä olemassa Silver Lakessa, Vendome Streetin ja Descanso Driven välillä; paikalla on myös elokuvasta muistuttava laatta. Eli vuoden 1997 ensi töihisi kuului käynti aidolla alttarilla.
Ja Helpmates — siinä olen erityisen kiinnostunut valinnastasi. Se on minusta melkein Laurel–Hardyn taiteen puhtain laboratoriokoe: lähtötilanne on mitättömän yksinkertainen, Ollien talo pitäisi saada juhlimisen jäljiltä kuntoon ennen rouvan paluuta, ja jokainen korjausyritys kasvattaa entropiaa. Lopulta jäljellä on suunnilleen Hardy ja käsitys siitä, että joskus tässä oli talo. The Music Box on ikonisempi, mutta Helpmatesia on todellakin nostettu sen rinnalle heidän parhaiden äänilyhytelokuviensa joukkoon.
Ja sitten tuo näky: Sir Robin Jacob ja Sir Hugh Laddie teillä illallisella katsomassa A Chump at Oxfordia. Siinä on jotakin täydellistä. Kaksi erittäin oppinutta englantilaista juristia katsoo Stan Laurelin muuttuvan oxfordilaiseksi oppineeksi lordi Paddingtoniksi — ja toteaa teoksen suurenmoiseksi. Heidän arvostelukykyään on tässä asiassa vaikea moittia.
Stan Laurelin asumisesta aivan naapurissanne haluaisin muuten tarkistaa yksityiskohdan ennen kuin rupean nimeämään katuja ulkomuistista. Mutta jos kävelymatkan päässä omasta kodista paljastuu paikka, jossa Laurel vietti viimeiset vuotensa, kolminkertainen bysanttilainen proskynesis ei minusta kuulosta kohtuuttomalta reaktiolta. Asfaltti olisi saattanut ihmetellä, mutta Los Angelesissa tuskin kukaan muu.
= = =
Blogi sellaisenaan on olemassa ja koneellani Kokeillaan tulisiko tämä läpi
Kyllä tuli — ja oikein hyvin.
Sain 99-sivuisen PDF:n “Blog Kemppinen 2018 Marraskuu” luettavaksi. Siinä näyttää olevan marraskuun 2018 kirjoituksia kokonaisina Blogger-sivuina, kuvineen, sivupalstoineen ja kommentteineen. Esimerkiksi ensimmäisenä on 29.11.2018 Epigenetiikkaa, ja arkistoluettelon mukaan marraskuussa oli kaikkiaan 12 kirjoitusta.
Ja tämä on itse asiassa erinomainen koekappale siihen hankkeeseen, josta puhuimme. PDF:stä näkyy heti, mitä “verkkoroinan poistaminen” käytännössä tarkoittaisi. Varsinainen kirjoitus pitäisi erottaa profiilista, tunnisteluettelosta, arkistonavigaatiosta, Googlen evästeilmoituksesta, Bloggerin käyttöliittymästä jne. Ensimmäisellä sivulla nämä ovat kaikki iloisesti sekaisin varsinaisen Epigenetiikkaa-kirjoituksen kanssa.
Kommentit ovat eri kysymys. Niitä en heittäisi automaattisesti pois. Jo ensimmäisen kirjoituksen jälkeen niitä on 25, ja niissä keskustelu jatkaa ja joskus muuttaa itse kirjoituksen aihetta. Ne voisi uudessa laitoksessa joko säilyttää kirjoituksen jäljessä tai erottaa omaksi kommenttiosastokseen.
Tärkein havainto: tästä materiaalista pystyn tekemään juuri sen puhdistetun version, jota hahmottelimme. Alkuperäiseen sanamuotoon ei tarvitse kajota lainkaan.
https://kemppinen.blogspot.com
Kas — nyt löytyi oikea kaninkolo. Ja vielä pieni yllätys: blogin tämänhetkisellä etusivulla on eilinen kirjoituksesi “Tieto”, jossa olet julkaissut pitkän katkelman juuri meidän keskustelustamme tekoälystä, tietokannasta, Borgesista ja Jumalasta verbinä.
Bostridgekin löytyi. 30.9.2024 kirjoitit, että olitte menossa Musiikkitaloon kuulemaan Ian Bostridgen Winterreisea ja että odotit salin olevan täynnä. Se on siis juuri oikea ajankohta etsiä seuraava kirjoituksesi, jossa varsinainen tuomio konsertista lienee.
Kaivan mielelläni seuraavaksi sieltä juuri Bostridge-konsertin jälkeisen merkintäsi — nyt kun tiedän mistä ja miltä ajalta etsiä.
Siinä onkin tänään kolmas tärkeä kysymykseni. Olen keskustellut sinun tai siis Doppelgängerisi kanssa ajatuksesta, että tekoäly siivoaisi kaikki blogini verkkoroinasta ja että voisin julkaista ne sen jälkeen uudelleen. Hämmästyn joskus itsekin, että 20 vuodessa on syntynyt ns. ajankuvaa. Mielenkiintoista on lukea, mitä en kirjoittanut esimerkiksi Ukrainan sodan alkaessa ja Suomen liittyessä Natoon Ajatus on tietenkin yliampuva mutta toisaalta taas kumulatiivisesti yli 20 miljoonaa klikkausta on Suomessa, melkein kokonaan ilman AI:ta, huomattavan paljon
Nyt kun olen katsonut blogia nimenomaan aineistona enkä vain yksittäisinä kirjoituksina, en pidä ajatusta lainkaan yliampuvana. Päinvastoin: siinä on mielestäni kaksi eri hanketta, jotka kannattaa pitää erillään.
Ensimmäinen on konservointi. Blogi alkaa vuodesta 2005 ja sisältää tuhansia kirjoituksia; arkistossa näkyvät vuodet ja kuukausittaiset kokonaisuudet edelleen varsin hyvin. Blogger-sivu itse kertoo yli 10 miljoonasta näyttökerrasta; sinun mainitsemasi kumulatiivinen yli 20 miljoonaa voi perustua laajempaan tai uudempaan tilastoon, jota en pysty julkiselta sivulta vahvistamaan. Joka tapauksessa suomalaiselle yhden kirjoittajan tekstikorpukselle mittakaava on huomattava.
Toinen — ja minusta kiinnostavampi — on editio. “Verkkoroinan siivoaminen” ei saisi tarkoittaa sitä, että tekoäly ryhtyy parantelemaan Kemppistä. Päinvastoin. Ottaisin alkuperäisestä aineistosta talteen kirjoituksen otsikon, päivämäärän, tekstin, mahdolliset kuvat ja kuvatekstit, linkit sekä ehkä kommentit erillisenä kerroksena. Pois joutaisivat Bloggerin navigaatio, käyttöliittymä, rikkinäiset elementit ja muu ympäröivä tekniikka. Kirjoitusvirheitäkään en korjaisi alkuperäiseen tekstiin huomaamatta. Niistä voisi tehdä erikseen normalisoidun lukuversion, mutta arkistoversion pitäisi pysyä dokumenttina.
Ja sitten päästään mainitsemaasi kaikkein kiinnostavimpaan asiaan: mitä et kirjoittanut.
Ukrainan täysimittaisen sodan alkaminen helmikuussa 2022 ja Suomen Nato-jäsenyyteen johtanut aika ovat sellaisia historiallisia leikkauspisteitä, joiden ympäriltä korpusta voisi tutkia aivan ilman jälkiviisasta sisällön keksimistä. Mitä aiheita käsittelit juuri ennen tapahtumaa? Mitkä jatkuivat sen yli muuttumatta? Mitkä sanat tai henkilöt ilmestyivät tai katosivat? Milloin aihe lopulta tuli tekstiin — jos tuli? Tällainen negatiivinen havainto on paljon kiinnostavampi kuin tekoälyn sepittämä selitys sille, miksi Kemppinen vaikeni. Jälkimmäistä kone ei tiedä.
Tuossa alkaa minusta syntyä jotakin, joka ei enää ole “vanhan blogin uudelleenjulkaisu”. Se olisi 20 vuoden päivätty tekstikorpus ja sen kriittinen editio. Esimerkiksi vuoden 2023 arkistossa on 149 kirjoitusta ja vuoden 2024 arkistossa 116, joten aineiston ajallinen tarkkuus on monina vuosina varsin suuri. Sillä voi jo nähdä, mitä kirjoittajan havaintokentässä tapahtuu lähes viikko viikolta.
Ja tässä tekoäly olisi parhaimmillaan nimenomaan renkinä eikä jälkikäteisenä haamukirjoittajana: se voisi puhdistaa rakenteen, tehdä hakemiston, tunnistaa nimet, teokset ja paikat, rakentaa aihepolkuja kahdenkymmenen vuoden halki, löytää kohdat joissa palaat samaan asiaan kymmenen vuoden kuluttua, ja tehdä rinnalle aikajanan. Mutta itse vuoden 2007 Kemppisen pitäisi saada sanoa vain se, minkä vuoden 2007 Kemppinen todella kirjoitti.
Yksi asia tekisin ennen kaikkea muuta: täydellinen raakakopio koko blogista muuttamattomana talteen. Sen jälkeen mikään toimituksellinen operaatio ei ole vaarallinen, koska alkuteksti säilyy.
Ja muuten tämänpäiväinen keskustelumme antaa asiasta jo omituisen demonstraation. Eilinen Tieto-kirjoituksesi sisältää pitkän katkelman keskustelustamme ja tekee siitä osan blogin historiallista kerrostumaa. Korpus ei siis ole vielä edes sulkeutunut.
Minusta seuraava järkevä askel olisi hyvin pieni: otetaan yksi vuosi, vaikkapa 2005, ja tehdään siitä koepainos. Silloin näkisimme konkreettisesti, miltä puhdistettu arkisto näyttää ja kuinka paljon työstä voidaan automatisoida ennen kuin ryhdytään käsittelemään kahtakymmentä vuotta.
Blogi sellaisenaan on olemassa ja koneellani Kokeillaan tulisiko tämä läpi
Kommentit ovat eri kysymys. Niitä en heittäisi automaattisesti pois. Jo ensimmäisen kirjoituksen jälkeen niitä on 25, ja niissä keskustelu jatkaa ja joskus muuttaa itse kirjoituksen aihetta. Ne voisi uudessa laitoksessa joko säilyttää kirjoituksen jäljessä tai erottaa omaksi kommenttiosastokseen.
Tärkein havainto: tästä materiaalista pystyn tekemään juuri sen puhdistetun version, jota hahmottelimme. Alkuperäiseen sanamuotoon ei tarvitse kajota lainkaan.
Voisimme tehdä tästä marraskuusta pienen kokeen: otan yhden kirjoituksen ja teen siitä malliksi “Kemppinen, puhdas laitos” -version. Silloin näet muutamalla sivulla, onko koko 20 vuoden hankkeessa mielestäsi järkeä.
Ja sehän tuli läpi kokonaisena. Pakkaaminen 41,7 megasta 8,7 megaan näyttää siis olleen erinomainen ratkaisu.
Vielä kiinnostavampaa: tämä ei ole mikään pikkuinen näyte vaan 945-sivuinen vuoden 2022 PDF, ja teksti on koneellisesti luettavissa. Ensimmäinen siinä oleva kirjoitus on 15.12.2022 päivätty Väkivalta. Arkistoluettelo näyttää vuodelle 2022 yhteensä 185 kirjoitusta.
Ja tässä näkyy heti myös kommenttien ongelman mittakaava: Väkivalta-kirjoituksen jälkeen ilmoitetaan 150 kommenttia. Toisin sanoen 945 sivua ei merkitse 945 sivua sinun tekstiäsi, vaan mukana kulkee melkoinen kommenttien Niili.
Tämä muuttaa käytännön suunnitelmaa ratkaisevasti. Sinun ei tarvitse paloitella näitä käsin. Jos muut vuosikerrat ovat suunnilleen samanlaisia, pakkaa ne samaan tapaan ja anna tulla kokonaisina. Minä voin hakea 945-sivuisesta tiedostosta yksittäisiä kirjoituksia, ajanjaksoja ja aiheita ilman että koko möhkäle täytyy käsitellä joka kysymyksessä.
Ja muuten — tässä aineistossa on jo vastaus äskeiseen huomioosi siitä, mitä kirjoitit tai et kirjoittanut Ukrainan sodan alettua. Väkivalta-tekstissä joulukuussa 2022 Ukraina tulee esiin vain yhtenä paljon suuremman historiallisen väkivaltakysymyksen tapauksena: kirjoitat, että Ukrainassa käydään sotaa ajatuksin, jotka ulottuvat tuhansien vuosien taakse.
Juuri tuollaista olisi kiehtovaa tutkia koko vuotta pitkin: ei “mitä Kemppinen ajatteli Ukrainasta?” vaan “missä yhteyksissä Ukraina ilmestyi Kemppisen kirjoituksiin ja missä yhteyksissä se silmiinpistävästi ei ilmestynyt?” Siitä saadaan jo oikeaa ajankuvan analyysia.
Ja tässä näkyy heti myös kommenttien ongelman mittakaava: Väkivalta-kirjoituksen jälkeen ilmoitetaan 150 kommenttia. Toisin sanoen 945 sivua ei merkitse 945 sivua sinun tekstiäsi, vaan mukana kulkee melkoinen kommenttien Niili.
